• Вы можете найти свою высоту на Картах Google, включив функцию «Рельеф».
• По умолчанию Google Maps показывает высоту только в горных районах — она не сообщает о высоте везде.
• Для получения более подробной информации о высоте рассмотрите возможность использования Google Планета Земля Про.

Карты Google произвели революцию в том, как люди добираются из точки А в точку Б и даже в том, как они находят новые места.

Среди множества функций Google Maps есть опции для просмотра местности и высоты, что позволяет людям в горных районах лучше чувствовать высоту местности, которую они исследуют.

Пользователи могут включить функцию рельефа Google Maps с помощью настольного или мобильного устройства. Обратите внимание, что Карты Google не сообщают о высоте для всех областей — только естественно гористая местность будет иметь параметр высоты.

1. Введите https://www.google.com/maps в веб-браузер на Mac или ПК.

2. Введите свое местоположение в строку поиска в верхнем левом углу страницы. Вы можете ввести конкретный адрес или более общее местоположение.

3. Наведите указатель мыши на Layers в левом нижнем углу области карты, чтобы открыть меню, а затем щелкните Terrain в меню, чтобы отобразить топографию и высоту.

Примечание: Убедитесь, что переключатель Просмотр топографии и высоты включен во всплывающем окне Terrain в нижней части карты. Если он выключен, включите его, щелкнув переключатель — при включении он станет синим.

4. Увеличьте область на карте, где вы хотите увидеть высоту, щелкнув знак «+» в правом нижнем углу экрана. Цифры будут появляться по мере приближения. Если вы увеличите масштаб слишком сильно, линии горизонталей и высот исчезнут.

Подсказка : Если у вас есть мышь с колесиком прокрутки, поместите указатель мыши в область карты и прокрутите колесико вверх, чтобы увеличить масштаб.

1. Откройте приложение Google Maps или введите https://www.google.com/maps в браузере мобильного устройства.

2. Введите свое местоположение в строку поиска.

3. В приложении коснитесь значка Layers в правом верхнем углу и выберите Terrain под Тип карты .

В мобильном браузере щелкните меню гамбургера — три горизонтальные линии — в верхнем левом углу и выберите Ландшафт .

4. В приложении закройте меню, нажав серую кнопку X в правом верхнем углу.

5. Линии высоты будут появляться при увеличении и уменьшении масштаба.

Примечание : Цифры могут быть бледными, так как они нанесены по контуру карты.

Как найти высоту в Google Планета Земля 

Если вам нужна более точная информация о высоте, рассмотрите возможность загрузки Google Планета Земля Про.

Если вы готовы потратить время на то, чтобы научиться им пользоваться, программа предоставит вам больше, чем просто приблизительную оценку высоты вашего местоположения.

1. Загрузите и установите Google Планета Земля Про на свой компьютер.

2. Откройте Google Планета Земля Про на своем компьютере.

3. В левом верхнем углу введите свое местоположение в поле поиска. Затем нажмите Поиск Кнопка справа от окна поиска. Глобус в области карты будет вращаться и остановится на вашем местоположении.

4. Увеличьте область карты, где вы хотите увидеть высоту, щелкнув знак + на ползунке в правой части области карты.

5. Щелкните Добавить путь – значок с тремя точками и соединяющей их линией – на панели инструментов над областью карты.

6. Появится диалоговое окно, и если оно закрывает область карты, перетащите его в сторону.

7. Нажмите на булавку вашего местоположения и проведите пальцем по карте, чтобы нарисовать путь.

8. Щелкните OK в диалоговом окне, чтобы зафиксировать путь.

9. Нажмите Изменить в верхнем левом углу окна Google Планета Земля Про, а затем выберите в меню Показать профиль высоты.

10. Под областью карты появится график, и по мере прокрутки вы сможете увидеть высоту каждой точки на пути, включая ваше местоположение. Внутри области карты также будет красная стрелка , которая показывает информацию о высоте точки, на которую она указывает.

Низкорослые люди получили… Много причин, чтобы законно чувствовать себя параноиком

Согласно новому исследованию, ваш физический рост может влиять на ваше эмоциональное состояние.

Мы уже знаем, что язык придает положительную ценность людям высокого роста: мы смотрим на них вверх, а не вниз. И различные исследования обнаружили корреляцию между тем, чтобы быть выше и больше зарабатывать.

Теперь виртуальная реальность дополняет понимание кратковременного состояния ума. В исследовании, проведенном в Оксфордском университете и опубликованном в декабре 2013 года, использовались аватары, позволяющие участникам пройти виртуальный опыт поездки в метро с их нормальным ростом, а затем с уменьшенным на десять дюймов ростом.

В ходе исследования 60 женщин, ни одна из которых не имела психических заболеваний в анамнезе, но все из которых недавно сообщали о недоверчивых мыслях, надевали гарнитуры и смотрели на мониторы, участвуя в двух трехмерных поездках в виртуальной реальности в лондонском метро. Они могли двигаться и взаимодействовать с другими виртуальными пассажирами, например, обмениваясь взглядами или отводя взгляд от других.

