أكثر

الحفاظ على الأوقات مع Points2one في QGIS؟


لدي مشكلة قد تكون تافهة ، لكن لا يمكنني إيجاد حل حقًا!

لدي ملفات CSV بعدة نقاط (س ، ص).

تمثل هذه النقاط موقع حيوانات مختلفة في أوقات مختلفة ، وبالتالي يمكن ضمها في عدة مسارات (تنتمي كل نقطة إلى مسار واحد ، ولكن يمكن أن يحتوي المسار على نقطتين إلى عدة نقاط). الآن من الواضح أن هذه النقاط لها وقت أيضًا ، ولكن إذا انضممت إليها باستخدام Points2one ، أفقد هذه المعلومات التي أحتاجها لحساب سرعة الحيوانات.

هل هناك طريقة للحصول على عمود متعدد الأوقات (أو على الأقل المرة الأولى والأخيرة) أو لحساب سرعة حيوان إذا كان لدي مجموعة البيانات هذه؟


أعتقد أنك أجبت على سؤالك بنفسك: لا يمكن لبرنامج Points2one القيام بذلك افتراضيًا. نظرًا لأنه مكون إضافي لـ Python ، يمكنك بسهولة توسيعه لحساب المجاميع التي تريدها إذا كنت تعرف Python.

هناك حلول أخرى تتضمن مكونات إضافية ومزيد من الخطوات. هل أنت مهتم بهؤلاء؟

قد يكون هذا أيضًا تمرينًا جيدًا لتطوير أداة معالجة. مرة أخرى ، هل أنت مهتم بهذا المسار؟


العوامل المنزلية ووفيات الأطفال دون سن الخامسة في بانكاس ، مالي: نتائج مسح مقطعي

تتحمل المناطق الريفية في مالي عبئًا غير متناسب من ارتفاع معدل وفيات الأطفال دون سن الخامسة في البلاد. ترتبط مجموعة من العوامل الأسرية بضعف صحة الأطفال دون سن الخامسة في ظروف محدودية الموارد. ومع ذلك ، من غير المعروف أيهما يؤثر على معدل وفيات الأطفال دون سن الخامسة في ريف مالي. لقد هدفنا إلى وصف العوامل المنزلية المرتبطة بوفيات الأطفال دون سن الخامسة في بانكاس ، وهي منطقة نائية في وسط مالي.

أساليب

قمنا بتحليل بيانات المسح الأسري الأساسي من تجربة أجريت في بانكاس. تم إجراء المسح للأسر بين ديسمبر 2016 ويناير 2017. وتم توثيق وفيات الأطفال دون سن الخامسة في السنوات الخمس السابقة لخط الأساس جنبًا إلى جنب مع معلومات مفصلة عن العوامل المنزلية وتاريخ ميلاد النساء. تم تحليل العوامل المرتبطة بوفيات الأطفال دون سن الخامسة باستخدام انحدار كوكس.

نتائج

يتكون مجتمع الدراسة لدينا من 17408 أطفال دون سن الخامسة من 8322 أسرة. في السنوات الخمس السابقة لخط الأساس ، كان معدل وفيات الأطفال دون سن الخامسة 152.6 لكل 1000 مولود حي (158.8 و 146.0 لكل 1000 مولود حي للذكور والإناث ، على التوالي). ارتبط العيش على مسافة أكبر من مركز الرعاية الصحية الأولية باحتمالية أعلى لوفيات الأطفال دون سن الخامسة لكل من الذكور (معدل الخطر المعدل [aHR] 1.53 لـ 10 كم مقابل & lt 2 كم ، فاصل الثقة 95٪ [CI] 1.25-1.88 ) والإناث (1.59 aHR لـ 10 كم مقابل & lt 2 كم ، 95٪ CI 1.27-1.99). ارتبط معدل وفيات الذكور دون سن الخامسة بالإضافة إلى ذلك بخُمس ثروة الأسرة الأقل (معدل حقوق الإنسان 1.47 للأفقر مقابل الأكثر ثراءً ، 95٪ CI 1.21-1.78) ، قدرة أقل على القراءة بين النساء في سن الإنجاب في الأسرة (aHR 1.73 لا يستطيع القراءة مقابل يستطيع القراءة ، 95٪ CI 1.04–2.86) ، ويعيشون في منزل مع إمكانية الحصول على الكهرباء (1.16 aHR للوصول مقابل عدم الوصول ، 95٪ CI 1.00 - 1.34).

الاستنتاجات

معدل وفيات الأطفال دون سن الخامسة مرتفع للغاية في بانكاس ويرتبط بالعيش على مسافة أكبر من الرعاية الصحية والعديد من العوامل المنزلية الأخرى التي قد تكون قابلة للتدخل أو تسهيل استهداف البرنامج.


خلفية

تمساح أورينوكو (كروكوديلوس إنترميديوس) هو أكبر تمساح في Neotropics [1] ويصنف حاليًا من قبل IUCN على أنه مهدد بالانقراض [2]. يوجد أقل من 250 تمساحًا بالغًا متبقيًا ضمن نطاقها الصغير والمشتت بشدة والذي يمتد من فنزويلا إلى كولومبيا [3]. مع انخفاض النزاع المسلح ، تشير البيانات الجديدة إلى أن مجموعات التماسيح لا تتعافى بل تشير إلى احتمال حدوث حالات انقراض محلية [4 ، 5].

كما أن بيئة تمساح أورينوكو غير معروفة بشكل جيد ، حيث ركزت معظم الدراسات على الأفراد الأسرى أو من السكان المتركزين في مناطق قليلة في فنزويلا [6]. المعلومات البيئية المكانية نادرة بشكل خاص وتمثلها البيانات القصصية [1] ، أو الحركات طويلة المدى لتماسيح الأحداث [7] أو المعلومات الأولية قصيرة المدى عن البالغين [8].

تم استخدام التتبع عن بعد لمراقبة بقاء التماسيح التي تم إطلاقها [9] وهي طريقة فعالة لدراسة العديد من ميزات البيئة المكانية للتمساحيات مثل نطاق المنزل وأنماط الحركة وتحديد مواقع التعشيش وأنماط النشاط [10،11 ، 12،13]. يمكن أن يوفر فهم البيئة المكانية للأنواع المعاد إدخالها معلومات ذات صلة لإعادة إدخالها بنجاح [14] ، على سبيل المثال لتحديد الإقليمية أو درجة التداخل في النطاق المحلي لإعادة إدخال الجاغوار [15] أو لاكتشاف المناطق التي يجب غرس جهود الحفظ فيها لإعادة إدخالها. سكان الوشق الكندي [16].

لتخفيف خطر الانقراض ، ركزت إجراءات الحفظ في كولومبيا على التكاثر في الأسر وإعادة التماسيح التي تمت تربيتها في الأسر [17]. بدأت التربية في الأسر لأول مرة في سبعينيات القرن الماضي ، لكن لم تتم محاولة إعادة التربية إلا مؤخرًا [8 ، 18]. بسبب النزاع المسلح طويل الأمد في كولومبيا ، كان تقييم تأثير إعادة الإدخال غير عملي ، وتم الحصول على المعلومات الوحيدة عن البيئة والتاريخ الطبيعي للأنواع خلال التعدادات السريعة [19 ، 20 ، 21 ، 22].

لفهم البيئة المكانية لتماسيح أورينوكو التي أعيد تقديمها ، قمنا بنشر أجهزة إرسال عبر الأقمار الصناعية لتماسيح أورينوكو التي يتم تربيتها في الأسر ومراقبة تحركات تلك الحيوانات لمدة تصل إلى عامين.


منطقة دراسة

أجريت الدراسة في مقاطعة تشينغخه ، منطقة شينجيانغ أويغور ذاتية الحكم ، الصين (المنطقة ، 15760 كم 2 من السكان ، 64300 عدد الماشية ، 286500 2011) وفي مقاطعة بولجان ، مقاطعة خوفد ، منغوليا (المساحة ، 8،105 كم 2 من السكان ، 9018 من الماشية ، 154،058 2012) ، والتي لا تبعد سوى حوالي 100 كيلومتر. كلاهما يتألف من أجزاء من جبال Altay المركزية وحوض صحراء Dzungarian (45 درجة إلى 47 درجة شمالا ، 89 درجة إلى 91 درجة شرقا). في المراكز الإدارية لكلا المقاطعتين ، والتي تقع في المنطقة الانتقالية بين سلسلة الجبال والحوض ، متوسط ​​درجات الحرارة الدنيا / القصوى السنوية على المدى الطويل من -34/24 درجة مئوية للصين (1958 إلى 2007 ، تشينغهي 46 درجة تم تسجيل 40′28 شمالاً ، 90 ° 22′59 شرقاً ، 1،253 م) و 32/26 درجة مئوية لمنغوليا (1963 إلى 2014 ، بولجان ، 46 ° 05′19 شمالاً ، 91 ° 32′41 شرقاً ، 1،182 م) . يبلغ متوسط ​​هطول الأمطار سنويًا 174 ملم (الانحراف المعياري (SD) 50) و 75 ملم (SD 34) مع معامل اختلاف بنسبة 29٪ و 45٪ على التوالي. خلال فترة الدراسة (2013 إلى 2014) ، بلغ متوسط ​​درجة حرارة الهواء السنوية وهطول الأمطار السنوي 3 درجات مئوية و 162 ملم في تشينغي مقارنة بـ 4 درجات مئوية و 50 ملم في بولجان ، على التوالي. على عكس الظروف الأكثر جفافاً في السهوب الصحراوية ، تميز المناخ الأكثر رطوبة نسبيًا في حزام جبال الألب بمتوسط ​​درجة حرارة هواء سنوية دنيا / قصوى تبلغ -33 / 26 درجة مئوية في الصين (C) و -40 / 23 درجة مئوية في منغوليا (M) ومتوسط ​​هطول الأمطار السنوي 160 ملم (ج) و 305 ملم (م) على ارتفاع 2121 م (ج) و 2432 م (م) ، على التوالي (الشكل 1).

