Syrjään vaikutuksia ihmisen toimintaan, biologis prosessit, kuten maantieteellinen eristyneisyys, lajiutuminen, vuorovaikutusta lajien ja bioottiset vastaukset ympäristö, ovat myös tärkeitä tekijöitä maantieteelliset jakaumat organismeja., Täysin päätellä vaikutukset maankäytön nisäkkäiden jakaumat, vaikutukset nämä sekoittavat tekijät liittyvät parametrit nisäkkäiden jakaumat täytyy olla eliminoitu. Japanissa monet congeneric lajit osoittavat toisiaan poissulkevia jakauma osoittaa, allopatrinen lajiutuminen tai kilpailukykyinen syrjäytymistä (esim. Mogera spp.79). Tässä tutkimuksessa jakelu tiedot congeneric lajeja yhdistettiin jättää vaikutuksia näiden vuorovaikutusta ja rajoittaa tutkimuksen suvun tason ilmiöitä., Ryukyu-Saaret jätettiin analyysistamme pois, koska niillä on selvä luonnonmaantieteellinen tausta kuin Manner-Japanissa. Samasta syystä Hokkaido jätettiin pois sukujen analyysistä ilman esiintymistietoja Hokkaidossa. Hokkaidolle endeemiset suvut jätettiin myös pois, koska historiallisen maankäytön intensiteetin ja pelkästään Hokkaidon fyysisen ympäristön alueellinen vaihtelu oli analyyseihin liian pieni., Yhteensä 38 sukujen synnyinmaa nisäkkäät täyty näitä ehtoja, joista seitsemän—Euroscaptor (Soricomorpha), Eptesicus, Nyctalus, Vespertilio, Barbastella, Plecotus ja Tadarida (Chiroptera)—oli vähemmän kuin 30 läsnäoloa kirjaa ja sittemmin eliminoitu lisää analyyseja. 31 sukujen analysoitu mukana kuusi sukujen Soricomorpha, viisi Chiroptera, yksi Kädellisten, kuusi Petoeläimet, kolme Artiodactyla, yhdeksän Rodentia ja yksi suvun tai Lagomorpha-lahkoihin (Täydentävä Taulukko S1). Jakelukartat on esitetty täydentävässä Kuvassa. S1., Jokaisen sukukunnan aikuisten koko ja ruokatottumukset saatiin Ohdachista et al.78 ja taksonien jaettiin kolmeen koko luokkaan (pieni, keskikokoinen ja suuri) mukaan Prothero80, jossa ”pieni” on vähemmän kuin 100 g, ”medium” on välillä 100 g ja 10 kg, ja ”suuri” on yli 10 kg. Sukujen koko on esitetty Lisätaulukossa S1.
Arkeologinen maankäytön tekijät
Kuusi aikakausilta erotettavissa piirteitä arkeologiset kohteet otettiin huomioon: (1) Jomon (ca. 12 000 eaa. 300 eaa.), 2) Yayoi (n. 900 eaa. 300 CE), 3) Kofun (n. 300 n., 700), (4) antiikin (592-1192), (5) feodaalinen (1192-1573) ja (6) early modern (1573-1868) aikoja. Arkeologisten kohteiden tiheyttä käytettiin muinaisen maankäytön intensiteetin indeksinä ennen varhaismodernia kautta. Arkeologiset Tietokanta (http://mokuren.nabunken.go.jp/Iseki/ (Japani)29,30, ylläpitää Nara National Research Institute of Cultural Properties, Japanissa, on yli 400000 kirjaa arkeologisia kohteita löytyy Japanissa., Japanissa, joka läänien ja kuntien hallitus on kohta, joka kerää tietoja muinaisjäännöksen kaivaminen mukaisesti kulttuuriomaisuuden Säilyttäminen Lain (1949), ja monet kaivaus-tutkimukset on tehty koko maassa. Tämä tietokanta on kattava kokoelma louhinta-kyselyn raportit Japanissa, ja se sisältää tietoa siitä, arkeologisia kohteita, kuten leveys -, pituus, historiallisen ajan ja tyyppinen sivusto., Kolme erilaista maankäytön, jotka voidaan erottaa ominaisuudet arkeologisia katsottu: (1) siirtokuntia, (2) takorautatöitä ja (3) uuneja varten keramiikka päätöksenteossa.