Виртуальные поездки на поезде между станциями метро длились около шести минут каждая, они были запрограммированы и анимированы одинаково, за исключением одного: во время одной поездки аватар, представляющий участника, был уменьшен в росте на 25 сантиметров — немногим меньше десяти. дюймы. По словам оксфордского клинического психолога и ведущего исследователя Дэниела Фримана, это «примерно высота головы».

Результаты. Участники сообщили, что во время поездки, в которой их заставляли чувствовать себя ниже ростом, они чувствовали себя более уязвимыми, более негативно относились к себе и испытывали большее чувство паранойи. «Ключом к этому исследованию было отсутствие причин для недоверия», — говорит Фримен. Однако, когда участники увидели мир с высоты, которая была на голову ниже обычной, «они подумали, что люди настроены более враждебно или пытаются их изолировать».

Недоверие

Это не означает, что если у вас мало уверенности, вы всегда менее доверчивы или более параноидальны, говорит Фримен. Но результаты действительно укрепляют распространенное представление о росте. «Похоже, что рост влияет на наше чувство социального статуса», — говорит он, а быть выше, как правило, социально желательно.

«Подразумевается, что больший рост может сделать вас более уверенным в социальных ситуациях», — говорит он. «Все мы можем признать, что, когда мы чувствуем себя хуже, мы можем сгорбиться, сутулиться и занимать меньше места, но когда мы чувствуем себя более уверенно, мы чувствуем себя выше и занимаем больше места».

В виртуальной реальности тоже может быть какая-то реальность, как сказано в комментарии участника исследования. «Я заметил, что во второй раз я был ниже ростом. Люди, даже чемоданы, чувствовали себя высоко. Я был разочарован тем, что снова почувствовал себя ребенком, чувствовал себя неуместным в метро, ​​потому что я не был взрослым». Другими словами, будучи ниже ростом, он копировал чувство уязвимости маленького ребенка, еще не достигшего полного роста взрослого человека.

Возможно, это не так уж удивительно, если подумать о том, как маленькие дети чувствуют себя по отношению к более высоким взрослым, говорит клинический психолог из Денвера Сьюзен Хейтлер. В то время как два человека одинакового роста буквально смотрят друг другу в глаза, если один на фут выше другого (скажем, шесть футов против пяти футов), один человек фактически должен смотреть вверх, а другой смотрит вниз.

Этот неравный взгляд связан с ассоциацией большей высоты с большей силой. «Это не идеальная корреляция», — говорит Хайтлер, но когда она просит пациентов с депрессией закрыть глаза и представить свою ситуацию, они склонны видеть себя очень маленькими по сравнению с кажущимися гораздо более крупными фигурами в их жизни, которые подавляют их.

У высоких охотников есть еще дичь?

Очевидно, наш внутренний ландшафт говорит нам кое-что о том, как мы сравниваем и приравниваем рост и статус. Но как и почему наш мозг стал включать такие значения?

С точки зрения эволюции, «чем выше, тем лучше» может восходить к тому времени, когда люди были кочевым охотником, объясняет Линда А. Джексон, профессор психологии Мичиганского государственного университета, изучающая стереотипы о росте. Согласно этой точке зрения, более высокий рост имел репродуктивные преимущества для поимки добычи и избегания хищников, что обеспечивает более высокую вероятность выживания для высоких родителей и их потомства.

Сегодняшнее общество радикально отличается от общества эпохи охотников-собирателей. Но рост по-прежнему оказывает небольшое, но измеримое влияние на то, как нас воспринимают другие, особенно мужчины.

«Высокие мужчины воспринимаются как имеющие более высокий статус, более сильные лидерские качества и более успешные в профессиональном плане, чем мужчины среднего или низкого роста», — написал Джексон в интервью по электронной почте. Мужчины среднего или более низкого роста также страдают в сфере социальной привлекательности, которая включает в себя личностную адаптацию, спортивную ориентацию и мужественность. Ее предостережение: «Ни одно из этих исследований не установило, что именно ВЫСОТА сама по себе отвечает за эти преимущества или характеристики, связанные с ростом (сильные лидерские качества, уверенность в себе, профессиональное развитие)».

Хотя доказательства того, что такие стереотипы влияют на женщин, «слабее», сказала она, невысокие женщины также менее благосклонно воспринимаются в профессиональной сфере, пишет она, добавляя: «Менеджеру ростом 4 фута 8», возможно, придется больше работать

Маленькие старушки

Кроме того, как такое восприятие — и потенциальные предубеждения — в отношении роста повлияют на наше взаимодействие друг с другом, когда бэби-бумеры начнут уменьшаться в размерах, терять дюймы, становиться ниже с возрастом? Восприятие роста влияет на то, как эта большая группа становится старше и ниже, Джексон считает, что нет. 0003

Но Тимоти Джадж, профессор менеджмента в Университете Нотр-Дам, который также изучал влияние роста на профессиональные доходы, считает, что исследования, связывающие рост с профессиональным или личным успехом, «подчеркивают, что наша культура очень основана на внешнем виде». Более того, говорит он, «поскольку мы все больше и больше становимся визуальным и технологическим обществом, есть причины беспокоиться о том, что мало что может замедлить суждения, основанные на внешнем виде». С другой стороны, если мы будем знакомиться с людьми только с помощью компьютера, возможно, рост станет менее важным.