متوسط ​​كمية هطول الأمطار الشهرية (مم) ودرجة حرارة الهواء (درجة مئوية) للصينيين (أ، على ارتفاع 2121 م) والمراعي الصيفية المنغولية (ب، على ارتفاع 2432 م) في الحزام الألبي لجبال ألتاي في عامي 2013 و 2014

على مدى آلاف السنين ، شكلت الظروف البيئية لمنطقة الدراسة نظامًا رعويًا يمكن وصفه بالبدو الجبلي الكلاسيكي مع انتقال موسمي بين المراعي في السهوب الصحراوية (C ، من 1،194 إلى 1،366 مترًا مربعًا ، من 1،528 إلى 1،938 مترًا - الشتاء) السهوب (C ، من 1،432 إلى 1،576 م ، من 1603 إلى 2025 م - ربيع ج ، من 1031 إلى 1،328 م - الخريف) السهول الفيضية لنهر بولجان في منغوليا (من 1133 إلى 1161 م - الخريف) وحزام جبال الألب (ج) ، من 1،981 إلى 2،943 م ، من 2،392 إلى 3،097 م - صيفًا). لتسهيل المقارنة بين السنوات والبلدان ، تم تحديد مدة كل موسم بثلاثة أشهر.

في الصين ، تتميز مراعي الربيع والخريف بـ ستيبا القوقاز و أناباسيس بريفيفوليا المجتمع و هاليموديندرون هالوديندرون و Convolvolus gortschakovii المجتمع ، على التوالي. ال Agropyron cristatum المجتمع فيستوكا أوفينا, فيستوكا ألتايكا و فلوميس توبيروسا المجتمع و جونيبروس سابينا و لاريكس سيبيريكا يسود المجتمع في المراعي الصيفية. في حين أن S. القوقاز و A. brevifolia المجتمع و Nanophyton erinaceum يسود المجتمع في المراعي الشتوية. في منغوليا ابيضاض الدم Caragana يسود المجتمع في المراعي الربيعية ، يتميز المراعي الصيفية بـ A. cristatum المجتمع و F. altaica المجتمع ، ومراعي الخريف من قبل Salix turanica, كاراجانا سبينوزا و بوبولوس لوريفوليا المجتمع و Phragmites australis تواصل اجتماعي. ال S. القوقاز و A. brevifolia يهيمن المجتمع في المراعي الشتوية.

تتميز الرعي العابر في الصين وكذلك في منطقة Altay-Dzungarian المنغولية بتشابه تسلسل ثابت من المراعي الموسمية وخصائص التربة المماثلة (الأردن وآخرون ، 2015). إلى جانب الإعدادات الجغرافية المماثلة ، تتميز منطقة الدراسة الصينية والمنغولية أيضًا بتسلسل مماثل من المراعي الموسمية ، الثابتة مكانيًا للأجيال. تعتبر المراعي الربيعية في السهوب الصحراوية أو عند سفوح الجبال ذات أهمية كبيرة لتكاثر القطعان. في الصيف ، ترعى الحيوانات في المروج الألبية. في المراعي الصيفية ، تؤدي كميات الأمطار المرتفعة والتربة الغنية بالكربون العضوي والمغذيات إلى زيادة محاصيل الأعشاب وجودتها ، وهو أمر مهم لتسمين الحيوانات وإنتاج الألبان. يؤدي انخفاض درجات الحرارة في الخريف إلى إجبار القطعان على العودة إلى السهول الفيضية والسهول الصحراوية التي تلعب دورًا مهمًا في بناء المزيد من احتياطيات الجسم لفصل الشتاء. تتميز المراعي الشتوية في السهوب الصحراوية بإنتاجية منخفضة نسبيًا من الكتلة الحيوية ، ولكن إمكانية الوصول إليها مضمونة بسبب الغطاء الثلجي المنخفض نسبيًا ، ومع ذلك ، يُعرف أواخر الشتاء وأوائل الربيع باسم اختناقات تغذية الحيوانات.

على الرغم من أن البيئة الزراعية الإيكولوجية متشابهة ، إلا أن السياق السياسي لا يمكن أن يكون أكثر اختلافًا. في منطقة Altay-Dzungarian الصينية ، تاريخ بدء حركات الترحيل إلى أي مرعى موسمي (المراعي المستخدمة فقط في موسم معين ، مثل الربيع والصيف والخريف والشتاء) ، ومدة الإقامة في المراعي ، وموقع وحجم تحدد الحكومة المحلية مراعي الأسرة وأعداد الحيوانات لكل أسرة (سكويرز وآخرون 2010). دائمًا ما تكون المراعي (المنزلية) في ملكية الدولة وفي منطقة الدراسة عادةً ما تكون وحدة إدارة المراعي غير المسورة ولكن محددة بوضوح للرعي المخصص لأسرة راعي فردية في مقاطعة Qinghe بأكملها ، ولم يكن هناك سوى مرعى شتوي واحد مسور للماشية. قام ممثلو الحكومة المحلية بمتابعة الرعاة على مدار العام لضمان امتثالهم للوائح المذكورة. ومع ذلك ، غالبًا ما تم التحايل على المواعيد المحددة لتحركات الترحيل إلى المراعي الموسمية عن طريق إرسال الماشية غير المرعية (خاصة الأبقار والخيول والإبل). في منغوليا ، على النقيض من ذلك ، يتم تحديد توقيت حركة الترحال من خلال العوامل الاجتماعية والبيئية (بدء الإجازات المدرسية ، والظروف الجوية ، وإنتاجية الأعشاب ، وتوافر المياه). يخضع الامتثال للوائح الاستخدام التقليدي للمراعي وعدد الحيوانات التي يتم الاحتفاظ بها للرقابة الذاتية إلى حد كبير من قبل الراعي الفردي وراعي "رئيسي" تم ترشيحه مجتمعيًا من قبل الرعاة المحليين أنفسهم (Upton 2010).

في منطقة الدراسة ، تتكون معظم قطعان الماشية من الأغنام والماعز تكملها الأبقار والخيول ، وأحيانًا الجمال و / والياك. الأبقار على جانبي الحدود من نفس الأنواع ، وهي الأغنام ذات الذيل الدهني والماعز الكشمير والأبقار التورانية المنغولية. كل نوع من أنواع الماشية يرعى على حدة ، باستثناء الأغنام والماعز. لا يتم رعي أي من هذه الحيوانات بشكل نشط ، إلا يتم فحص الأغنام والماعز بشكل متقطع لضمان استخدام المراعي المخصصة (على أساس اللوائح الحكومية أو التقليدية) ولتجنب اختلاط القطعان المختلفة. في وقت مبكر من المساء ، تعود الخراف والماعز والماشية إلى معسكر الرعاة. خلال فصل الشتاء ، يتم فصل قطعان الماشية إلى قطعان ماشية وغيرها من الماشية (ماعز ، أغنام ، خيل ، جمال). تعيش الماشية في السهول الفيضية بالقرب من القرى ، حيث يرعى بعضها في الصين في قطعة أرض مسيجة ، وتتلقى علفًا إضافيًا على شكل تبن ، بينما يتم نقل الماشية المتبقية بعيدًا إلى السهل الصحراوي.


نتائج

توزيع حالات تفشي الجمرة الخبيثة ونفوقها حسب مناطق الحفظ

بين عامي 1999 و 2017 ، تم تسجيل 51 تفشيًا للجمرة الخبيثة في 20 من أصل 60 منطقة للحفاظ على الحياة البرية منتشرة في سبع من مناطق المحافظة على الحياة البرية الثمانية في البلاد ، باستثناء المنطقة الغربية (الجدول 1 ، الشكل 1). من بين هذه الحالات ، تم الإبلاغ عن 19 حالة تفشي (37٪) في مناطق المحميات في نيروبي وبحيرة ناكورو ، في حين حدثت الفاشيات الـ 32 الأخرى (63٪) عبر 18 منطقة محمية. تم تسجيل ما مجموعه 1014 حالة وفاة للحيوانات البرية مرتبطة بتفشي الجمرة الخبيثة 51 ، بنسبة 81 ٪ (ن = 816) من هذه الوفيات التي حدثت في منطقة محمية بحيرة ناكورو خلال ستة فاشيات منفصلة.

الجدول 1. توزيع حالات تفشي الجمرة الخبيثة ووفياتها حسب منطقة الحفظ والمقاطعة والمنطقة الزراعية الإيكولوجية

عندما حددنا المنطقة AEZ المهيمنة لكل منطقة محمية حيث حدث تفشي الجمرة الخبيثة ، وجدنا أن الفاشيات الـ 51 قد انتشرت عبر ستة من المناطق الاقتصادية الخالصة السبع ، باستثناء منطقة جبال الألب الزراعية التي لم يتم الإبلاغ عن أي فاشيات (الجدول 1). ).

توزيع الفاشيات حسب الأنواع

أثر تفشي الجمرة الخبيثة على 24 نوعًا مختلفًا من الحيوانات البرية. من بين 51 سجلًا لتفشي المرض ، كانت الجواميس (23.5٪) ووحيد القرن الأسود (21.6٪) والفيلة (17.6٪) هي الأنواع الأكثر تضررًا (الجدول 2). باستثناء عدد قليل من الأسود والثعالب (نوعان) التي كانت متورطة في فاشيتين ، كانت الأنواع الحيوانية الأخرى المشاركة في تفشي المرض 22 نوعًا من الحيوانات العاشبة ، بما في ذلك 12 نوعًا (54.5٪) مع حيوانات الراعي ، وخمسة (22.7٪) مع متصفحات وخمسة (22.7٪) ) مع حيوانات الرعي والمتصفحات المختلطة (الجدول 2) مما يدل على أن حيوانات الرعي والحيوانات العاشبة المختلطة / المستعرض كانت أكثر تأثرًا بثلاثة أضعاف من المستعرض (77٪) ضد. 23%).

