Kromě dopady lidské činnosti, biogeografické procesy, jako je zeměpisná izolace, speciace, interakce mezi druhy a biotické reakce na prostředí, jsou také zásadní determinanty geografické rozdělení organismů., Plně odvodit dopady na využívání půdy na savčích rozdělení, účinky těchto matoucích faktorů na parametry týkající se savců distribuce musí být odstraněny. V Japonsku, mnoho podobných skupin druhů, show vzájemně výhradní distribuce vzory označující allopatric speciace, nebo konkurenční vyloučení (např. Mogera spp.79). V této studii, distribuce dat za podobných skupin druhů byly sloučeny vynechat účinky těchto interakcí a omezit rozsah studie k rodu úrovni jevů., Ostrovy Ryukyu byly z naší analýzy vynechány kvůli jejich odlišnému biogeografickému pozadí od pevninského Japonska. Ze stejného důvodu byl Hokkaido vyloučen z analýzy rodů bez záznamů o výskytu v Hokkaido. Rody endemické pro Hokkaido byly také vynechány, protože prostorová variace intenzity historického využití půdy a fyzického prostředí samotného Hokkaida byly příliš malé pro analýzy., Celkem 38 rodů rodné země savců splněny tyto podmínky, z nichž sedm—Euroscaptor (Soricomorpha), Eptesicus, Nyctalus, Vespertilio, Barbastella, Plecotus a Tadarida (Chiroptera)—měli méně než 30 přítomnost záznamy a byli následně vyloučeni z další analýzy. 31 rodů analyzovány zahrnoval šest rodů Soricomorpha, pět Chiroptera, jeden z Primátů, šest Carnivora, tři Sudokopytníci, devět Hlodavce a jeden rod Lagomorpha (Doplňková Tabulka S1). Distribuční mapy jsou uvedeny na obr. S1., Velikost dospělých a potravinový zvyk každého rodu byly získány z Ohdachi et al.78 a taxony byly rozděleny do tří velikostních skupin (malé, střední a velké) podle Prothero80, kde „malé“, je méně než 100 g,, „střední“ je mezi 100 g a 10 kg a „velké“ je více než 10 kg. Velikost rodů je uvedena v doplňkové tabulce S1.
faktory archeologického využití půdy
bylo zvažováno šest historických období rozeznatelných od rysů archeologických nalezišť: (1)Jomon (ca. 12 000 př.n. l. 300 př. n. l.), (2) Yayoi (ca. 900 BCE do ca. 300 CE), (3)Kofun (ca. 300 do ca., 700), (4) Antika (592-1192), (5) feudální (1192-1573) a (6) raně moderní (1573-1868) období. Hustota archeologických nalezišť byla použita jako index starověké intenzity využití půdy před ranným moderním obdobím. Archeologických Nalezišť Databáze (http://mokuren.nabunken.go.jp/Iseki/ (v Japonštině)29,30, vedeném Nara Národní Výzkumný Ústav pro Kulturní Vlastnosti Japonsku, má více než 400 000 záznamů o archeologických lokalit v Japonsku., V Japonsku, každý prefectural a obecní vláda má část, která shromažďuje informace o archeologické lokality pro výkop v souladu s Kulturní bohatství, Zachování Zákona (1949), a mnoho výkopové průzkumy byly provedeny v celé zemi. Tato databáze je vyčerpávající sbírka zpráv o výkopových průzkumech v Japonsku a obsahuje informace o archeologických nalezištích, včetně zeměpisné šířky, zeměpisná délka, Historické období a typ místa., Byly zvažovány tři typy využití půdy, které lze rozlišit podle charakteristik archeologických pozůstatků: (1) osady, (2) železářství a (3) pece pro výrobu keramiky.
