HABITUSBaşvuru Kitabı

9. Alan değişimi (⑥ Range Change)

Sekme: ⑥ Range Change · Kod: tabs/tab_range.py (arayüz), sdm_core.py RangeChangeAnalyzer (hesap), sdm_grid.py (ızgara hizalama)

9.1 Bu sekme ne yapar

⑥ Range Change, iki ikili (0/1, yok/var) haritayı hücre hücre karşılaştırarak türün dağılım alanının nasıl değiştiğini sayar. Genellikle bugünkü topluluk haritası ile bir gelecek senaryosunun topluluk haritası karşılaştırılır; ama iki ikili harita aynı alanı kapladığı sürece (iki senaryo, iki algoritma, iki dönem) herhangi bir çift kullanılabilir. Hesap biomod2'deki (Thuiller vd. 2009) BIOMOD_RangeSize işlevinin karşılığıdır (tabs/tab_range.py:1-5, sdm_core.py:8159-8163).

Sekme ③ Models tamamlanınca açılır (tabs/tab_models.py:1850); listelerin gelecek haritalarıyla dolması için ⑤ Future Scenarios'ta en az bir projeksiyon yapılmış olmalıdır.

9.2 Ekranın düzeni

Şekil 9.1. Range Change sekmesi çalıştırmadan önce: üstte sonuç kodlarını açıklayan şerit, solda Input Binary Projection Rasters (iki yol alanı), Quick Fill from Completed Projections (iki liste ve Fill Paths), Output (Analysis name, Count change within) ve boş Range Change Statistics tablosu; sağda boş Range Change Map Viewer.
Şekil 9.1. Range Change sekmesi çalıştırmadan önce: üstte sonuç kodlarını açıklayan şerit, solda Input Binary Projection Rasters (iki yol alanı), Quick Fill from Completed Projections (iki liste ve Fill Paths), Output (Analysis name, Count change within) ve boş Range Change Statistics tablosu; sağda boş Range Change Map Viewer.
Bölge Arayüzdeki ad Anlatıldığı yer
Bilgi şeridi (başlıksız) §9.1, §9.7
Dosya seçimi Input Binary Projection Rasters §9.3
Hızlı doldurma Quick Fill from Completed Projections §9.4
Çıktı ve kapsam Output §9.5, §9.6
İstatistik tablosu Range Change Statistics §9.8
Harita Range Change Map Viewer (sağ bölme) §9.9

9.3 İkili haritaların seçimi (Input Binary Projection Rasters)

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Current projection: + Browse… Başlangıç (bugünkü) ikili haritanın yolu boş .tif .tiff .img .asc tabs/tab_range.py:42-46, :167-173
Future projection: + Browse… Karşılaştırılacak (gelecek) ikili haritanın yolu boş aynı tabs/tab_range.py:48-52

9.4 Hızlı doldurma (Quick Fill from Completed Projections)

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Current proj. key: Oturumdaki ikili haritalardan bugünkünü seçer — select — <senaryo> :: <katman>_bin tabs/tab_range.py:62, :128-142
Future proj. key: Aynı listeden geleceği seçer — select — aynı tabs/tab_range.py:63
Fill Paths Seçilen anahtarların dosya yollarını üstteki alanlara yazar — — tabs/tab_range.py:64-66, :144-165

9.5 Analiz adı (Output · Analysis name)

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Analysis name: Çıktı dosyasının adı ve sonucun oturumdaki anahtarı SRC_current_future serbest metin tabs/tab_range.py:76-77, :216, :267

Çıktı <çıktı klasörü>\<tür>_<analiz adı>_SRC.tif olarak yazılır (tabs/tab_range.py:213-216). Aynı adla ikinci çalıştırma hem dosyanın hem de oturumdaki sonucun üzerine yazar; rapor her ad için ayrı bir alt bölüm açar. Birden çok senaryo karşılaştırılıyorsa adı senaryoya göre verin (örnek koşuda SSP585_2090).