numerot arkeologinen sivustoja, jotka sisältävät mittaus melun takia stochasticity prosessissa sivuston löytö. Kun tällaisia tietoja käytetään muinaisen maankäytön indeksinä, on tarpeen suodattaa mittausmelu ja arvioida maankäytön voimakkuuden alueellinen gradientti., Vastaavasti, määrä arkeologisia kohteita, joita aikakauden ja tyyppi oli laskea kunkin ruudukon vastaamaan spatiaalinen resoluutio nisäkkäiden jakelu tiedot. Arkeologisten kohteiden alueelliseen tasoittamiseen käytettiin sen jälkeen luontaista ehdollista autoregressiivistä (CAR) mallia81. Täydentäviin menetelmiin sisältyy tähän menettelyyn liittyviä teknisiä yksityiskohtia. Seuraavassa analyysissä selittävänä muuttujana käytettiin arkeologisten kohteiden arvioitua keskiarvoa. Täydentävät viikunat S2, S3 ja S4 tarjoavat karttoja tässä tutkimuksessa käytetyistä historiallisen maankäytön indekseistä.,
Fyysinen ympäristö ja nykyinen maankäyttö tekijät
Kuusi fyysiset ympäristötekijät ja kaksi nykyisen maankäytön tekijät olivat myös mukana, koska selittävät muuttujat: keskimääräinen vuotuinen lämpötila, vuotuinen sademäärä, sademäärä kesällä (heinä-syyskuussa), lumen syvyys, korkeus, topografinen karheus, kaupunkialueella ja maatalous maa-alue. Neljä ilmastolliset tekijät—keskimääräinen vuotuinen lämpötila, vuotuinen sademäärä, sademäärä kesällä ja lumen syvyys—saatiin Mesh Ilmastolliset Tiedot 200082., Kaksi topografiset tekijät, nimittäin, korkeus ja topografinen karheus, määriteltiin keskiarvo ja keskihajonta on 1 km: n digital elevation model yhdistetä SSG ja laskettiin käyttäen ArcGIS 10.0 (ESRI, Inc., Riverside, CA, Yhdysvallat).
nykyinen maankäytön tekijät saatiin Maankäytön Hajanainen Mesh Tiedot (http://nlftp.mlit.go.jp/ksj-e/jpgis/datalist/KsjTmplt-L03-b.html) vuonna 1987, joka oli kehitetty Ministeriön Land, Infrastruktuuri -, Liikenne-ja Matkailuvaliokunnan Japanissa. Kunkin maankäyttötyypin alueet laskettiin kaikille ArcGIS-järjestelmää käyttäville SSG-soluille.,
Viime geoclimatic tapahtumia
Viime geoclimatic tapahtumat voivat vaikuttaa vaihtelee mammals12,83, ja olisi otettava huomioon sekoittavia tekijöitä, kun arvioimme vaikutukset arkeologinen maankäyttö. Holoseenissa, Japani koki kaksi suurta geoclimatic tapahtumia, Nuorempi Dryas Stadial84 ja Mid-Holocene Climate Optimum85, joilla on mahdollisia vaikutuksia vaihtelee nisäkkäiden. Näihin tapahtumiin liittyvät muuttujat sisällytettiin sekoittavina tekijöinä., Nuorempi Dryas Stadial noin 12,860–11,640 yr BP oli ominaista äkillinen lasku temperature84 ja kuiva climate86, joka johti muutokseen kasvillisuuden Japan87. Lämmin ja kostea ilmasto vallitsi Japanissa Keski-holoseenin ilmastossa optimaalisesti noin 5 500-6 000 yr BP. Ilmaston lämpenemisen lisäksi tapahtui 2-10 metrin merenpinnan nousu (Keski-holoseenin rikkomus) ja rannikkoalueiden kaatopaikat muuttuivat huomattavasti Japanissa88. Analyysimme sisälsi 2.,5 minuutin downscaled