الجدول 2. تواتر مشاركة أنواع الحياة البرية في تفشي الجمرة الخبيثة وفي مكانة غذاء الأنواع

التوزيع الزمني والموسمي للفاشيات

لوصف الاتجاه الزمني لتفشي الجمرة الخبيثة بشكل أفضل ، تم النظر في متوسط ​​متجدد لمدة 3 سنوات لتفشي المرض من 1999 إلى 2017 (الشكل 2). يُظهر التوزيع الزمني للفاشيات بين عامي 1999 و 2017 زيادة في وتيرة الحدوث بين عامي 2005 و 2017 (الشكل 2). عند التصنيف حسب شهر الحدوث ، تُظهر البيانات أنه من بين 48 حالة تفشي بالمعلومات ، حدث 32 (67٪) خلال الأشهر الجافة ، بما في ذلك 15 (31٪) في الموسم الجاف والحار بين كانون الثاني (يناير) ومارس (آذار) ، و 17 (36٪) ) في الأشهر الجافة والباردة من يونيو إلى سبتمبر (الشكل 3). في المقابل ، حدث 16 (33٪) خلال مواسم الأمطار بما في ذلك 11 (23٪) خلال الأمطار الطويلة في أبريل ومايو وخمسة (10٪) خلال الأمطار القصيرة من أكتوبر إلى ديسمبر (الشكل 3).

الشكل 2. المتوسط ​​المتداول لثلاث سنوات لتفشي الجمرة الخبيثة في الحياة البرية الكينية ، 1999-2017.

الشكل 3. التوزيع الشهري لتفشي الجمرة الخبيثة في الحياة البرية الكينية بين عامي 1999 و 2017.


2.3 تعدين الذهب على نطاق صغير مقابل على نطاق صغير

كما يستحيل التمييز بين التعدين الصناعي والحرفي من بيانات الاستشعار عن بعد (Rahm وآخرون 2015) ، لم نتمكن من إجراء مثل هذا التمييز. يعد استخدام حجم البقع التي أزيلت منها الغابات للتمييز بين مواقع التعدين الكبيرة والصغيرة متحيزًا لأن العديد من مواقع التعدين الصغيرة المجاورة قد تندمج في الوقت المناسب في رقعة فريدة كبيرة تمت إزالتها من الغابات ، في حين أن النمط المجزأ لتعدين الذهب قد يمثل موقعًا كبيرًا للتعدين باعتباره سلسلة متوالية من مناطق التعدين الصغيرة. بقع. هناك طريقة أخرى لعمل هذا التمييز وهي فصل حفر التعدين المفتوحة ، والتي غالبًا ما تميز عمليات التعدين واسعة النطاق التي تديرها الشركات متعددة الجنسيات ، عن تعدين الذهب الغريني المرتبط بشكل أكبر بالأنشطة الحرفية. باستخدام التقييمات المذكورة سابقًا للمناطق المتأثرة بتعدين الذهب فوق Guiana Shield ، قدرنا أن حوالي 1٪ فقط من المناطق المتأثرة بتعدين الذهب تتوافق مع حفر مفتوحة من المحتمل أن تكون مرتبطة بمشاريع الشركات متعددة الجنسيات. بالنظر إلى هذه الندرة ، فإن التحيزات المحتملة الناجمة عن مساهمة المشاريع الكبيرة متعددة الجنسيات محدودة ، في رأينا. على هذا النحو ، دراستنا بحكم الواقع يركز بشكل أساسي على تعدين الذهب الغريني ، وغالبًا ما يتم تحديده على أنه تعدين ذهب على نطاق صغير حتى عند تغطية عدة هكتارات ، والذي افترضنا أنه يتم تشغيله بواسطة مجموعة متجانسة من العملاء مثل هذا التعميم مشكوك فيه بالطبع ولكنه مفضل في ظل سياق غير واضح. حتى في غيانا الفرنسية ، حيث يكون مستوى الإنفاذ مرتفعًا والفرق بين الأنشطة غير القانونية والأنشطة القانونية واضح بداهةيثير وجود مواقع تعدين غير قانونية قريبة جدًا من تراخيص الاستغلال القانوني (Gond and Brognoli 2005) مسألة التفاعلات المحتملة بين المجالات القانونية وغير القانونية.


الاستنتاجات

تدعم النتائج إمكانات المصائد اللاصقة الثلاثة المختبرة في المراقبة السلبية لوفرة البعوض البالغ في المناطق الحضرية والديناميكيات الموسمية وفي تقييم فعالية تدابير المكافحة. توفر النتائج أيضًا مؤشرًا أوليًا على فعالية معالجات IGR في أحواض الصيد التي يتم إجراؤها خلال الكل الزهره. المبيض موسم التكاثر بالاشتراك مع رش المبيدات الحشرية ذات الجهد المنخفض خلال بداية التوسع السكاني الكبير في تقليل وفرة البالغين. من المهم التذكير بأنه في هذه الدراسة ، تم إجراء علاجات قتل البالغين قبل غروب الشمس ، حيث يُتوقع أن تكون أكثر فعالية ، بينما في معظم المناطق الحضرية لأسباب تتعلق بالسلامة ، لا يمكن إجراء العلاجات إلا أثناء الليل أو في وقت مبكر جدًا من اليوم. صباح [20،21]. هناك حاجة إلى مزيد من البيانات من أجل: أ) تأكيد تأثير علاجات مبيدات البالغين المنفذة 1) أثناء الليل ، 2) في مراحل مختلفة من الديناميات الموسمية للبعوض 3) في ظل ظروف بيئية مختلفة ، و ب) لتقييم الدور النسبي لمبيدات اليرقات و علاجات قتل البالغين. على أي حال ، تؤكد النتائج الحالية على الفوائد المحتملة للعلاجات مبيدات البالغين الناتجة عن المراقبة الدقيقة لكثافات البالغين. سيكون لهذا الأخير فائدة أيضًا في تحديد النقاط الساخنة لمواقع اليرقات / الراحة ، والتي يجب استهدافها على وجه التحديد من أجل تعظيم تأثير حملة المكافحة. ومع ذلك ، من المهم التأكيد على أن رش المبيدات الحشرية يجب أن يمثل طريقة مخصصة للاستجابة لحالات الطوارئ وأن الاستراتيجية المفضلة للسيطرة عليها الزهره. المبيض يجب أن تتضمن أنشطة متكاملة أخرى [26] - مثل تقليل مصدر اليرقات [55،56] ، المكافحة البيولوجية [57] ، التثقيف والتوعية العامة ، بالإضافة إلى الحماية الشخصية [58] & # x02013 التي غالبًا ما تتجاهلها السلطات المختصة .

أخيرًا ، سيكون من المثير للاهتمام أيضًا ربط المجموعات حسب ST و / أو CBT بمستويات إزعاج البعوض لإنشاء & # x0201cthreshold من الإزعاج & # x0201d (كما حدث مع مصائد البيض [59] ، ومصائد BG-Sentinel [27 ]) التي يمكن التوصية بعلاجات قتل البالغين بشأنها ليس فقط لتقليل عبء هذا البعوض العدواني على المواطنين ، ولكن أيضًا لمنع إنشاء كثافات من شأنها أن تمثل خطرًا كبيرًا في حالة البشر المهاجرين المصابين بالفيروسات المنقولة بالمفصليات ، لأنها حدثت في عام 2007 بفيروس شيكونغونيا في إيطاليا [9].


يعد فهم حركة الأفراد عبر الموائل الطبيعية أمرًا مهمًا لتحديد الجوانب الأساسية لإيكولوجيتهم ، بدءًا من أنماط التشتت واختيار الموائل إلى التفاعلات مع الحيوانات المفترسة أو مسببات الأمراض أو الكائنات المحددة. تعد يرقات البرمائيات مفتاحًا للأنظمة المائية ، حيث تلعب أدوارًا أساسية كمستهلكين وفريسة على حد سواء ، مما يؤثر على دورة المغذيات وحتى الخصائص الفيزيائية والكيميائية للأجسام المائية التي يشغلونها. ومع ذلك ، على الرغم من وجود مجموعة كبيرة من المؤلفات حول معظم الجوانب الأخرى لبيئتها ، فإننا لا نعرف سوى القليل جدًا عن الحركات المكانية ليرقات البرمائيات في موائلها الطبيعية ، والمعلومات القليلة التي لدينا تقتصر على أنظمة اللوتس. نحن هنا نستخدم إجراء التحديد وإعادة الالتقاط باستخدام اللدائن المرنة لتحديد أنماط الحركة واختيار الموائل الصغيرة لضفادع الضفادع الغربية (مثقفات البيلوبات) في بركتين كبيرتين في جنوب غرب إسبانيا. لاحظنا المسافات القصوى التي تحركها هذه الضفادع البالغة 67 gt و gt245 m ، اعتمادًا على البركة. تزامنت هذه المسافات مع أقصى مسافة تقاطع في كل بركة ، مما يشير إلى أنها يمكن أن تتحرك أبعد من ذلك في الأراضي الرطبة الأكبر. كان متوسط ​​المسافات المنقولة 29.7 و 105 م في كل بركة. أخذنا عينات في يومين وأربعة وتسعة أيام بعد إطلاق سراح الأفراد المعلمة ، ولاحظنا نمط حركة مستقرًا وليس موسعًا عبر تواريخ أخذ العينات ، مما يشير إلى أن الضفادع الصغيرة استأنفت النشاط الطبيعي فور إطلاقها. أظهر الضفادع الصغيرة تفضيلًا للمناطق النباتية العميقة والأكثر كثافة في الأحواض ، خاصة المرتبطة بأنواع النباتات مثل حوذان peltatus و Potamogeton pectinatus.