9.6 Değişimin sayıldığı kapsam (Count change within)

Arayüzdeki ad Ne yapar Varsayılan Aralık / seçenekler Kod
Count change within: Başlık sayılarının ve haritanın kapsamı Whole study boundary (default) Whole study boundary (default) / Accessible area / Accessible area without extrapolation tabs/tab_range.py:80-94, sdm_core.py:8179-8184

9.6.1 Üç kapsam

Hangisi seçilirse seçilsin, girdiler mevcutsa öteki kapsamların net değişimi de tabloya ayrı satırlar olarak eklenir (tabs/tab_range.py:285-288). - Ne zaman, nasıl ayarlanır. Çalışma sınırı türün ulaşabileceği alandan çok genişse, öngörülen değişimin büyük kısmı hiçbir kaydın yakınında olmayan ve eğitim aralığı dışındaki hücrelerde toplanabilir (ipucu metni bunu söyler, tabs/tab_range.py:85-93). Erişilebilir alan kavramı Barve vd. (2011) BAM çerçevesine dayanır. Raporlanacak ana sayı için Accessible area without extrapolation en savunulabilir olanıdır; çalışma sınırının tamamı ise karşılaştırma için yanında verilir. - Sonuca etkisi. Örnek koşuda (EMwmean_bin) net değişim tüm sınırda −46,13, erişilebilir alanda −30,25, dışdeğerleme dışı erişilebilir alanda −16,57 yüzdedir. Aynı iki harita, kapsama göre "yarı yarıya küçülme" ile "altıda bir küçülme" arasında değişen sonuçlar verir. - Dikkat. Erişilebilir alan yoksa ikinci ve üçüncü seçenek No accessible area is available for this run, so change cannot be counted within it. … iletisiyle durur; NT1 yüzeyi bulunamazsa üçüncü seçenek No ExDet NT1 surface was found next to the future map, … iletisiyle durur (tabs/tab_range.py:224-239).

9.6.2 accessible_area.tif nereden gelir

① Data'da bir erişilebilir alan yöntemi (kayıtlar çevresinde tampon, dışbükey zarf ya da kullanıcı poligonu) seçilmişse, veri hazırlanırken bu maske eğitim ızgarasında 0/1 bir GeoTIFF olarak çıktı klasörüne accessible_area.tif adıyla yazılır (tabs/tab_data.py:1536-1548, sdm_spatial.py:1065-1075). Maske, seyreltme sonrası kalan varlık kayıtlarından kurulur (sdm_core.py:2971-2974). Örnek koşuda kayıtlar çevresinde 200 km'lik tampon kullanılmış ve maske raster kapsamının %40,0'ını kaplamıştır. Erişilebilir alan seçilmediyse (tampon 0 km) dosya yazılmaz.

9.6.3 NT1 yüzeyi nereden gelir

⑤ her projeksiyonda <tür>_<senaryo>_NT1.tif yazar (§8.9). ⑥, gelecek haritasının yolunu oturumdaki projeksiyon kayıtlarında arar ve bulduğu senaryonun NT1 dosyasını alır; bulamazsa gelecek haritasıyla aynı klasörde _NT1.tif ile biten tek bir dosya varsa onu kullanır (tabs/tab_range.py:175-193). Gelecek haritası başka bir klasörden Browse… ile seçildiyse ya da klasörde birden çok NT1 dosyası varsa NT1 bulunamaz.

Not: Dışdeğerleme ölçütü yalnızca gelecek senaryosunun NT1'idir. Bugünkü haritada da dışdeğerlenmiş hücreler olabilir (örnek koşuda bugünkü haritanın %23,4'ü); bunlar bu kapsamda ayrıca dışlanmaz.

9.7 Sonuç kodları ve haritanın yazılması

Her hücre için, yalnız iki haritada da nodata olmayan hücrelerde (valid), şu kodlar yazılır (sdm_core.py:8292-8296, :8319-8322):

Kod Ad Koşul Renk (görüntüleyici)
−2 Lost (kaybedilen) bugün 1, gelecekte 0 kırmızı
0 Stable Absent (sürekli yok) bugün 0, gelecekte 0 açık gri
1 Stable Present (sürekli var) bugün 1, gelecekte 1 açık turkuaz
2 Gained (kazanılan) bugün 0, gelecekte 1 yeşil

Seçilen kapsam dışındaki ve iki haritadan birinde nodata olan hücreler nodata kalır. Gelecek haritası bugünkü haritanın ızgarasında değilse önce en yakın komşu yöntemiyle konumla hizalanır (ikili harita olduğu için; sdm_core.py:8242-8277); erişilebilir alan ve NT1 de aynı şekilde bugünkü ızgaraya getirilir. Hizalama yapıldıysa uyarı günlüğe yazılır ve iş Range change complete; the future raster was not on the current grid and was realigned by position (see log). iletisiyle biter (tabs/tab_range.py:311-318). Hesap bellek bütçesine göre satır şeritleri halinde yapılır (64 MB; sdm_core.py:8164-8177); sonuç tek parça hesapla aynıdır.