Кроме того, судья обеспокоен тем, что это повышенное внимание может не предвещать ничего хорошего для маленькой старушки или маленького старика, которым, помимо того, что они подвержены стереотипам о старении, также, возможно, придется бороться с дополнительными негативными предположениями о росте. «Если мы доживаем до 80 лет, мы бреем в среднем около двух или двух с половиной дюймов, — говорит Джадж, — и я думаю, что это один из факторов, способствующих эйджизму».

Наличие таких стереотипов делает еще более важным осознавать и анализировать любые предубеждения, которые мы можем затаить, говорит Джадж.

Но наблюдение за тем, как наши пожилые люди уменьшаются в размерах, также может вызвать у нас положительные, питательные эмоции, говорит Хайтлер. «Моя мама всегда была выше меня примерно на дюйм, пока с возрастом не начала уменьшаться в размерах», — рассказывает она. В конце концов, роли роста поменялись местами, и Хейтлер стала выше своей матери — трансформация, которая заставила ее чувствовать себя еще более защищающей и заботливой.

Научиться приспосабливаться и расти духом, даже когда мы уменьшаемся в росте — теперь это реальность, которую стоит смоделировать.

Читать дальше

Кто первым оседлал лошадей? У этих скелетов может быть ответ

• Наука

Кто первым оседлал лошадей? У этих скелетов может быть ответ

Человеческие останки возрастом около 5000 лет были найдены в могилах ямной культуры, и это открытие может частично объяснить их быстрое распространение по Европе.

Как космические лучи помогли найти туннель в Великой пирамиде Египта

• Наука

Как космические лучи помогли найти туннель в Великой пирамиде в Египте

Ученые только что подтвердили 30-футовую пустоту, впервые обнаруженную внутри монумента много лет назад. Вот технология, которая помогла ученым ее найти, и то, для чего она могла быть использована.

Эксклюзивный контент для подписчиков

Почему люди так одержимы Марсом?

Как вирусы формируют наш мир

Эпоха собачьих бегов в США подходит к концу

Посмотрите, как люди представляли себе жизнь на Марсе на протяжении всей истории

Посмотрите, как новый марсоход НАСА будет исследовать красную планету

Почему люди так одержимы Марсом?

Как вирусы формируют наш мир

Эпоха собачьих бегов в США подходит к концу будет исследовать красную планету

Почему люди так одержимы Марсом?

Как вирусы формируют наш мир

Эпоха собачьих бегов в США подходит к концу будет исследовать красную планету

Узнать больше

Высота над уровнем моря в Монтане

Высоты здесь оцениваются на основе глобального набора данных о высотах за 30 угловых секунд Геологической службы США/Оборонного картографического агентства. Высоты из этого набора данных могут отличаться на целых 125 футов.

Широта и долгота, используемые для оценки высоты города, были взяты из Информационной системы географических названий Геологической службы США. Некоторые города могут, конечно, охватывать районы с большим диапазоном высот.