الأقسام
مراجع

Arribas، R.، Díaz-Paniagua، C.، Caut، S.، Gomez-Mestre، I. (2015): النظائر المستقرة تكشف عن التقسيم الغذائي واللدونة الغذائية لنقابة اليرقات البرمائية. بلوس واحد 10: e0130897.

Arribas ، R. ، Díaz-Paniagua ، C. ، Caut ، S. ، Gomez-Mestre ، I.

Arribas، R.، Díaz-Paniagua، C.، Gomez-Mestre، I. (2014): العواقب البيئية ليرقات البرمائيات وحيواناتها المفترسة المحلية والغريبة على بنية المجتمع للبرك المؤقتة. فريشو. بيول. 59 : 1996 - 2008 .

Arribas ، R. ، Díaz-Paniagua ، C. ، Gomez-Mestre ، I.

Arribas ، R. ، Touchon ، JC ، Gomez-Mestre ، I. (2018): يؤثر الافتراس والمنافسة بشكل مختلف على التفاعلات والمنافذ الغذائية لنقابة برمائيات استوائية. أمام. ايكول. Evol. 6 : 28 .

Arribas ، R. ، Touchon ، JC ، Gomez-Mestre ، I.

Bainbridge، L.، Stockwell، M.، Valdez، J.، Klop-Toker، K.، Clulow، S.، Clulow، J.، Mahony، M. (2015): وضع علامة على الضفادع الصغيرة: معدلات الاحتفاظ وتأثيرات الزرع المرئي علامات الاستومر (VIE) من اليرقات إلى مراحل البرمائيات البالغة. هيربيتول. ج. 25 : 133 - 140 .

بينبريدج ، إل ، ستوكويل ، إم ، فالديز ، جي ، كلوب توكر ، كيه ، كلولو ، إس ، كلولو ، جي ، ماهوني ، إم.

برزاجي ، ب. ، فيسيتولا ، ج. ، Pennati، R.، Manenti، R. (2017): توفر الحيوانات المفترسة ثنائية الطور دعمًا للكتلة الحيوية في موائل المياه العذبة الصغيرة: دراسة حالة لأحواض الينابيع والكهوف. فريشو. بيول. 62 : 1637 - 1644 .

برزاجي ، ب. ، فيسيتولا ، ج. ، بيناتي ، ر. ، مانينتي ، ر.

كايويلا ، H. ، فالنزويلا-سانشيز ، A. ، تيولير ، L. ، مارتينيز-سولانو ، Í. ، Léna ، J.-P. ، Merilä، J.، Muths، E.، Shine، R.، Quay، L.، Denoël، M. (2020): محددات وعواقب التشتت في الفقاريات ذات دورات الحياة المعقدة: مراجعة لبرمائيات تربية الأحواض. س: القس بيول. 95 : 1 - 36 .

كايويلا ، H. ، فالنزويلا-سانشيز ، A. ، تيولير ، L. ، مارتينيز-سولانو ، Í. ، Léna ، J.-P. ، Merilä، J.، Muths، E.، Shine، R.، Quay، L.، Denoël، M.

سيسالا ، ك. ، السعر ، S.J. ، Dorcas، ME (2009): تقييم فرضيات الحركة الموجودة في الأنظمة الخطية باستخدام سلمندر تيار اليرقات. تستطيع. J. Zool. 87 : 292 - 298 .

سيسالا ، ك. ، السعر ، S.J. ، دوركاس، M.E.

Cei ، J.M. ، Crespo ، E.G. (1971): ملاحظات barticle بعض الاتجاهات البيئية التكيفية لمزارع البيلوباتس من البرتغال: المتطلبات الحرارية ، معدل التطور وتنظيم المياه. Arquivos do Museu Bocage 2 : 9 - 36 .

Chelgren، N.D.، Adams، M.J. (2017): معقد الاستدلال على تأثيرات حصاد الأخشاب على بقاء تيار البرمائيات بالحركة. كوبيا 105 : 712 - 725 .

كلوبيرت ، ج. ، دانشين ، إي ، دوندت ، أ. نيكولز ، ج. (2001): تشتيت انتشار . مطبعة جامعة أكسفورد ، أكسفورد.

كلوبيرت ، ج. ، دانشين ، إي ، دوندت ، أ. نيكولز ، ج.

Clobert، J.، Galliard، L.، Cote، J.، Meylan، S.، Massot، M. (2009): التشتت المستنير ، عدم التجانس في متلازمات التشتت الحيواني وديناميكيات المجموعات المكانية الهيكلية. ايكول. بادئة رسالة. 12 : 197 - 209 .

كلوبيرت ، جيه ، جاليارد ، إل ، كوت ، جيه ، ميلان ، إس ، ماسوت ، إم.

كوندي ، د. ، Staerk، J.، Colchero، F.، da Silva، R.، Schöley، J.، Baden، H.M. ، جوفيت ، L. ، Fa ، J.E. ، Syed ، H. ، Jongejans ، E. ، Meiri ، S. ، Gaillard ، J.-M. ، تشامبرلين ، S. ، ويلكن ، ج. ، جونز ، أور. ، Dahlgren، J.P.، Steiner، UK، Bland، L.M.، Gomez-Mestre، I.، Lebreton، J.-D. ، González Vargas ، J. ، Flesness ، N. ، Canudas-Romo ، V. ، Salguero-Gómez ، R. ، Byers ، O. ، Berg ، T.B. ، Scheuerlein ، A. ، Devillard ، S. ، Schigel ، S. ، Ryder ، O.A. ، بوسينغهام ، هـ. ، Baudisch ، A. ، Vaupel ، J.W. (2019): فجوات البيانات والفرص لبيولوجيا المقارنة والحفظ. بروك. ناتل. أكاد. علوم. 116 : 9658 - 9664 .

كوندي ، د. ، Staerk، J.، Colchero، F.، da Silva، R.، Schöley، J.، Baden، H.M. ، جوفيت ، L. ، Fa ، J.E. ، Syed ، H. ، Jongejans ، E. ، Meiri ، S. ، Gaillard ، J.-M. ، تشامبرلين ، S. ، ويلكن ، ج. ، جونز ، أور. ، Dahlgren، J.P.، Steiner، UK، Bland، L.M.، Gomez-Mestre، I.، Lebreton، J.-D. ، González Vargas ، J. ، Flesness ، N. ، Canudas-Romo ، V. ، Salguero-Gómez ، R. ، Byers ، O. ، Berg ، T.B. ، Scheuerlein ، A. ، Devillard ، S. ، Schigel ، S. ، Ryder ، O.A. ، بوسينغهام ، هـ. ، Baudisch ، A. ، Vaupel ، J.W.

Costa، ​​Z.، Vonesh، J. (2013): دعم الفريسة أم إشارة مفترس؟ التأثيرات المباشرة وغير المباشرة للحيوانات المفترسة في الأقفاص على المستهلكين والموارد المائية. أويكولوجيا 173 : 1481 - 1490 .

Denoël، M.، Dalleur، S.، Langrand، E.، Besnard، A.، Cayuela، H. (2018): استراتيجيات التشتت ومواقع التكاثر البديلة في البرمائيات. علم البيئة 41 : 1543 - 1555 .

Deno M.l، M.، Dalleur، S.، Langrand، E.، Besnard، A.، Cayuela، H.

Diaz-Paniagua، C. (1985): وجبات اليرقات المتعلقة بالخصائص المورفولوجية لخمسة أنواع أنورانية في محمية دونانا البيولوجية (هويلفا ، إسبانيا). البرمائيات - الزاحف 6 : 307 - 322 .

فيفر ، إي إم ، دي سي برونفورت ، بي إم. ، هاميلتون ، ك. ، Cleaveland، S. (2006): حركات الحيوانات وانتشار الأمراض المعدية. اتجاهات ميكروبيول. 14 : 125 - 131 .

فيفر ، إي إم ، دي سي برونفورت ، بي إم. ، هاميلتون ، ك. ، كليفلاند ، س.

Florencio، M.، Díaz-Paniagua، C.، Gomez-Mestre، I.، Serrano، L. (2012): أخذ عينات من اللافقاريات الكبيرة في بركة مؤقتة: مقارنة ملاءمة تقنيتين للكشف عن الثراء ، والعزل المكاني ، والنشاط الثنائي. علم الأحياء المائية 689 : 121 - 130 .


النفط في الصحراء: رسم خرائط للتهديدات البشرية للتنوع البيولوجي الصحراوي من الفضاء

تعد الصحاري من بين المناطق الأحيائية الأكثر ضعفاً في المراقبة والفهم في العالم ، مع وجود أدلة تشير إلى أن تنوعها البيولوجي آخذ في التدهور السريع. يمكن أن يشكل التنقيب عن النفط واستغلاله تهديدًا مهمًا للتنوع البيولوجي الصحراوي المجزأ والمتبقي ، ومع ذلك لا يُعرف سوى القليل عن مكان وكيفية حدوث مثل هذه التطورات. هذا النقص في المعلومات يعيق الجهود المحلية لتوفير الحماية الكافية للحياة البرية الصحراوية وحمايتها من التعدي من الأنشطة البشرية. هنا ، نحقق في استخدام صور الأقمار الصناعية المتاحة مجانًا للكشف عن الميزات المرتبطة بالتنقيب عن النفط في منطقة الساحل والصحراء الأفريقية. نوضح كيف يمكن استخدام تحليلات النسيج جنبًا إلى جنب مع بيانات Landsat لاكتشاف مواقع الاستكشاف المعتمدة من الأرض في الجزائر والنيجر. تظهر نتائجنا أن اكتشاف الموقع من خلال تصنيف الصور تحت الإشراف والتنبؤ بها دقيق بشكل عام. إحدى النتائج المدهشة لتحليلاتنا هي المستوى المرتفع نسبيًا لأخطاء إغفال الموقع في النيجر (43٪) ، والذي يبدو أنه ناتج عن عدم اكتشاف نشاط استكشاف مؤقت على نطاق صغير محتمل: نعتقد أن التنفيذ المتكرر لإطار العمل الخاص بنا يمكن أن تقليل شدة القيود المنهجية المحتملة. بشكل عام ، توفر دراستنا أساسًا منهجيًا لرسم خرائط للتهديدات البشرية المرتبطة باستغلال النفط التي يمكن إجراؤها عبر المناطق الصحراوية.