vuotuinen keskilämpötila ja vuotuisen sademäärän Nuorempi Dryas Stadial ja Mid-Holocene89, rekonstruoitu perustuu päivittäin simulointi tuotanto Yhteisön ilmastojärjestelmän Malli ver. 390 ja yhdistetty SSG: ksi ottamalla 2,5 minuutin ruutuarvojen keskiarvon. Korrelaatiot joukossa nykyinen, Mid-Holocene ja Nuorempi Dryas ilmasto-muuttujat olivat korkealla; Pearsonin korrelaatio kertoimia vuotuinen keskilämpötila ja sademäärät olivat 0.985–0.999 ja 0.838–0.997, vastaavasti., Välttää epäonnistumisia parametrin estimointi, käytimme ero nykyisen arvon Puolivälissä Holoseenikauden ilmasto-muuttujia. Samasta syystä eroa Keski-Holoseeniin käytettiin nuoremmilla Dryoilla. Tämä prosessi ei vaikuta parametri arviot arkeologinen tekijöitä, eikä niiden suhteellinen panos nisäkäs valikoima kuvioita. Kuten sekoittava tekijä Puolivälissä Holoseenikauden rikkomus, binaarinen muuttuja osoittaa, onko kukin SSG sisältää veden alue oli included91.,
Tilastollinen analyysi
maankäyttö aikana eri aikakausilta voi olla korreloi koska prosessi maankäytön muutos riippuu viime patterns92, ja aikakausilta, joka mahdollisesti vaikuttaa jakaumat taksonien olisi otettava huomioon tilastolliset analyysit harjata pois vaikutuksia eri aikakausilta., Selittävät muuttujat mukana arkeologinen maankäytön indeksit siirtokuntia kuuden aikakausilta, takorautatöitä ja uuneja neljä aikakausilta, kuusi fyysisen ympäristön tekijät, kaksi nykyinen maankäytön tyypit ja viisi yli geoclimatic tekijät. Kaikki selittävät muuttujat sisällytettiin useita regressio malleja harjata pois osittainen maksut arkeologinen maankäytön tyypit eri arkeologiset kaudet. Pearsonin korrelaatiokertoimet selittävien muuttujien suhteille vaihtelivat välillä -0,692-0,879.,
tilastollisen analyysin lajien jakautumista koskevat tiedot, spatiaalinen autokorrelaatio olisi katsottava välttää tyypin I virheitä regressio coefficients93, ja logistinen regressio malli, jossa maankäytön satunnainen vaikutus täytäntöön luontainen AUTON malli oli käytetty grid-pohjainen data81,94. Tämä malli mahtuu alueellisesti korreloi satunnaisia vaikutuksia edustaja määrittelemättömiä tekijöitä, ja usein saadaan tarkka parametri arviot polttoväli factors95., Vuonna luontainen AUTON malli, spatiaalinen korrelaatio satunnainen vaikutukset on edustaa ennen jakelu kunkin ruudukon, jonka keskiarvo on yhtä suuri kuin keskimääräinen viereisten solujen (eli ennen jakelun ehtona oli, että vierekkäiset solut). Se toimii rangaistuksena rajoittaa viereiset satunnaisvaikutukset ottaa samanlaisia arvoja, sileä pinta spatiaalinen satunnaisvaikutuksia jäljittää spatiaalinen suuntaukset havaintoja., Tämä lähestymistapa on kolme käytännön etuja: oletus riippumattomuuden näytteitä ei tarvita, tyypin I virheitä, koska autokorrelaatio on estetty, ja paikkatietojen satunnaisia vaikutuksia, parantaa malli sopii edustamalla jäämät, jotka eivät ole selitettävissä kiinteät vaikutukset.