Имя	округ	Высота	Долгота	Широта
Абсароки	Стилуотер	4073	-109.442	45,521
Актон	Йеллоустоун	3799	-108,680	45,931
Агентство	Сандерс	2647	-114.293	47,328
Альбертон	Минерал	3064	-114.473	47.002
Ольха	Мэдисон	5137	-112.106	45.324
Альгамбра	Джефферсон	4399	-111,988	46. 451
Альпийский	Углерод	6207	-109,641	45.201
Альта	Равалли	5000	-114,299	45,619
Алзада	Картер	3441	-104.412	45.023
Амстердам	Галлатин	4500	-111.319	45.758
Анаконда	Олений домик	5239	-112,941	46.129
Ансени	Галлатин	4796	-111.354	45,649
Анды	Ричленд	2176	-104,548	47,956
Анжела	Бутон розы	2899	-106.201	46.730
Антилопа	Шеридан	2050	-104. 458	48.690
Вершина	Биверхед	5432	-112.706	45.382
Апгар	Плоская головка	3156	-113,992	48,528
Арли	Озеро	3198	-114.084	47,162
Армингтон	Каскад	3599	-110.903	47.366
Эшленд	Бутон розы	2922	-106.270	45,594
Августа	Льюис и Кларк	4041	-112.391	47.493
Остин	Льюис и Кларк	4763	-112.244	46,639
Эйвон	Пауэлл	4799	-112.601	46,597
Бабб	Ледник	4543	-113. 436	48.860
Бейнвиль	Рузвельт	2029	-104.222	48.140
Бейкер	Фэллон	2968	-104.284	46,367
Баллантайн	Йеллоустоун	2997	-108.144	45,949
Баннак	Биверхед	5800	-112,995	45.161
Бассейн	Джефферсон	5335	-112,263	46.271
Бейлор	Долина	2936	-106.479	48.663
Беаркрик	Углерод	4629	-109.157	45.161
Биби	Кастер	2700	-105,569	46.055
Колокольня	Углерод	3867	-109. 005	45,142
Белград	Галлатин	4452	-111.176	45.776
Белкнап	Сандерс	2398	-115.408	47,662
Бель Крик	Паудер-Ривер	3598	-105.110	45.139
Колокольня	Картер	3229	-104.377	45,638
Ремень	Каскад	3599	-110,925	47,386
Бенчленд	Джудит Бэйсин	4297	-110.018	47.079
Бентин	Большой Рог	3274	-107,396	45.456
Биддл	Паудер-Ривер	3328	-105.338	45.099
Большая рука	Озеро	2943	-114,294	47,798
Биг Сэнди	Шуто	2747	-110. 111	48.179
Деревня Биг-Скай-Медоу	Галлатин	6250	-111.301	45,268
Горная деревня Биг Скай	Мэдисон	7491	-111.398	45.290
Большой лесоматериал	Сладкая трава	4199	-109,955	45.835
Бигфорк	Плоская головка	2974	-114.072	48.063
Бигхорн	Сокровище	2693	-107.448	46,162
Счета	Йеллоустоун	3153	-108.500	45.783
Бирни	Бутон розы	3141	-106,514	45.322
Дневная школа Бирни	Бутон розы	3047	-106.465	45. 416
Черный орел	Каскад	3398	-111.277	47,525
Черноногий	Ледник	4199	-112,876	48.575
Блэклиф	Тетон	4721	-112.605	48.013
Блумфилд	Доусон	2633	-104,917	47.413
Боннер	Миссула	3366	-113,864	46.873
Боулдер	Джефферсон	4938	-112.120	46.237
Ящик Старейшина	Холм	2677	-110.013	48.317
Бойд	Углерод	4075	-109.066	45.458
Бойс	Картер	3379	-105.031	45,268
Бозман	Галлатин	4806	-111. 038	45.680
Брэди	Пондера	3533	-111,839	48.036
Бранденберг	Бутон розы	2793	-106.232	45.816
Бриджер	Углерод	3692	-108,913	45,296
Бродус	Паудер-Ривер	3091	-105.407	45.444
Бродвью	Йеллоустоун	3905	-108,876	46.098
Броктон	Рузвельт	1991	-104,916	48.151
Броквей	Маккоун	2580	-105,762	47,298
Браунинг	Ледник	4387	-113.013	48.557
Брюсетт	Гарфилд	2914	-107,266	47. 425
Буффало	Фергус	4356	-109,828	46.821
Басби	Большой Рог	3437	-106,955	45,537
Бьютт	Серебряный бант	5539	-112,534	46.004
Bynum	Тетон	3941	-112.311	47,979
Калверт	Каскад	4795	-111.134	47,165
Камас	Сандерс	2900	-114,657	47,618
Камас Прери	Сандерс	2800	-114,606	47.463
Кэмерон	Мэдисон	5380	-111,678	45.203
Каньон-Крик	Льюис и Кларк	4383	-112,264	46. 806
Каньон Ферри	Льюис и Кларк	3799	-111.717	46.656
Капитолий	Картер	3171	-104.065	45.436
Карберт	Дэниелс	2624	-105.810	48,976
Кардуэлл	Джефферсон	4337	-111,952	45.860
Карлайл	Вибо	3198	-104.076	46.655
Картер	Шуто	3078	-110,956	47.781
Картерсвилл	Бутон розы	2500	-106,467	46.299
Каскад	Каскад	3398	-111.700	47.271
Сентервиль	Каскад	3599	-111. 142	47.390
Шанс	Углерод	3982	-109.063	45.012
Чарло	Озеро	2965	-114.171	47.439
шахматная доска	Мигер	5200	-110,546	46.572
Честер	Свобода	3162	-110,967	48.511