9.8 İstatistik tablosu (Range Change Statistics)

Şekil 9.2. Örnek koşunun Range Change Statistics tablosu (EMwmean_bin, tüm çalışma sınırı): kayıp, sürekli var, sürekli yok ve kazanılan hücre sayıları, bugünkü ve gelecek alan, yüzdeler, öteki kapsamların net değişimi ve değişen hücrelerin dışdeğerlenmiş koşullardaki payı.
Şekil 9.2. Örnek koşunun Range Change Statistics tablosu (EMwmean_bin, tüm çalışma sınırı): kayıp, sürekli var, sürekli yok ve kazanılan hücre sayıları, bugünkü ve gelecek alan, yüzdeler, öteki kapsamların net değişimi ve değişen hücrelerin dışdeğerlenmiş koşullardaki payı.

Bütün sayılar hücre sayısıdır; alan birimine (km²) çevrilmez. Formüllerde L kaybedilen, G kazanılan, S_1 sürekli var, S_0 sürekli yok hücre sayısıdır; C=L+S_1 bugünkü alan, F=G+S_1 gelecek alandır (sdm_core.py:8187-8193, :8312-8317).

Satır (arayüzdeki ad) Tanım Örnek koşu
Counted within Seçilen kapsamın adı whole study boundary
Lost pixels (present → absent) L 4037
Stable present pixels S_1 3065
Stable absent pixels S_0 69308
Gained pixels (absent → present) G 761
Total current range (pixels) C = L + S_1 7102
Total future range (pixels) F = G + S_1 3826
% Lost (of current range) 100\,L/C 56,84
% Gained (of current range) 100\,G/C 10,72
Net change (%) 100\,(F-C)/C = \%G - \%L −46,13
Net change, accessible area (%) aynı formül, erişilebilir alan içinde −30,25
Net change, accessible area without extrapolation (%) aynı formül, erişilebilir alan ∩ NT1 ≥ 0 −16,57
Changed cells in extrapolated conditions (%) 100 \times (NT1 < 0 olan değişen hücreler) / (tüm değişen hücreler), değişen = L+G 58,63

Yüzdelerin paydası her zaman bugünkü alandır (C); C=0 ise payda 1 alınır (max(tc, 1)). Kazanım yüzdesi bu yüzden 100'ü aşabilir.

9.8.1 Öteki kapsamların net değişimi

9.8.2 Dışdeğerlenmiş değişim payı ve %25 uyarısı

9.9 Harita

Şekil 9.3. Range Change sekmesi çalıştırıldıktan sonra: solda doldurulmuş yollar ve istatistik tablosu, sağda SSP585_2090_SRC haritası; kırmızı kaybedilen, açık turkuaz sürekli var, yeşil kazanılan hücreler, sol altta lejant ve 250 km ölçek çubuğu; alt şeritte değişen hücrelerin %59'unun dışdeğerlenmiş koşullarda olduğunu söyleyen uyarı.
Şekil 9.3. Range Change sekmesi çalıştırıldıktan sonra: solda doldurulmuş yollar ve istatistik tablosu, sağda SSP585_2090_SRC haritası; kırmızı kaybedilen, açık turkuaz sürekli var, yeşil kazanılan hücreler, sol altta lejant ve 250 km ölçek çubuğu; alt şeritte değişen hücrelerin %59'unun dışdeğerlenmiş koşullarda olduğunu söyleyen uyarı.

İş bitince <analiz adı>_SRC katmanı range_change biçemiyle görüntüleyiciye yüklenir (tabs/tab_range.py:307-309). Renkler sabittir: kırmızı #f03b20 (−2), açık gri #f0f0f0 (0), açık turkuaz #99d8c9 (1), yeşil #2ca25f (2) (map_widget.py:142-146). Görüntüleyicinin denetimleri ve yayın çıktısı Bölüm 12'de anlatılır. Örnek haritada kayıplar türün bugünkü alanının alçak ve batı kenarlarında, kazanımlar doğu uçta yoğunlaşır; çalışma alanının güneyindeki ve kuzeydoğusundaki dağınık kayıp lekeleri erişilebilir alanın dışındadır.