luontainen AUTON malli Bernoulli havainto virhe ja logit-linkki oli asennettu läsnäolo/poissaolo tiedot kunkin suvun yhtälöstä., (1):
missä yi on läsnäolo/poissaolo suvun jaettava solu, α on siepata, β on vektori regressiokertoimia, Xi edustaa selittävien muuttujien ja pi on alueellisesti jäsennelty satunnainen vaikutus. Ennen model fit-mallia kaikki selittävät muuttujat standardoitiin (ts., skaalattu keskiarvo = 0 ja varianssi = 1), jotta tulkinta regressiokertoimia kuin kasvu esiintyvyys (vuonna logit-asteikolla) / 1 SD kasvua selittävä muuttuja. Ennen pi edustaa ehdollinen jakauma kaikki elementit ρ paitsi pii (merkitään ρ-i) Eq., (2):
missä σρ2 on ehdollinen varianssi pi, δi on asetettu etiketit naapurit alueella i ja ni on pituus δi. Arvioitu taka jakelu oli arvioitu integroitu sisäkkäisiä Laplace lainsäädännön täytäntöön INLA (http://www.r-inla.org/)96. Käänteinen-gamma-jakauman muoto parametri 0,5 ja käänteinen asteikko parametri 0.,0005 oli sovellettu, ehdottivat Kelsall ja Wakefield97, kuin ennen jakelua σρ2.,nges suhteessa muihin tekijöihin, suhteellinen hajonta osat sopivat (RDCF)24 sovellettiin, joka on suhde varianssit panosta kahteen ryhmään selittävien muuttujien log-kertoimet määritellään seuraavasti:
missä X1 ja X2 ovat matriisit selittävä muuttuja ryhmä verrattuna ja β1 ja β2 ovat vastaavat vektorit regressiokertoimia., Tutkimuksessa laskettiin arkeologisten tekijöiden RDCF: ää suhteessa muihin tekijöihin. ω = 1 osoittaa, että puolet havaitusta varianssista selittyy arkeologisilla tekijöillä. Arvioida suhdetta RDCF ja kehon koko, fylogeneettiseen linear mixed model ottaen huomioon inter – ja intra – taksonin variation98 käytettiin., Meidän tutkimus, se on kuvattu seuraavassa muodossa:
missä ω on vektori ln(RDCF) sukujen arvioitu, α0 on siepata, α1 on regressiokerroin kehon koko luokan ja z on vektori binary muuttujia osoittaa, onko suvut luokitellaan ”pieni”., Σ on inter – ja intra – taksonin kovarianssi rakenne (jälkimmäinen sisältää myös mittauksen virheen), ja on summa inter-taksonin varianssi-kovarianssimatriisi ΣS ja diagonaalinen matriisi intra-taksonin varianssi ΣM = vMI. Me pidetään kaksi kovarianssi rakenteet ΣS vastaa microevolutionary malleja Brownian motion ja stabiloiva valinta. Alla Brownian motion, elementtejä varianssi-kovarianssi-matriisi, ΣSij, tasa-yCij, missä γ (>0) on parametri määritettäessä vahvuus fylogeneettiseen riippuvuus ja Cij on jaettu haara pituus (ts., pituus välillä juuri ja yhteinen esi-isä) varten taksonien i ja j. Vakauttava valinta malli olettaen, että taksonien äärimmäisen fenotyyppiset arvot ovat todennäköisesti kehittyä kohti vähemmän äärimmäisiä arvoja tuloksia varianssi-kovarianssi rakenne ΣSij = yexp(−kDij), missä γ ja k ovat parametreja, ja Dij on fylogeneettinen etäisyys (eli solmuvälin pituus yhteinen esi-isä) välillä taksonien ja j98. Ero aika-arviot sisältyvät nisäkkäiden supertree saatiin Binida-Emonds et al.99.