1 المقدمة

ازداد عدد السكان وتزايد الطلب على الموارد الطبيعية للأرض بشكل كبير خلال القرن الماضي ، مما أدى إلى أزمة عالمية في التنوع البيولوجي [1-4]. مع المستويات الحالية للتنوع البيولوجي التي تغيرت بشكل جذري عن حالتها التاريخية [1] والتراجع المتوقع أن يستمر تحت الضغوط المتزايدة من تغير استخدام الأراضي وتغير المناخ [2،5،6] ، يتصارع العلماء ودعاة الحفاظ على البيئة الآن مع التحدي الهائل المتمثل في رصد ووقف المعدل الحالي للخسارة العالمية [7]. وقد عرض عدد من المقالات البارزة قضية استهداف تمويل الحفظ في النقاط الساخنة للتنوع البيولوجي ، والتي تميل إلى الوقوع في الغالب داخل المناطق الأحيائية الاستوائية. السبب وراء مثل هذه الحجة هو أن إجراءات الإدارة هناك تستهدف أكبر عدد من الأنواع لكل وحدة سطحية ، وبالتالي تعظيم نسب التكلفة إلى الفائدة [8-13]. وقد أدى هذا التركيز على النقاط الساخنة حتماً إلى إهمال المناطق الأحيائية الأقل ثراءً بالأنواع [14-16] حيث تكون التهديدات موثقة بشكل سيئ ومراقبتها ، وتأثيراتها المحلية والإقليمية والعالمية على التنوع البيولوجي غير معروفة ، مما يؤدي إلى فهم أقل بكثير للتنوع البيولوجي. الحاجة المحتملة لإجراءات الحفظ في هذه المناطق [14-16].

الصحاري هي واحدة من هذه المناطق الأحيائية التي تمت دراستها بشكل سيئ سابقًا ولم تحظ باهتمام كبير من أنشطة الحفظ [14 ، 15] ، على الرغم من تغطية 17٪ من كتلة الأرض العالمية وإيواء مستويات عالية بشكل مدهش من التنوع البيولوجي ، بما في ذلك العديد من الأنواع المستوطنة وبعض من أكثر الأنواع المهددة بالانقراض في العالم [17-20]. هذا الإهمال مثير للقلق لأن (1) المعلومات المتاحة تشير إلى أن التنوع البيولوجي للصحراء والأراضي الجافة آخذ في الانخفاض بسرعة [14 ، 18-22] و (2) تُظهر التنبؤات أن معدل تغير المناخ من المرجح أن يكون مرتفعًا بشكل خاص في المنطقة الأحيائية الصحراوية ، مع من المحتمل أن تواجه تحديات تكيف صعبة بشكل خاص في المستقبل القريب [23]. وهذا أمر مثير للقلق بشكل خاص ، لأن البيئة وتوزيع الأنواع المتكيفة مع الصحراء يخضعان لسيطرة مناخية شديدة [24]. وتشمل التهديدات الرئيسية الأخرى للصحارى الرعي الجائر ، وإزالة الغطاء النباتي الخشبي ، والتوسع الزراعي ، وتحويل المياه واستخراجها ، وتلوث التربة والمياه ، وتحويل الأراضي بسبب الأنشطة الصناعية والتهديدات المرتبطة بها من النزاعات المسلحة [19 ، 21]. مع الآثار الهائلة المحتملة على المستوى المحلي والإقليمي ، فإن التهديد البشري الرئيسي الحالي للتنوع البيولوجي الصحراوي ، والذي من المحتمل أن يزداد في المدى والكثافة خلال السنوات القادمة من خلال زيادة الطلب على الموارد ، هو أنشطة التنقيب عن النفط [21،25،26] عبر الصحراء والساحل ، فإن التهديد الناجم عن التنقيب عن النفط كبير بشكل خاص ، حيث أدت المخاوف بشأن مخزونات النفط العالمية إلى إجراء عمليات التنقيب في مناطق نائية بشكل متزايد [27 ، 28]. يعتبر مستقبل التنوع البيولوجي في الساحل والصحراء يعتمد إلى حد كبير على التوسع البشري في المنطقة [21]. شهدت بلدان مثل النيجر ، التي تمثل معقلًا للأنواع الصحراوية المحلية [21،29،30] ، زيادات سريعة في استخراج النفط وأنشطة التكرير في السنوات الأخيرة [26،30]. أدت هذه الأنشطة المتزايدة للتنقيب عن النفط ، على سبيل المثال ، الآن إلى تعريض آخر مجموعة قابلة للحياة معروفة من أداكس للخطر (أداكس نازوماكيولاتوس), owing to habitat loss in important, high-quality grazing sites in the Tin Toumma desert [31]. These largely unmonitored activities are expected to occur across many parts of the region, with potential ancillary impacts including waste production, reduced water availability through anthropogenic extraction, reduced habitat quality and ecosystem functioning, and increased poaching and human–wildlife conflict [21,30,32,33]. These potential threats could have an enormous impact on local biodiversity, as (i) much of the fauna in the Sahelo-Saharan region is considered to be of global conservation concern (e.g. the addax, Dorcas gazelle (Gazella dorcas), dama gazelle (Nanger dama), Saharan cheetah (Acinonyx jubatus ssp. hecki) and Kleinmann's tortoise (Testudo kleinmanni) [18]) and (ii) the distribution of biological diversity in the area is markedly fragmented, with often highly localized hotspots [20,21] that could become imperilled by the impacts of unmonitored oil exploration activity. Hotspots of Sahelo-Saharan biodiversity are often concentrated within protected areas (PAs) [21]. If conducted close to or within these areas, the ancillary threats and associated impacts of oil exploration activities could lead to drastic reductions in wildlife populations, reducing the effectiveness of PAs in conserving these remnant hotspots of biodiversity. Across the African continent, the designation of oil concessions within PAs is common, and particularly within those with a high level of protection [34]. Threats from oil exploration activities at PA boundaries could also result in reduced connectivity of habitats between these PAs and important resource areas by reducing the quality of habitat corridors and producing physical barriers to movement, cutting off wildlife populations from wider ecosystems and satellite populations [35–38]. Such impacts on wide ranging animal species could have potential knock-on cascading effects through other trophic levels within such systems [39,40], producing broad-scale ecological impacts and impacts to overall ecosystem health and functioning. Despite these potential consequences, little is currently known about how and where oil exploration and exploitation activities are taking place, and where these developments are likely to negatively impact Sahelo-Saharan ecosystems.

A major issue in determining threats to biodiversity from the expansion of oil exploration activities is the difficulty in obtaining field data on the geographical locations of these developments. Field monitoring can be notoriously costly, and field data on oil exploration and exploitation activities, while accurate, are difficult to obtain for large areas, especially for remote regions where logistics and safety are real issues [41,42]. In light of this, remote sensing technologies could provide a useful monitoring alternative. Global-scale low light imaging satellite data from the US Air Force Defense Meteorological Satellite Program Operational Linescan System [43], data from the European Space Agency's Along Track Scanning Radiometer sensors [44] and data from the recently launched VIIRS instrument on the Suomi National Polar Partnership satellite [45], can be used to derive global and national information on oil exploration activities. However, the spatial resolution of these datasets is relatively coarse (0.56 km, 1 km and 750 m, respectively) thus, information derived from these data may not be applicable to identify fine-scale, local-level oil exploration threats to biodiversity. Very high-resolution satellite imagery could instead be used to derive national information on oil exploration and exploitation activities yet, most organizations and institutions in need of such data are unable to afford the cost of data acquisition and processing at such spatial extents. Freely available satellite data such as data from the National Aeronautics and Space Administration (NASA) and United States Geological Survey's Landsat satellites, however, have shown promising applications in the fields of ecology and conservation [46] and could potentially inform efforts to detect and map oil exploration and exploitation activities at relevant scales [47,48]. Furthermore, the availability of Landsat satellite data at a good and consistent temporal scale (at up to 16-day intervals) can allow for the continued and repeated monitoring of areas of concern.

Surprisingly, the potential for freely available satellite data to inform conservation efforts in desert systems currently remains largely unexplored (but see [47]). This study aims to fill this knowledge gap, by assessing if and how open access satellite data can be reliably used to monitor oil exploration and refinery activity in the Sahelo-Sahara region. It aims to do so in a reproducible manner, so that methods and analyses developed herein can be applied to conservation activities in other dryland regions. Many approaches and attempts to detect the location and distribution of oil exploration and extraction activities focus on the detection of oil flares alone [43–45]. However, sites also feature buildings and other man-made structures, which may include water ponds, roadways or visible smoke [46], and these features are associated with different spectral signatures than those generally found in the surrounding desert [47,49]. As such, a framework that aims to detect not only oil flares but also associated structures may improve the success of detection of novel and established oil extraction activity. This serves as the basis for our approach, which aims to validate the use of Landsat satellite data for the detection of features typically associated with oil exploration activities. Our study undertakes a two-step approach: firstly, field-derived (known oil exploration site locations) and visually derived (high-resolution Google Earth imagery) validation data, and satellite-based landcover classification are combined to establish a framework for the detection of known features associated with oil exploration activities this framework is then applied in areas for which an explicit landcover classification cannot be made, in order to provide spatially explicit information about recent development in these activities in relation to existing PAs.