9.10 Hangi topluluk haritası seçilmeli: EMwmean_bin mi, EMca_bin mi?

İki topluluk ikili haritası farklı kurallarla eşiklenir (sdm_core.py:6423-6446):

Örnek koşunun aynı bugünkü/gelecek çifti için, tüm çalışma sınırında (betik: sekil/_betik/09_alan_degisimi_karsilastirma.py, programın RangeChangeAnalyzer.compute işleviyle; "ort." algoritma ortalamasının ikili haritası <ALG>_mean_bin, alanlar hücre sayısı, "erişil." erişilebilir alan, "dışd." dışdeğerleme):

İkili harita Bugün Gelecek % Kayıp % Kazanım Net, sınır Net, erişil. Net, dışd. dışı Dışd. değişim
EMwmean 7102 3826 56,84 10,72 −46,13 −30,25 −16,57 %58,6
EMca 7222 3161 65,12 8,89 −56,23 −45,38 −25,05 %60,2
GLM ort. 5764 1953 67,52 1,41 −66,12 −62,99 −45,69 %43,0
GAM ort. 10077 4194 72,58 14,20 −58,38 −41,24 −28,68 %68,4
MaxEnt ort. 9673 3856 68,58 8,45 −60,14 −43,56 −15,74 %61,3
RF ort. 7774 8264 58,01 64,32 +6,30 +20,58 −6,41 %78,6

9.11 Dağılım (dispersal) varsayımı

9.12 Çıktılar ve sonraki adıma geçenler

9.13 Uzman soruları

S1. Hesap biomod2'nin BIOMOD_RangeSize işleviyle aynı mı? Cevap: Kodlama aynı mantıktadır (−2 kayıp, 0 sürekli yok, 1 sürekli var, 2 kazanım) ve yüzdeler bugünkü alana bölünür (sdm_core.py:8187-8193). Fark ek kapsamlardadır: biomod2 yalnız verilen haritaların tamamında sayar; HABITUS ayrıca erişilebilir alan ve dışdeğerleme dışı erişilebilir alan için net değişim ve değişimin dışdeğerlenmiş payını verir (sdm_core.py:8297-8343). Sonuçlar hücre sayısıdır; km² için hücre alanıyla çarpmak gerekir ve coğrafi koordinatlarda hücre alanı enleme göre değişir; program bu dönüşümü yapmaz.

S2. Net değişim neden "% Gained − % Lost"a eşit? Cevap: F-C=(G+S_1)-(L+S_1)=G-L; ikisi de C'ye bölündüğünden \%Net=\%G-\%L'dir. Örnek: 10,72 − 56,84 = −46,12 (yuvarlama farkıyla −46,13). Bu, tablonun kendi içinde tutarlılığını denetlemek için kullanılabilir.

S3. Erişilebilir alan dışındaki hücreler neden hesaba hiç girmiyor; kayıp sayılmaları gerekmez mi? Cevap: Accessible area seçildiğinde maske dışındaki hücreler dört sınıfın hiçbirine sayılmaz ve haritada nodata olur (sdm_core.py:8312-8322). Mantığı şudur: türün bugün ulaşamadığı bir hücrede "var" tahmini zaten gerçekleşmiş bir dağılımı değil potansiyel uygunluğu gösterir; bu hücrelerdeki "kayıp" gözlenmiş bir alanın kaybı değildir (Barve vd. 2011). Tüm sınırdaki sayım her zaman yapılır; ana kapsam başka bir seçenekse tabloya Net change, whole study boundary (%) satırı olarak eklenir (sdm_core.py:8330-8340, tabs/tab_range.py:285-288). Yalnız net değişim eklenir; tüm sınırdaki kayıp ve kazanım sayıları için analiz Whole study boundary ile ayrıca çalıştırılmalıdır.

S4. "Dışdeğerleme dışı" neden yalnız gelecek NT1'ine göre tanımlanmış? Cevap: Kod NT1 olarak ⑤'in gelecek senaryosu için yazdığı yüzeyi kullanır (tabs/tab_range.py:175-193, sdm_core.py:8299-8311). Bugünkü haritadaki dışdeğerlenmiş hücreler ayrıca dışlanmaz. Bugünkü haritanın da aralık dışı kısmını dışlamak isteyen kullanıcı current\…_NT1.tif ile gelecek NT1'ini dışarıda birleştirip maskelemelidir; programda bunun bir seçeneği yoktur.