počet archeologických nalezišť obsahuje hluk měření v důsledku stochasticity v procesu objevování místa. Při použití takových údajů, jako je index starověkého využívání půdy, je nutné filtrovat hluk měření a odhadnout prostorový gradient intenzity využití půdy., V souladu s tím, počet archeologických nalezišť podle éry a typu byl počítán v každé mřížkové buňce tak, aby odpovídal prostorovému rozlišení dat o distribuci savců. Pro prostorové vyhlazení archeologických nalezišť byl pak použit vlastní podmíněný model autoregressive (CAR). Doplňkové metody zahrnují technické podrobnosti týkající se tohoto postupu. Odhadovaný průměrný počet archeologických nalezišť byl použit jako vysvětlující proměnná v následující analýze. Doplňkové fíky S2, S3 a S4 poskytují mapy indexů historického využití půdy používaných v této studii.,
Fyzické prostředí a aktuální využití půdy faktory
Šest fyzikální faktory životního prostředí a dva současné užívání pozemků faktory byly rovněž zahrnuty jako vysvětlující proměnné: průměrná roční teplota, roční úhrn srážek, srážky v létě (červenec až září), hloubku sněhu, nadmořská výška, topografické nerovnosti, městské oblasti a zemědělské půdy. Čtyři klimatické faktory-průměrná roční teplota, roční srážky, srážky v létě a hloubka sněhu—byly získány z údajů Mesh Climatic Data 200082., Dva topografické faktory, jmenovitě Nadmořská výška a topografická drsnost, byly definovány průměrnou a směrodatnou odchylkou 1 km digitálního modelu nadmořské výšky agregovaného do SSG a byly vypočteny pomocí ArcGIS 10.0 (ESRI, Inc., Riverside, CA, USA).
aktuální využití půdy faktory byly získány z Využívání Půdy, Roztříštěné sítě Data (http://nlftp.mlit.go.jp/ksj-e/jpgis/datalist/KsjTmplt-L03-b.html) v roce 1987, který byl vyvinut Ministerstvem Půdy, Infrastruktury, Dopravy a cestovního Ruchu Japonska. Oblasti každého typu využití půdy byly vypočteny pro všechny buňky SSG pomocí ArcGIS.,
minulé geoklimatické události
minulé geoklimatické události mohou ovlivnit rozsahy savců12, 83 a měly by být považovány za matoucí faktory, když odhadujeme účinky archeologického využití půdy. V Holocénu, Japonsko zažilo dvě hlavní zeměpisně-klimatickým událostem, Mladší Dryas Stadial84 a v Polovině Holocénu Klima Optimum85, s potenciálními účinky na řad savců. Proměnné spojené s těmito událostmi byly zahrnuty jako matoucí faktory., Mladší Dryas Stadial o 12,860–11,640 yr BP byl charakterizován náhlým poklesem teploty84 a suchým klimate86, který vedl ke změně vegetace v Japonsku87. Teplé a vlhké klima převládalo v Japonsku během Mid-Holocene klima Optimum kolem 5,500–6,000 yr BP. Kromě oteplování, globální vzestup hladiny moře 2-10 m (v Polovině Holocénu přestupku) došlo a pobřežní tvary reliéfu, byly pozoruhodně změnil v Japan88. Naše analýza zahrnovala 2.,5 minut zmenšil průměrné roční teploty a roční úhrn srážek v Mladší Dryas Stadial a Mid-Holocene89, rekonstruované na základě denní simulace výstupu ze Společenství, Klima Systém Model ver. 390 a agregovány do SSG tím, že průměr 2,5-minutové hodnoty mřížky. Korelace mezi aktuální, Střední Holocén a Mladší Dryas klimatické proměnné byly vysoké; Pearsonův korelační koeficienty pro průměrné roční teploty a roční srážky byly 0.985–0.999 a 0.838–0.997, resp., Abychom se vyhnuli poruchám v odhadu parametrů, použili jsme rozdíl od aktuální hodnoty pro klimatické proměnné v polovině holocénu. Ze stejného důvodu byl rozdíl od poloviny holocénu použit pro mladší Dryas. Tento proces neovlivňuje ani odhady parametrů archeologických faktorů, ani jejich relativní příspěvky k vzorcům rozsahu savců. Jako zavádějící faktor v Polovině Holocénu přestupek, binární proměnná označující, zda každý obsahuje SSG ponořené části byl included91.,
Statistické analýzy
využívání území v různých historických obdobích může být v korelaci, protože proces změny ve využívání půdy závisí na minulosti patterns92 a historických období, které potenciálně ovlivňují rozdělení taxony by měly být považovány za statistické analýzy, aby dráždit se účinky různých historických obdobích., Vysvětlující proměnné zahrnuty archeologické půdy-použití indexů pro osady v šesti historických období, kování a pecí čtyř historických období, šest fyzikální faktory životního prostředí, dva přítomné land-use typů a pět posledních zeměpisně-klimatickým faktorům. Všechny vysvětlující proměnné byly zahrnuty do více regresních modelů, které dráždí částečné příspěvky typů archeologických využití půdy v různých archeologických obdobích. Pearsonovy korelační koeficienty pro vztahy mezi vysvětlujícími proměnnými se pohybovaly od -0.692 do 0.879.,
Pro statistickou analýzu rozdělení druhů dat, prostorové autokorelace by měly být považovány za, aby se zabránilo chybám typu I pro regresní coefficients93 a logistickou regrese model s prostorovým náhodný efekt prováděných vlastní AUTO model byl použit pro grid-based data81,94. Tento model může pojmout prostorově korelované náhodné efekty reprezentující nekvantifikovatelné faktory a často poskytuje přesné odhady parametrů ohniskových faktorů95., Ve vlastní model AUTA, prostorové korelace náhodných efektů je reprezentována apriorní rozdělení pro každé buňce sítě, jejichž průměr je roven průměru ze sousedních buněk (tj. před distribuce byla podmíněna sousedních buněk). Působí jako trest omezit sousední náhodné efekty, aby přijaly podobné hodnoty, s hladkým povrchem prostorových náhodných efektů pro sledování prostorových trendů pozorování., Tento přístup má tři praktické výhody: předpoklad nezávislosti vzorky není nutné, typ I chyby, kvůli autokorelace jsou zakázány, a prostorové náhodné efekty zlepšení modelu fit představuje rezidua, které nejsou vysvětleny tím, že fixní efekty.