Чико	Парк	5521	-110.704	45.321
Чайлдс	Сандерс	2398	-115.486	47.779
Чинук	Блейн	2411	-109.231	48.590
Шото	Тетон	3799	-112.182	47.812
Кристина	Фергус	3599	-109.323	47. 382
Черч-Хилл	Галлатин	4530	-111.304	45.751
Круг	Маккоун	2500	-105,587	47.421
Клэнси	Джефферсон	4396	-111,986	46.465
Кларкстон	Галлатин	3999	-111.413	46.030
Клируотер	Миссула	3930	-113,377	47.000
Кливленд	Блейн	3497	-109.152	48.269
Клайн	Йеллоустоун	3167	-108.408	45.882
Клинтон	Миссула	3570	-113,712	46.769
Клайд Парк	Парк	4911	-110. 603	45.887
Коулридж	Шеридан	2198	-104.189	48,698
Угольная древесина	Паудер-Ривер	3342	-105,590	45,728
Кофейный ручей	Фергус	3599	-110.081	47,348
Кохаген	Гарфилд	2700	-106,617	47.054
Коллинз	Тетон	3405	-111.809	47.928
Colstrip	Бутон розы	3234	-106,623	45.884
Водопад Колумбия	Плоская головка	3002	-114.181	48.372
Колумбия Хайтс	Плоская головка	3036	-114.145	48.366
Колумбус	Стилуотер	3599	-109. 251	45,637
Кондон	Миссула	3785	-113.710	47,528
Коннер	Равалли	3999	-114.124	45,931
Конрад	Пондера	3523	-111.945	48.170
Контакт	Парк	5200	-110.225	45.508
Содержание	Филипс	2344	-107,560	48.021
Кук Сити	Парк	7608	-109,933	45.017
Корам	Плоская головка	3198	-114.045	48.418
Корбин	Джефферсон	4799	-112.061	46.381
Корваллис	Равалли	3520	-114. 112	46.314
Корвин Спрингс	Парк	5200	-110,789	45.113
Крекервиль	Олений домик	5015	-112.804	46.065
Крейг	Льюис и Кларк	3599	-111,963	47.074
Кран	Ричленд	1981	-104.262	47,576
Крестон	Плоская головка	2985	-114.136	48.189
Агентство Кроу	Большой Рог	3069	-107.461	45.602
Калбертсон	Рузвельт	1919	-104,516	48.144
Кушман	Золотая долина	3599	-109.042	46.288
Кастер	Йеллоустоун	2742	-107,554	46. 129
Отрезной банк	Ледник	3793	-112,325	48.633
Сир	Минерал	2998	-114,584	47.010
Дагмар	Шеридан	2025	-104.198	48.583
Дэнверс	Фергус	3581	-109.716	47.225
Дарби	Равалли	3999	-114,177	46.023
Дейтон	Озеро	2900	-114,278	47.866
Де Борджиа	Минерал	3198	-115,345	47.376
Дин	Стилуотер	5317	-109,690	45.405
Декер	Большой Рог	3575	-106.863	45. 012
Олений домик	Пауэлл	4609	-112,729	46.396
Колония Дирфилд	Фергус	3468	-109,677	47.260
Делл	Биверхед	5999	-112,696	44.723
Дельфия	Раковина мидии	3146	-108.219	46.505
Демпси	Пауэлл	4747	-112,748	46.279
Дентон	Фергус	3599	-109,947	47.320
Девон	Тул	3198	-111.478	48.467
Дьюи	Биверхед	5600	-112,854	45.777
Диллон	Биверхед	5118	-112,637	45. 216
Разделить	Серебряный бант	5400	-112,746	45,751
Диксон	Сандерс	2598	-114.313	47.317
Додсон	Филипс	2250	-108.244	48.396
Драммонд	Гранит	3986	-113.146	46,667
Дюнкерк	Тул	3304	-111,663	48.478
Данмор	Большой Рог	2972 ​​	-107.504	45.679
Дюпюйе	Пондера	4118	-112.499	48.193
Даттон	Тетон	3702	-111.711	47.843
DY Junction	Филипс	3244	-108,633	47. 796
Иглтон	Шуто	3327	-109,782	47,945
Восточный ледниковый парк	Ледник	4799	-113.217	48.441
Восточная Елена	Льюис и Кларк	3911	-111,915	46.590
Восточная Миссула	Миссула	3294	-113,944	46.871
Эдди	Сандерс	2598	-115.132	47,558
Эдем	Каскад	3999	-111.271	47.270
Эдгар	Углерод	3486	-108,852	45.465
Экалака	Картер	3494	-104,552	45.889
Элкхорн	Джефферсон	6512	-111,945	46. 275
Эллистон	Пауэлл	5152	-112.430	46,562
Элмо	Озеро	2910	-114,349	47.831
Еще	Раковина мидии	3315	-108,677	46,349
Элтон	Парк	4366	-110.307	45,696
Эмигрант	Парк	4894	-110.733	45.370
Энид	Ричленд	2493	-104.779	47.696
Эннис	Мэдисон	4968	-111,729	45.349
Эпси	Паудер-Ривер	3375	-105.651	45.492
Эссекс	Плоская головка	3874	-113,612	48. 278
Этридж	Тул	3562	-112.120	48.558
Эврика	Линкольн	2646	-115.052	48.880
Эваро	Миссула	3999	-114.091	47.032
Вечнозеленый	Плоская головка	2948	-114,275	48.226
Фэрфилд	Тетон	3962	-111,979	47.615
Фэрвью	Ричленд	1959	-104.044	47.856
Фэллон	Прерия	2204	-105.119	46.836
Фердиг	Тул	3497	-111,774	48.754