S5. NT2 (yeni birleşim) değişim hesabında kullanılıyor mu? Cevap: Hayır; yalnız NT1 < 0 dışlanır (sdm_core.py:8304, :8310-8311). Örnek koşuda NT2 > 1 hücreleri gelecek senaryosunun yalnız %0,3'üdür, etkisi küçüktür. Bu oranın yüksek olduğu bir çalışmada NT2 yüzeyi dışarıda ek maske olarak kullanılabilir.

S6. Gelecek haritası farklı bir ızgaradaysa sonuç güvenilir mi? Cevap: Gelecek haritası bugünkü haritanın ızgarasına konumla hizalanır: aynı hücre boyunda tam sayı kayma interpolasyonsuz kaydırılır, değilse en yakın komşu ile yeniden örneklenir (sdm_core.py:8242-8277, sdm_grid.py:244-280). Hizalama günlükte ve raporun işleme notlarında yazılır. ⑤'te üretilen haritalar zaten eğitim ızgarasında olduğu için normal kullanımda hizalama gerekmez.

S7. MESS < 0 maskesi açık bir gelecek haritasıyla sonuç neden değişiyor? Cevap: Yalnız iki haritada da geçerli hücreler sayılır (sdm_core.py:8292). Maskelenen gelecek hücreleri hesaptan çıkar; bu hücrelerde bugün "var" olan alan da C'den düşer. Sonuç, "Accessible area without extrapolation" seçeneğine benzer ama aynı değildir: o seçenek ayrıca erişilebilir alanla kısıtlar ve haritayı değil sayımı maskeler.

S8. Eşik seçimi alan değişimini nasıl etkiler? Cevap: İkili haritalar ③'teki eşik kuralıyla (varsayılan max TSS) üretilir ve iki dönemde aynı eşik kullanılır (sdm_core.py:7908). Eşik düştükçe iki haritada da "var" alanı büyür; yüzdeler bugünkü alana bölündüğü için oransal değişim eşiğe göre farklı yönlerde oynayabilir. Örnek koşuda yalnız eşikleme kuralının farklı olduğu EMwmean_bin ile EMca_bin arasında net değişim 10 puan farklıdır (§9.10). Eşik duyarlılığı, ③'te farklı eşik kuralıyla yeniden kurup ⑥'yı yinelemekle sınanır.

S9. Bir hücrenin "var" olması türün orada olacağı anlamına mı gelir? Cevap: Hayır. İkili harita, uygunluk değerinin eşiği aştığı hücreleri gösterir; varlık-yalancı yokluk modelinde bu "iklimsel olarak uygun" demektir. Biyotik etkileşimler, arazi kullanımı ve dağılım sınırı modelde yoktur. Kazanım hücreleri ancak sınırsız dağılım varsayımı altında yeni alan sayılabilir (§9.11).

S10. Sonuç yeniden üretilebilir mi? Cevap: Hesapta rastgele bileşen yoktur; aynı iki harita aynı sayımı verir. Seçilen kapsam, analiz adı ve girdi yolları run_log'a, sonuçlar state["range_results"]'a yazılır; rapor her analiz için tabloyu ve haritayı içerir. Bu bölümdeki karşılaştırma tablosu sekil/_betik/09_alan_degisimi_karsilastirma.py ile programın kendi işlevi çağrılarak yeniden üretilebilir.

9.14 Sık hatalar ve tuzaklar

9.15 Kaynaklar

Barve, N., Barve, V., Jiménez-Valverde, A., Lira-Noriega, A., Maher, S.P., Peterson, A.T., Soberón, J., Villalobos, F., 2011. The crucial role of the accessible area in ecological niche modeling and species distribution modeling. Ecological Modelling 222, 1810–1819. https://doi.org/10.1016/j.ecolmodel.2011.02.011

Mesgaran, M.B., Cousens, R.D., Webber, B.L., 2014. Here be dragons: a tool for quantifying novelty due to covariate range and correlation change when projecting species distribution models. Diversity and Distributions 20, 1147–1159. https://doi.org/10.1111/ddi.12209

Thuiller, W., Lafourcade, B., Engler, R., Araújo, M.B., 2009. BIOMOD – a platform for ensemble forecasting of species distributions. Ecography 32, 369–373. https://doi.org/10.1111/j.1600-0587.2008.05742.x

Thuiller, W., Lavorel, S., Araújo, M.B., Sykes, M.T., Prentice, I.C., 2005. Climate change threats to plant diversity in Europe. Proceedings of the National Academy of Sciences 102, 8245–8250. https://doi.org/10.1073/pnas.0409902102