vlastní model automobilu s chybou pozorování Bernoulli a logit link byl vybaven údaji o přítomnosti/nepřítomnosti pro každý rod pomocí Eq., (1):
kde yi je přítomnost/nepřítomnost rodu v té cele, α je absolutní člen, β je vektor regresních koeficientů, Xi představuje vysvětlující proměnné, a pi je prostorově strukturovaný náhodný efekt. Před model fit byly všechny vysvětlující proměnné standardizovány (tj., zmenšen na průměr = 0 a rozptyl = 1) umožnit interpretaci regresních koeficientů jako nárůst prevalence (v logit škále) za 1 SD zvýšení vysvětlující proměnné. Převor pi je reprezentován podmíněným rozdělením všech prvků ρ s výjimkou pi (označeného ρ-i) v Eq., (2):
kde σρ2 je podmíněný rozptyl pi, δi je sada štítků pro sousedy v oblasti i a ni je délka δi. Přibližné posteriorní distribuce byla odhadnuta pomocí integrované vnořené Laplaceova aproximace provedena v INLA (http://www.r-inla.org/)96. Rozdělení inverzní Gama s parametrem tvaru 0,5 a parametrem inverzní stupnice 0.,0005 byl použit, jak naznačují Kelsall a Wakefield97, jako předchozí rozdělení σρ2.,nges ve srovnání s jinými faktory, relativní disperze komponent fit (RDCF)24 byla použita, což je poměr rozptylů příspěvky dvou skupin vysvětlující proměnné do log-odds definována takto:
kde X1 a X2 jsou matice pro vysvětlující proměnné v porovnání se skupinou a β1 a β2 jsou odpovídající vektory regresních koeficientů., V této studii byl vypočítán RDCF archeologických faktorů proti ostatním faktorům. ω = 1 znamená, že polovina pozorované odchylky je vysvětlena archeologickými faktory. Vyhodnotit vztah mezi RDCF a velikost těla, fylogenetický lineární smíšený model s ohledem inter – a intra – taxon variation98 byl použit., Pro naši studii je popsán v následující podobě:
kde ω je vektor ln(RDCF) rodů odhaduje, α0 je absolutní člen, α1 je regresní koeficient velikosti těla třídy a z je vektor binárních proměnných označující, zda rody jsou klasifikovány jako „malé“., Σ je inter – a intra – taxon kovarianční struktury (ten obsahuje také chyby měření) a je součtem inter-taxon variance-kovarianční matice ΣS a diagonální matice uvnitř taxonu odchylka ΣM = vMI. Uvažovali jsme o dvou kovariančních strukturách pro ΣS odpovídajících mikroevolučním modelům Brownova pohybu a stabilizačního výběru. Podle Brownova pohybu, prvky variance-kovarianční matice, ΣSij, rovné yCij, kde γ (>0) je parametr určující sílu fylogenetická závislost a Cij je společná délka větve (tj., délka mezi kořen a společný předek) pro taxony, i a j. Stabilizující výběr modelu za předpokladu, že taxony s extrémní fenotypové hodnoty jsou více pravděpodobné, že se vyvíjet směrem k méně extrémních hodnot výsledků v variance-kovarianční struktury ΣSij = yexp(−kDij), kde γ a k jsou parametry a Dij je fylogenetická vzdálenost (tj. internodia délka společného předka) mezi taxony i a j98. Odhady doby divergence zahrnuté v supertree savců byly získány z Binida-Emonds et al.99.