2. Material and methods

(a) Study areas

The location used for the development of our monitoring framework is in Saharan Algeria. The area of interest reaches from the northwestern corner at 31°49′12″ N, 8°22′12″ E to the southeastern corner at 31°4′12″ N, 9°27′0″ E (figure 1). A second study area in Niger, where our landcover classification is then implemented, is delimited by a box reaching from the northwestern corner at 16°22′12″ N, 12°12′0″ E to the southeastern corner at 15°27′36″ N, 13°49′12″ E (figure 1). Both study areas comprise areas of desert, rocky terrain and sparse vegetation. Although they both lie within the Sahara, Algeria and Niger represent two extremes in a spectrum of anthropogenic impacts in the hyper-arid zone: Algeria has a great number of established oil and gas extraction sites, as well as refineries [21], and here represents areas with high anthropogenic pressure associated with oil exploration activities. On the other hand, desert habitat in Niger remains largely undisturbed by anthropogenic activities, and the expansion of oil exploration and exploitation activities in the country has occurred only in recent years [30,50]. The Niger region was selected for this study as it borders key PAs for the conservation of desert biodiversity namely, the Aïr & Ténéré National Nature Reserve, and the Termit & Tin Toumma National Nature Reserve (TTTNNR), which are currently threatened by the expansion of oil exploration activities [30,50]. The study area in Niger encompasses part of the eastern side of the TTTNNR and also the Agadem oil concession block, which is the predominant site of emerging exploration activity in the region to the east of TTTNNR (figure 1 [30]). Within TTTNNR and Aïr & Ténéré, much of the remaining Sahelo-Saharan diversity thrives [18,30,50], including 18 large mammal species, 19 reptile species, 137 resident and several Afro-tropical and Palaearctic migrant bird species [51]. These two PAs protect important populations of many species of global conservation concern: carnivores (the Saharan cheetah (population estimate currently less than 10 individuals in the area [51]), striped hyaena (Hyaena hyaena) and the greatest diversity of small and medium sympatric carnivores in the Sahara [51]), birds (the Nubian bustard (Neotis nuba) and Arabian bustard (Ardeotis arabs)) and large ungulates (the addax, Dorcas gazelle, dama gazelle and Barbary sheep (Ammotragus lervia) [18,30,50]). Importantly, the Termit massif and Tin Toumma desert region hold the last remaining viable population of addax in the world (ca 200 individuals [52]). The direct ecosystem impacts of increased oil exploration activities [21,30,32,33] have the potential to produce profound effects on the local biodiversity habitat loss and water extraction at prospection sites may serve to affect floral abundance and composition, in turn reducing habitat quality and resource availability for species at higher trophic levels [21]. Moreover, increased poaching of large ungulate species [30] may serve to reduce their densities in such areas, and in turn, coupled with increased human–wildlife conflict, may result in the reduction of populations of key Saharan carnivore species, e.g. the Saharan cheetah, where ungulate prey are a limiting factor to predator abundance [53]. In addition to the ecological uniqueness of the Termit massif and Tin Toumma desert area, it is also thought to be rich in currently largely unstudied archaeological, anthropological and palaeontological history [30,50].

Figure 1. An overview of the location of the study areas in Algeria and Niger. Oil concession blocks within Niger are shown blocks currently under licence (purchased) in dark grey and open blocks (un-purchased) in mid grey [29]. Overlap between purchased oil concession blocks and PAs can been seen for (أ) Addax Sanctuary, (ب) Aïr & Ténéré National Nature Reserve and (ج) TTTNNR.

Despite the discovery of hydrocarbons within Niger in 1975, little oil exploration and exploitation activity has previously occurred in the country, due to the low ratio barrel price (T. Rabeil 2013, personal communication) and a lack of economic incentive caused by a historic wealth of uranium providing the country's main economic export [30,50]. However, concerns over diminishing uranium stocks over the past two decades have led to the designation of oil concession blocks throughout much of the country [26,30,50]. In June 2008, the government of Niger signed a contract with the Chinese National Petroleum Corporation (CNPC) for the purchase of three oil concession blocks covering large areas of the Aïr & Ténéré and the TTTNNR (figure 1 [30,50]), with oil prospection activities occurring within these areas from June 2008 onwards. With extremely little ecotourism in the country, the societies and government of Niger have little economic incentive to conserve the ecological, archaeological and anthropological uniqueness of the Termit massif and Tin Toumma desert region [50]. At present, 20 oil concession blocks have been designated across the country, with four currently under licence (including the three rented by CNPC and one by the Algerian corporation SONATRACH) covering much of the Termit massif and Tin Toumma desert region (figure 1 [30]). Although most designated concession blocks in Niger remain open at present, depleting uranium stocks are likely to result in an economic shift to an increased reliance on hycrocarbon concession rentals and exports [30,50], and thus increased sale of concessions to oil corporations, extending the current level of threat to local biodiversity. The expansion of these activities into the neighbouring PAs is of particular concern for large ungulate species as (i) many of these are highly threatened remnant populations and (ii) there have been reports of poaching (gazelles and birds) associated with the arrival of workers for oil exploration activities in the region since 2008 [54]. Ancillary impacts associated with industrial soil and water pollution have also been found to be evident at exploration sites within the oil concession blocks [55].

(b) Satellite data

Our methodology makes use of Landsat 7 Enhanced Thematic Mapper Plus (ETM+) imagery, available at 30 m spatial resolution ([56] available for download at: http://earthexplorer.usgs.gov), which has previously been found to have utility in desert areas [47,57]. One minor limitation of the Landsat 7 ETM+ sensor is that the Scan-Line-Corrector is off (SLC-off) owing to a technical malfunction, causing approximately 22% of data from any given Landsat 7 ETM+ image to be lost [58] ‘striping’ of missing data is apparent in the images. Typically Landsat 5 TM imagery would be applied instead due to this error however, owing to limited data availability over Niger, we were unable to obtain Landsat 5 TM imagery for analysis here, and thus Landsat 7 ETM+ data were used for both regions despite the SLC-off issue. The Landsat 7 ETM+ scenes considered for both study areas were affected by the SLC-off issue however, gap masks facilitated the masking out of the affected region, and thus the SLC-off issue can be resolved for use in landcover classification [56]. The images obtained for these analyses were from 5 November 2012 for the Algerian area (framework development area), and 2 November 2012 for Niger (figure 1), in order to avoid differences according to varying seasonal solar elevation and soil–water–vegetation dynamics [59].

(c) Field-derived and visually derived training and validation data

In order to produce and validate a landcover classification from satellite imagery, field-derived and visually derived validation points of specific landcover classes can be used. In both Algeria and Niger, ground-truthed geo-referenced (GPS-logged) site validation point data were obtained from the Sahara Conservation Fund (SCF) over the period 2009–2011, detailing the locations of known oil exploration and extraction activity. These data included one permanent site within the Algerian Landsat 7 ETM+ scene. In addition, we located two further validation sites in the Algerian study area through inspection of very high-resolution QuickBird and IKONOS imagery within Google Earth Pro [60] as performed in the work of Fritz et al. [61], resulting in a total of three validated oil exploration sites in this study area (table 1). Using the very high-resolution Google Earth imagery, we were also able to identify a total of eight landcover types in the scene: desert, bare rock, vegetation, roads, dark-coloured settlements, light-coloured settlements, oil flares and water ponds. These eight landcover classes were selected based on the study aims of differentiating human infrastructure from natural landcover (i.e. bare rock, vegetation and desert versus roads, settlements, oil flares and water ponds), in order to develop an appropriate landcover classification. An equal distribution of training point data samples were then created across all landcover classes to define their relative spectral information from the Landsat 7 ETM+ scene (200 random samples of pixels per class) and were then used to develop a landcover classification model.

Table 1. Overview of all field-derived (SCF) and visually derived (via high-resolution Google Earth imagery [60]) ‘permanent’ oil exploration and extraction site data for the study areas in Algeria and Niger.

a One of the original eight field-derived sites in Niger was no longer present in November 2012 (a temporary site), while the status of the remaining seven sites is not known from SCF thus, these sites were considered to be ‘permanent’.

Ground-truthed geo-referenced site validation point data detailed 11 sites within the scene for Niger, which included both temporary and permanent oil exploration sites visited by SCF. Some sites were highly concentrated in two specific areas, giving a total of eight unique exploration sites in the Niger study area (table 1). Of these eight sites, field information from the SCF revealed that one site was a temporary exploration site (table 1) and was no longer present in November 2012 (date of the Landsat 7 ETM+ scene considered). The temporary/permanent status of other sites within the Niger study area is not known from SCF beyond 2011, and these are thus considered here as ‘permanent’ extraction sites. Recent very high-resolution Google Earth imagery was not available for the Niger study area, and thus associated landcover classes could not be visually identified and classified for this area, leading to the prediction of landcover here by using the classification model developed for the Algerian study area scene.

(d) Statistical analyses

All analyses were performed in GRASS v. 6.4.2 [62], QGIS v. 1.8.0 [63] and R v. 3.0.0 [64], using the packages ‘raster’ [65], ‘rgdal’ [66], ‘randomForest’ [67] and ‘spgrass6’ [68], the latter of which serves as an interface between R and GRASS. A conversion of digital numbers to top-of-atmosphere reflectance values was carried out on the raw Landsat 7 ETM+ scenes. Owing to a lack of strong elevational gradients across both study areas (Algeria: 100–300 m.a.s.l. Niger: 300–400 m.a.s.l.), no further orthorectification of the images was necessary [69]. Texture analyses were conducted on the Algerian Landsat 7 ETM+ scene using a moving window approach, in order to emphasize features typical of oil refineries and highlight them against the background of the Saharan desert [70–72]. A moving window size of 5 × 5 pixels has been found to be useful in highlighting changes in edges of landcover classes in arid environments [73]. Such a window size (approx. 150 × 150 m) would also encompass the area of a small oil refinery but is not so large as to neglect roads this size was thus considered in these analyses. The texture analysis included the mean, maximum, minimum, variance and standard deviation of all eight Landsat 7 ETM+ bands (band 6 is composed of two separate bands). All metrics are based on the neighbourhood statistics within the ‘r.neighbors' module of GRASS (with square orientation). Thus in total, 40 parameters (eight bands × five moving window variables each) were calculated. These were used as input data for the supervised landcover classification of the acquired scenes [41]. Landcover classification was developed using a Random Forest model approach [74], based on the model training data (200 pixels for each landcover class) mentioned above, using the aforementioned calculated parameters (40 in total) as the independent variables for Algeria [75].