Фергус	Фергус	3799	-109.066	47. 331
Ферндейл	Озеро	3084	-114.006	48.052
Финч	Бутон розы	2588	-106,976	46.284
Рыбий хвост	Стилуотер	4599	-109.504	45.454
Ловушка	Олений домик	5923	-113,229	45.872
Флэтвиллоу	Нефть	3247	-108.399	46.832
Флаксвилл	Дэниелс	2798	-105.172	48.804
Флоренция	Равалли	3346	-114.078	46,632
Флауэри	Шуто	3172	-111.027	47.730
Лесопарк	Доусон	2099	-104,758	47. 105
Форестгроув	Фергус	4199	-109.079	46.991
Форсайт	Бутон розы	2510	-106,677	46,266
Форт Белнап	Блейн	2339	-108,757	48.484
Форт Бентон	Шуто	2698	-110,672	47.820
Форт Харрисон	Льюис и Кларк	4990	-112,167	46.617
Форт Кипп	Рузвельт	1976	-104.715	48.147
Форт Пек	Долина	2206	-106.453	48.004
Форт Шоу	Каскад	3599	-111.809	47.506
Форт-Смит	Большой Рог	3326	-107,936	45. 313
Фортин	Линкольн	2998	-114,902	48.764
Четыре Батта	Дэниелс	2483	-105.606	48.810
Четыре угла	Галлатин	4717	-111.185	45.671
Фрейзер	Долина	2053	-106.042	48.059
Френчтаун	Миссула	3159	-114.229	47.015
Фройд	Рузвельт	2018	-104.496	48.334
Фромберг	Углерод	3545	-108,906	45,392
Галата	Тул	3195	-111.351	48.476
Гален	Олений домик	4793	-112,775	46. 236
Галлатин Шлюз	Галлатин	4951	-111.197	45,592
Гардинер	Парк	5400	-110.705	45.032
Гирлянда	Кастер	2649	-105,930	46.048
Гарнейл	Фергус	4407	-109,752	46.752
Гарнизон	Пауэлл	4338	-112.811	46,523
Гарриоуэн	Большой Рог	3093	-107.419	45,527
Джорджтаун	Олений домик	6578	-113.246	46.199
Джеральдин	Шуто	3175	-110.265	47.604
Гейзер	Джудит Бэйсин	4199	-110. 492	47.259
Гиффен	Каскад	3999	-111.186	47.314
Гилдфорд	Холм	2834	-110.299	48.569
Жирар	Ричленд	2464	-104.421	47,868
Глазго	Долина	2088	-106,636	48.197
Авиабаза Глазго	Долина	2765	-106.550	48.405
Глен	Биверхед	4967	-112,690	45.477
Глендив	Доусон	2053	-104.712	47.105
Глентана	Долина	3093	-106.249	48.848
Золотой ручей	Пауэлл	4176	-112,927	46,584
Голдстоун	Холм	3038	-110,532	48. 900
Граннис	Парк	4527	-110.496	45.757
Грант	Биверхед	5800	-113.066	45.009
Грантсдейл	Равалли	3782	-114.141	46.204
Грассрандж	Фергус	3526	-108.806	47.021
Грейт-Фолс	Каскад	3398	-111.300	47.500
Гринфилд	Тетон	3915	-111.859	47.640
Гриноу	Миссула	3775	-113.436	46,917
Горячие источники Грегсона	Серебряный бант	5145	-112,809	46.043
Грейклифф	Сладкая трава	3999	-109,784	45. 763
Полумесяц	Плоская головка	3062	-114.239	48.388
Холл	Гранит	4197	-113,196	46,585
Гамильтон	Равалли	3625	-114.159	46.247
Хаммонд	Картер	3721	-104,918	45.226
Хэппи Инн	Линкольн	3437	-115,139	48.083
Хардин	Большой Рог	2903	-107.611	45.732
Харди	Каскад	3403	-111.805	47,186
Гарлем	Блейн	2339	-108,783	48.533
Харлоутон	Уитленд	4185	-109,834	46. 436
Харрисон	Мэдисон	4936	-111.786	45.701
Хэтэуэй	Бутон розы	2437	-106.196	46.276
Хоган	Минерал	3198	-115,399	47.383
Гавр	Холм	2493	-109,683	48.550
Хэксби	Гарфилд	2444	-106.427	47.770
Хейс	Блейн	3595	-108,694	47,989
Сердце Батт	Пондера	4498	-112,836	48.283
Хит	Фергус	4451	-109.266	46,996
Елена	Льюис и Кларк	4068	-112.035	46. 593
Хелмвилл	Пауэлл	4300	-112,960	46.867
Цапля	Сандерс	2264	-115,956	48.059
Хайвуд	Шуто	3549	-110,789	47,584
Хильгер	Фергус	4080	-109,359	47.254
Холм	Свобода	3920	-111.160	48.785
Колония на склоне холма	Тул	3599	-112.067	48,979
Хингем	Холм	2998	-110.421	48.555
Хинсдейл	Долина	2169	-107.084	48.394
Хобсон	Джудит Бэйсин	4052	-109,872	47. 000
Ходжес	Доусон	2598	-104.387	46,984
Хогеланд	Блейн	3129	-108,658	48.853
Усадьба	Шеридан	1949	-104,538	48.421
Хортон	Кастер	2419	-106.061	46.341
Горячие источники	Сандерс	2969	-114,668	47.609
Голодная лошадь	Плоская головка	2998	-114.060	48.386
Хантли	Йеллоустоун	3035	-108.301	45.899
Хьюсон	Миссула	3198	-114,326	47.031
Хишам	Сокровище	2618	-107. 234	46.293
Илиада	Шуто	2916	-109,785	47,799
Ингомар	Бутон розы	2998	-107.372	46.577
Впуск	Доусон	2069	-104.521	47,294