The relative importance of model variables within the Random Forest model (i.e. the contribution of each variable in the model in the construction of each decision tree) was assessed for each variable by examining the mean decrease Gini index (MDG [76]) variables with higher MDG have greater importance in a Random Forest model. In addition to the Random Forest standard construction of 500 decision trees to determine the best model for landcover classification, we also aimed to assess the stability of the variable importance across models. To do so, we ran the Random Forest model 200 times and observed changes in the variable importance parameter of the MDG over the runs. Random Forest model accuracy was assessed by examining the model internal class error rates (defined as the percentage of the 200 pixels falsely classified) for each landcover class identified within the model, as well as the ‘out-of-bag’ estimate for the generalization error for the overall model [74]. The Random Forest classification model was then further validated by comparing model-detected oil exploration sites with the previously mentioned validation data from ground-truthed geo-referenced data points. The Random Forest model derived and validated on the scene acquired for Algeria was then applied to the Landsat 7 ETM+ scene for Niger [67]. Validation of the Niger classification used a combination of the aforementioned a priori-selected ground-truthed validation sites and, in the absence of recent very high-resolution Google Earth imagery for the area, a visual red–green–blue (RGB bands 7, 4 and 2) image assessment of the original Landsat 7 ETM+ data for the considered area.

3. Results

The Random Forest model accurately predicted the distribution of all eight landcover classes for Algeria. Model internal class errors ranged between 0 and 0.02% bare rock, oil flares and water all had 0.00% error vegetation, roads, and dark- and light-coloured settlements all had 0.01% and finally, desert had the highest error rate at 0.02%. Moreover, the out-of-bag overall model error rate was 0.62%. On average, the Landsat ETM+ bands providing the most important variables were band 3 (red), followed by band 1 (blue), band 7 (short-wave infrared-2 (SWIR-2)), band 4 (near-infrared), band 6–2 (thermal-infrared 2), band 6–1 (thermal-infrared 1), band 2 (green) and band 5 (mid-infrared figure 2 electronic supplementary material, Appendix S1). The field-derived refinery location in Algeria was accurately predicted by the Random Forest model and visually confirmed using high-resolution Google Earth imagery, and the two sites located via high-resolution Google Earth imagery were also accurately predicted by the Random Forest model (table 2). Detecting the accurate location of these sites was made possible by the presence of concentrated areas of non-desert landcover classes: oil flares, settlements, roads and water ponds.

Table 2. Random Forest model classification results for the model training study site in Algeria and when applied to the additional study site scene in Niger. Omission errors for model detection of oil exploration and extraction sites from field-derived locations. Additional ‘novel’ model-detected sites in Niger that were not known from original field-derived location data are also listed these were visually validated using an RGB visualization (7, 4 and 2 bands) of the original Landsat 7 ETM+ scene.

a Additional sites in brackets determined via high-resolution Google Earth imagery.

Figure 2. Random Forest model variable importance the MDG. All 40 variables are sorted according to their median importance in the model after 200 runs. The most important variables in the Random Forest model have a median MDG between 30 and 40. Variables are depicted with decreasing importance from top to bottom.

When applying the identification framework to the scene from Niger, a total of seven oil exploration sites were identified (figure 3 and table 2). Of the detected sites, four oil refineries were field validated by existing geo-referenced field data from SCF thus, three new oil exploration sites were discovered from our analyses (figure 3 and table 2). RGB visualization (7, 4 and 2 bands) of the Landsat 7 ETM+ image, confirmed that the newly detected sites were consistent with other validated sites. However, some of the ground-truthed geo-referenced exploration sites from SCF in Niger were not detected when applying the Random Forest model framework (omission error 43% figure 3 and table 2). In contrast to oil exploration sites in the Algeria study areas, aside from desert there were no other discernible classes of landcover located near the oil flares identified in Niger. The oil flares class thus enabled the detection of the oil exploration and exploitation sites in the Niger region, which is due to the unique spectral and thermal signal of the class surface temperature (K, calculated from band 6–1 of the Landsat ETM+ sensor [77] figure 4) was highest for this landcover class, and high IR values (maximum band 7 (SWIR-2)), which contributed greatly to the Random Forest classification (figure 2 electronic supplementary material, Appendix S1), are associated with the heat signature of the flame [47,57].

Figure 3. Ground-validated versus Random Forest model-detected oil exploration sites for the Niger study area. Geo-referenced field data from SCF are depicted, representing both temporary (circles with black crosses) and ‘permanent’ sites (white circles) visited between 2009 and 2011, within the study area (dashed black rectangle). Black circles depict the model-detected sites from the Landsat 7 ETM+ scene. Model-detected sites were confirmed by inspection of the RGB visualization (7, 4 and 2 bands) of the Landsat 7 ETM+ scene. A total of seven sites were detected by the Random Forest model four sites matched the geo-referenced field data and three new sites were found. Three of the seven ground-validated ‘permanent’ sites within the study area were not detected by the identification framework. The TTTNNR is the area to the left of the thick black line, and six ground-truthed observations of oil exploration activity can be found within the PA borders. Dark grey blocks denote oil concessions that are currently under licence (purchased), while light grey blocks indicate open (unpurchased) blocks.

Figure 4. The thermal signature of pixels classified as the oil flares landcover class (through band 6–1 of the Landsat ETM+ sensor [77]) converted to surface temperature shows temperature between 303 and 312 K across pixels of this class panel (أ) depicts the frequency of surface temperature (K) for pixels of the class oil flares (ن = 2039) for the results of the framework classification in Algeria, and panel (ب) depicts the values (ن = 221) for the application area in Niger.

Ground-truthed SCF point data for the Niger region show an existing overlap between PA boundaries and oil exploration sites (within TTTNNR figure 3) however, the Random Forest identification model applied here did not detect any activity within the part of the PA that fell within our study area and did not detect the two oil exploration sites within the study area–PA overlap (10% of the study area overlapped with the PA figure 3). The proximity of many of the model-detected oil refineries to the nearest boundary of the TTTNNR was found to be less than 15 km (figure 3).

4. Discussion

Owing to limited funding and conservation attention [14–16], little is currently known about the location and intensity of specific threats to biodiversity in desert ecosystems. Despite being considered a major threat [21], and increasing licensing of concessions [26–30,50], especially in close proximity to PAs (figure 1 [21,30,34,40]), at present no monitoring framework exists for the expansion of oil exploration activities in desert regions. As a result, there is presently a lack of real-time information regarding where conservation efforts should be targeted in order to determine the potential impacts of these activities on local biodiversity. The results of this study provide a framework to assist in closing this knowledge gap, showing for the first time that current and expanding oil exploration activities in desert ecosystems can be detected and mapped remotely via freely available satellite data. Our results confirm that predictions from ground-verified landcover classification models (here Algeria) can be successfully applied to detect activities in areas for which classification models cannot be explicitly produced (here Niger). The methodology developed herein thus makes the introduced framework reproducible across other desert regions and in areas for which location-specific classification models cannot be constructed owing to limited availability of high-resolution imagery and ground-truthed data for validation. This is a situation that is particularly common in many remote desert regions. Owing to the free availability of NASA's Landsat satellite data, the framework developed in this study is inexpensive and easily implementable across deserts, and thus may be used to monitor oil exploration activities over time in a cost-effective manner in areas for which conservation funding is limited [15,16]. Moreover, the spatial resolution of the input variables (150 m, based on the original 30 m Landsat 7 ETM+ bands) is much finer than other datasets traditionally employed for the detection of oil flares [43–45], and thus is more appropriate for identifying anthropogenic structures, while omitting small-scale landscape variations (e.g. singular rocks), in order to determine regional-scale expansion in the distribution and intensity of activity. Detecting previously unknown oil exploration sites in close proximity to PAs (figure 3), the framework developed herein enables the mapping and continuous monitoring of novel and intensifying threats to localized hotspots of desert biodiversity.

The successful application of the model classification and identification framework developed in this study can be attributed to the 40 input variables derived from the eight Landsat 7 ETM+ spectral bands. Class separation was supported by the moving window variables, as was found by Ge et al. [41]. Overall, texture analyses have been found to enhance information from the raw satellite bands [71] the lightness or darkness of certain objects in relation to neighbouring objects can be identified for the different bands. In using texture analyses, the importance of variables is dependent upon the targeted object of the analyses [71,78]. However, the most important variables for this framework (based on the MDG figure 2 electronic supplementary material, Appendix S1) seem to be the band averages, which indicates that the bands themselves are still highly important in predicting landcover classification. We do, however, acknowledge that taking the average values also reduces the effective spatial resolution of the input variables, producing a trade-off between the detection of large-scale features versus increasing classification error according to mixed pixel signals. The minimum band values were also shown to play an important role in image classification, as landcover classes such as water, vegetation, dark buildings and road tarmac typically have lower spectral values in comparison to other classes [59]. While in Algeria, identification of oil exploration and extraction sites was made possible by the presence of assemblages of multiple landcover types (oil flares, small water ponds, settlements and roads), within the Niger study area such associated landcover classes were not present and sites were made detectable by the presence of oil flares. Oil flares have indeed previously been found to be good indicators of refineries in the Sahara [33] here, these could be visualized both in the raw satellite images (as in the Kuwait oil fires [47]) and with classification results. Such detection is primarily due to the band 7 (SWIR-2) of Landsat 7 ETM+ sensor, which covers a similar spectral range as the thermal IR Advanced Very High-Resolution Radiometer band that has been previously found to be successful in detecting oil fires [49]. The maximum value of band 7 (SWIR-2) was particularly useful in the model (figure 2 electronic supplementary material, Appendix S1), which provides information on the heat signature of the oil flare [47,57]. The successful application of this identification framework is also largely a result of the chosen study region in desert ecosystems, cloud contamination of satellite imagery is negligible [79], and anthropogenic structures are not masked by the presence of a dense vegetation canopy as in other biomes. Data acquisition and exploration site detection were therefore not impeded by these potential limitations.