Инвернесс	Холм	3206	-110.683	48.557
Исмей	Кастер	2577	-104,792	46.500
Джексон	Биверхед	6548	-113.408	45,368
Джардин	Парк	6559	-110,634	45.070
Джефферс	Мэдисон	4970	-111.705	45.349
Джефферсон Сити	Джефферсон	4570	-112. 027	46,388
Остров Джефферсон	Мэдисон	4356	-111,940	45.851
Дженнингс	Линкольн	2774	-115,344	48.366
Джолиет	Углерод	3759	-108.970	45.485
Джоплин	Свобода	3287	-110.772	48.561
Иордания	Гарфилд	2640	-106,909	47.321
Джудит Гэп	Уитленд	4593	-109.751	46.677
Калиспелл ​​	Плоская головка	2984	-114.312	48.196
Кенилворт	Шуто	2887	-110.440	48.176
Кевин	Тул	3385	-111,964	48. 746
Кила	Плоская головка	3177	-114.456	48.120
Кингли	Большой Рог	2798	-107.601	45.899
Кинси	Кастер	2335	-105,656	46.571
Кайова	Ледник	5082	-113.270	48,548
Кирби	Большой Рог	3886	-106,981	45.333
Кляйн	Раковина мидии	3398	-108,549	46.404
Ноултон	Кастер	3198	-105.088	46.344
Колин	Джудит Бэйсин	3900	-109,772	47.107
Кремль	Холм	2795	-110. 086	48.570
Озеро Макдональдс	Плоская головка	3249	-113,871	48.621
Берег озера	Льюис и Кларк	3656	-111.834	46.678
Берег озера	Плоская головка	2895	-114.224	48.019
Лейквью	Биверхед	6705	-111.810	44,599
Ламберт	Ричленд	2388	-104.620	47.684
Хромой олень	Бутон розы	3357	-106,666	45,623
Ландаски	Филипс	3992	-108,622	47,898
Ларслан	Долина	2929	-106.193	48,578
Лорел	Йеллоустоун	3331	-108. 771	45.669
Лорин	Мэдисон	5116	-112.117	45.353
Лавина	Золотая Долина	3485	-108,937	46.295
Бухгалтерская книга	Пондера	3398	-111.822	48.260
Лерой	Блейн	3497	-109.318	47.874
Льюистаун	Фергус	3936	-109.427	47.062
Либби	Линкольн	2198	-115,555	48.388
Лима	Биверхед	6279	-112,591	44,637
Известняк	Стилуотер	5601	-109,902	45.478
Линкольн	Льюис и Кларк	4570	-112,681	46,955
Линдси	Доусон	2696	-105. 153	47.219
Ливингстон	Парк	4557	-110,560	45,662
Ллойд	Блейн	3937	-109,361	48.290
Найдите	Кастер	2425	-105.308	46.430
Лодж Грасс	Биг-Хорн	3351	-107,363	45.314
Стойка домика	Блейн	3411	-108,533	48.035
Логан	Галлатин	4191	-111.427	45.884
Ломан	Блейн	2449	-109.404	48.590
Лоло	Миссула	3198	-114.080	46.759
Горячие источники Лоло	Миссула	4399	-114,530	46,728
Лома	Шуто	2598	-110. 503	47,937
Ломбард	Бродуотер	3999	-111.398	46.107
Лонепайн	Сандерс	2946	-114,636	47.703
Лоринг	Филипс	2707	-107,861	48.792
Лагерь потерянной тропы	Равалли	5442	-113.942	45.752
Лотарь	Свобода	3286	-111.231	48.472
Лозо	Минерал	2884	-114,779	47.118
Блеск	Долина	2738	-105.882	48.393
Лютер	Углерод	5200	-109.428	45,284
Мэддукс	Блейн	4553	-109. 417	48.141
Мадок	Дэниелс	2739	-105.285	48.811
Дева	Фергус	4891	-109.229	47,178
Авиабаза Мальмстрем	Каскад	3418	-111.200	47.509
Мальта	Филипс	2275	-107,874	48.360
Манчестер	Каскад	3398	-111.461	47,541
Манхэттен	Галлатин	4243	-111.332	45.857
Марион	Плоская головка	3999	-114,662	48.106
Мартин Сити	Плоская головка	3135	-114.037	48.392
Мартинсдейл	Мигер	4799	-110. 313	46.458
Мэрисвилл	Льюис и Кларк	5439	-112,299	46.751
Модлоу	Галлатин	4536	-111.172	46.108
Максвилл	Гранит	4907	-113.233	46.465
Мак Аллистер	Мэдисон	4948	-111.731	45.444
Мак Леод	Сладкая трава	4815	-110.115	45.663
Маккейб	Рузвельт	2211	-104.377	48.244
Макклауд	Прерия	2700	-105.600	46.901
Лейк-Медисин	Шеридан	1942	-104.504	48.501
Мелроуз	Серебряный бант	5216	-112,684	45,632
Мелстоун	Раковина мидии	2893	-107. 871	46,599
Мелвилл	Сладкая трава	5044	-109,953	46.103
Менар	Галлатин	4796	-111.173	45,974
Мидуэй	Ричленд	2015	-104.320	47,515
Милдред	Прерия	2386	-104,959	46.676
Майлз Сити	Кастер	2362	-105.840	46.408
Колония Милфорд	Льюис и Кларк	4399	-112.209	47.330
Мельница из железа	Картер	3115	-104.219	45.854
Миллтаун	Миссула	3284	-113,881	46.871
Шахтер	Парк	5114	-110,908	45. 199
Миссула	Миссула	3232	-113,993	46.872
Мицпа	Кастер	2519	-105,267	46.245