The oil exploration site identification framework presented here is, however, not without limitation. Although the framework was successful in detecting the location of oil exploration sites in Algeria and Niger, it was unable to detect some of the reported oil extraction wells in the Niger region based on ground-truthed data (43% omission error table 2 and figure 3). This may be attributed to both temporal and spatial limitations to our monitoring framework. Oil exploration activity, which had recently commenced in Niger at the time of these analyses [30,50], is often temporary in nature [33]. Indeed, four field-derived extraction sites in the Termit massif region (one within the study scene figure 3) were known to no longer exist in November 2012. Accordingly, some of the non-detected sites in Niger, for which further field validation beyond 2011 does not exist, could have similarly been no longer in existence in the November 2012 scene. Thus, the relatively high omission rate for Niger may be due to non-detection of potentially temporary sites that were no longer present in the Landsat 7 ETM+ scene considered here. However, for continued monitoring purposes, the application of the framework to time-series Landsat satellite data would likely not result in misdetections of temporary sites if the time period between consecutive images considered were sufficiently narrow. Individual oil flares are also not large (maximum 150 m in size), and thus may only cover a few Landsat image pixels. Smaller oil exploration sites may thus be difficult to distinguish from the surrounding desert, especially if not bordered by other associated landcover classes. This was indeed the case for the sites detected in the Niger study area, which (i) were smaller in size than those in the Algerian study area and (ii) could not additionally be identified by surrounding associated landcover classes, unlike the sites detected in the Algerian study area (i.e. water pools, settlement and roads). These results might also suggest that the oil flares class alone could be used in monitoring the distribution and expansion of oil exploration and extraction activities in desert regions over full landcover classification. However, we argue that due to the recent commencement and temporary nature of some of these activities in Niger, there may be no large surrounding structures yet constructed at these sites. As these become developed into the future, the applicability of classification of associated landcover types in locating and detecting their expansion will increase and will indeed be useful in monitoring expansion of these activities in other desert areas where sites are more fully developed (as is the case in Algeria). The SLC-off sensor issue with the Landsat 7 ETM+ data may result in missing data values over the locations of oil exploration sites in desert regions, resulting in the lack of detection of sites and suggesting a potential limitation of the use of Landsat 7 ETM+ data in these analyses. However, with the recent launch of the Landsat 8 satellite in early 2013 [80], data availability for the future implementation of this framework will not be hindered by this issue. Cross-scene atmospheric correction, which would serve to further normalize features across scenes [81], was not applied in these analyses and may have influenced the success of the implementation of this framework to the scene in Niger. However, owing to the applied methods using texture metrics to detect the limited infrastructure in the Niger scene and the few landcover classes present here, it is unlikely this correction would significantly affect the results of these analyses. Cross-scene correction as proposed by Furby & Campbell [82] should be considered in future implementation of this framework. Future and repeated implementation of the identification framework in other areas will assist in determining the severity of these potential limitations. Moreover, given the largely cloud-free satellite coverage of desert ecosystems [79], the application of multi-date change detection analyses across multiple scenes to assess and predict temporal changes in the distribution of oil extraction and exploration sites in these study sites may also help to further determine the relative success of our framework. The methodology employed herein is only one of the many options available to practitioners for the mapping and monitoring of oil exploration and oil exploitation activities in desert ecosystems. Other possible methods include the use of purely geographic information systems-based analyses, as employed by Osti et al. [34]. However, this form of analysis relies heavily on global energy and environment data providers and consultancies, such as the information handling services, which is not free of charge and may potentially be less objective than the use of open access satellite imagery. Alternatively, another potential remote sensing approach could be to use an active sensor, such as radar (e.g. TanDEM-X using synthetic aperture radar digital elevation model (12 × 12 m resolution)). Felbier et al. [83] demonstrated the application of this sensor in developing urban footprint maps (here human settlements), which identify anthropogenic structures with relative accuracy in desert regions. Interestingly, the spatial resolution of these data is very high, and the process is automated [83]. However, this method is targeted at settlements in general and would require additional information and methodological refinement in order to distinguish settlements from oil exploration sites, in addition to being costly and only implementable with the regularity of the data (current data availability covers only 2011 and 2012 [84]).

The relevance and requirement for a monitoring framework for oil exploration such as that developed here is further highlighted by the findings of this study. Ground-truthed data from SCF suggest that an overlap between the borders of the TTTNNR and oil extraction activity, and a conflict of interest between conservation efforts and oil exploration, already exists in Niger (figure 3). Moreover, while the identification framework employed here did not detect any exploration sites within the PA, many of the sites detected were less than 15 km from the border of the TTTNNR and the framework detected a novel site in close proximity to its boundary (figure 3), suggesting that potential and novel threats are encroaching into such areas. Increasing trends in oil prospection activities are similarly already a concern for the PA network across other global dryland regions, with concessions for oil exploration being sold within many PA boundaries [34]. Globally, the threats to dryland ecosystems from oil exploration and extraction activities are great [84–86], causing reductions in species abundance and biodiversity [87,88]. With much current conservation attention on the relative effectiveness of the global PA network for conservation efforts [89–95], methods to monitor threats to conservation and management action in PAs are of the utmost importance. If the expansion of oil exploration activities continues to be conducted at the edges of and within desert PAs, they have the potential to increase pressures on the animal populations within through increased edge effects [37,38], reducing the effectiveness of buffer zones around PAs and the resilience of animal populations and ecosystems within from impacts of further processes of land-use and climate change. Moreover, these threats have the potential to reduce the connectivity of the PA system to wider ecosystems [96], which may be of particular concern in desert ecosystems due to both the patchy distribution of essential resources related to the high variability of the rainfalls in the Sahara [19,21], as well as the fragmented nature of desert biodiversity hotspots and highly endangered endemic species [14,18–21]. Indeed, increased anthropogenic activity within PAs and at their boundaries may create barriers to nomadic and migratory species' movement [35,36]. The importance of maintaining desert biodiversity hotspots within PAs and their surroundings has never been more important, as global climate change is predicted to produce among the highest temperature increases in terrestrial biomes within these regions [23], highlighting severe potential impacts from anthropogenic water extraction associated with oil exploration activities. Water scarcity in arid regions has been found to cause large reductions in species diversity and population size [21,96–98]. Resultant increases in water-related conflict between oil exploration activity and local biodiversity under future climate change in desert regions [23] could thus potentially lead to the collapse of already fragile populations (e.g. the red-fronted gazelle (Eudorcas rufifrons) [18]). Moreover, monitoring of the expansion of novel oil exploration across desert regions may be of great importance for determining sites for future reintroduction efforts for threatened desert animal species under climate change (e.g. the scimitar-horned oryx (Oryx dammah) [99]).

5. الخلاصة

With mounting evidence of conflict between conservation efforts and energy procurement, a cost-effective monitoring framework for these activities is clearly of enormous relevance and utility in defining where adaptation and conservation actions must be targeted under future expansion, in order to secure the viability of unique biodiversity across global desert regions in the face of associated threats. This will become increasingly essential into the future, with projected increases for oil production and exports for many global dryland regions: Northern Africa (including many Saharo-Sahelian countries i.e. Algeria, Egypt, Sudan), Central and Western Asia, Central America and Australia [100,101]. Under such future increases in hydrocarbon production, not only the utility but also the efficiency of the monitoring framework developed herein will become critical. Currently, the framework is not automated, and visual interpretation and data processing are required. Automation of the framework to include data acquisition, satellite image processing, and classification model generation and prediction across novel areas would serve to render the framework applicable across these widely spread geographical areas in an effective, non-labour intensive manner. Moreover, in the face of mounting conservation costs and the lack of funding targeted at global desert regions [15,16], the necessity for cheap and easily implementable monitoring frameworks for anthropogenic activities will become increasingly great into the future. We therefore highlight here the importance and relevance of the continued availability of open access satellite imagery, such as that from NASA's recently launched Landsat 8 satellite, to on-the-ground conservation monitoring and management direction. Implementation and automation of the identification framework developed will enable the continued monitoring of areas of concern, advancing current understanding of extremely under-studied and -represented global desert regions, and forming a crucial resource in targeting on-the-ground management and conservation priorities in the face of global environmental change.


APPENDIX 1

Taxon Voucher specimen, Collection locale Herbarium.

Cyrtandra kauaiensis Wawra Johnson 03, Kōke‘e State Park, Kaua‘i Rancho Santa Ana Botanic Garden (RSA).

Cyrtandra longifolia (Wawra) Hillebr. ex. C.B. Clarke Johnson 04, Kōke‘e State Park, Kaua‘i RSA.

Cyrtandra paludosa var. paludosa Gaud. Johnson 01, Upper Waiākea Forest Reserve, Hawai‘i Island RSA.

Cyrtandra platyphylla A. جراي جونسون 02 ، محمية غابة واياكيا العليا ، جزيرة هاواي RSA.

يرجى ملاحظة ما يلي: الناشر غير مسؤول عن محتوى أو وظيفة أي معلومات داعمة مقدمة من المؤلفين. يجب توجيه أي استفسارات (بخلاف المحتوى المفقود) إلى المؤلف المقابل للمقالة.


شاهد الفيديو: QGIS 3 - 97. Скачать готовый OSM. (شهر اكتوبر 2021).