Мокасины	Джудит Бэйсин	4127	-109,910	47.053
Моисе	Озеро	2655	-114,265	47.371
Линька	Стилуотер	3968	-108,927	45.861
Монарх	Каскад	4599	-110.838	47.098
Монида	Биверхед	6794	-112.313	44,562
Монтегю	Шуто	3198	-110.453	47.679
Монтана Сити	Джефферсон	4199	-111,932	46,538
Монтаква	Углерод	3560	-108. 901	45.509
Мур	Фергус	4136	-109,696	46,976
Мурхед	Паудер-Ривер	3326	-105.871	45.065
Морган	Филипс	2826	-107,832	48,993
Мосби	Гарфилд	2512	-107,883	46,992
Раковина мидии	Раковина мидии	3036	-108.091	46,519
Майерс	Сокровище	2637	-107.340	46.251
Нашуа	Долина	2066	-106,356	48.132
Нейхарт	Каскад	5704	-110.738	46,936
Нельсон	Льюис и Кларк	3999	-111. 808	46.817
Невада Сити	Мэдисон	5597	-111,967	45.307
Колония Нью-Рокпорт	Тетон	3689	-112.023	47.864
Ниарада	Плоская головка	3001	-114,604	47.814
Нисслер	Серебряный бант	5400	-112,641	46.005
Нохли	Ричленд	1936	-104.091	47,996
Норрис	Мэдисон	4993	-111.690	45.568
Ноксон	Сандерс	2181	-115,781	47,996
Наяк	Плоская головка	3398	-113,805	48.439
Най	Стилуотер	5000	-109,808	45. 436
Ойлмонт	Тул	3464	-111.840	48.740
Олива	Паудер-Ривер	3243	-105,527	45.551
Олли	Фэллон	3127	-104.084	46,585
Олни	Плоская головка	3198	-114,577	48.549
Офейм	Долина	3198	-106.407	48.857
Возможность	Олений домик	4979	-112,827	46.107
Садовые дома	Миссула	3198	-114.048	46.863
Освего	Долина	2071	-105.881	48.059
Выдра	Паудер-Ривер	3562	-106. 201	45.208
Внешний вид	Шеридан	2344	-104,777	48.887
Овандо	Пауэлл	4114	-113.132	47.020
Пабло	Озеро	3109	-114.118	47.600
Рай	Сандерс	2598	-114.801	47.389
Парк Сити	Стилуотер	3396	-108,917	45.633
Бесподобный	Дэниелс	2855	-105.831	48.782
Пендрой	Тетон	4199	-112,298	48.074
Перма	Сандерс	2598	-114,584	47.364
Филипсбург	Гранит	5357	-113,293	46. 332
Пайн Крик	Парк	4922	-110,563	45.507
Пайнсдейл	Равалли	3976	-114.223	46.335
Трубчатый камень	Джефферсон	4671	-112.219	45,905
Равнины	Сандерс	2598	-114,882	47.460
Приятная прерия	Дэниелс	2500	-105.082	48.592
Плентивуд	Шеридан	2068	-104,562	48.775
Плевна	Фэллон	2759	-104.520	46.418
Полярис	Биверхед	6389	-113.119	45.370
Полбридж	Плоская головка	3599	-114,284	48. 765
Полсон	Озеро	2930	-114,162	47,694
Помпейский столб	Йеллоустоун	2887	-107,951	45,991
Пони	Мэдисон	5548	-111.894	45.659
Тополь	Рузвельт	1998	-105.198	48.113
Перевозка	Каскад	3398	-111.124	47.653
Уголок носильщиков	Гранит	5482	-113.331	46.252
Потомак	Миссула	3629	-113,579	46.882
Паудервилл	Паудер-Ривер	2844	-105.115	45.759
Мощность	Тетон	3715	-111,686	47. 716
Молитесь	Парк	4881	-110.681	45.414
Примула	Миссула	3198	-114,166	46,927
Проктор	Озеро	3149	-114.304	47.893
Прайор	Большой Рог	4082	-108,533	45.430
Квайетус	Большой Рог	4061	-106.283	45.096
Куигли	Гранит	3954	-113,647	46.612
Куиннс	Сандерс	2598	-114.801	47.325
Радерсберг	Бродуотер	4368	-111.631	46.196
Рамзи	Серебряный бант	5356	-112. 685	46.006
Рапелье	Стилуотер	4002	-109.254	45,972
Равалли	Озеро	2798	-114.180	47.277
Раймонд	Шеридан	2295	-104.580	48.876
Рейнсфорд	Джудит Бэйсин	4199	-110.729	47.270
Красный домик	Углерод	5562	-109.246	45,186
Редстоун	Шеридан	2146	-104,944	48.822
Рид Пойнт	Стилуотер	3799	-109,541	45.709
Ренова	Джефферсон	4377	-112.127	45.816
Резерв	Шеридан	1948	-104. 459	48.606
Рексфорд	Линкольн	2918	-115,169	48,900
Родос	Плоская головка	3398	-114.473	48.279
Ричи	Доусон	2496	-105.074	47.644
Ричленд	Долина	2702	-106.051	48.821
Ридж	Картер	3992	-105.020	45.047
Риджуэй	Картер	3319	-104.511	45.485
Римини	Льюис и Кларк	5396	-112,246	46.488
Ринглинг	Мигер	5400	-110.806	46.272
Робер	Пондера	3909	-112,551	48. 326
Робертс	Углерод	4509	-109,167	45.360
Рок Спрингс	Бутон розы	2992	-106.246	46.817
Клавиша	Серебряный бант	5419	-112.605	46.003
Роквейл	Углерод	3514	-108,861	45,522
Рокки Бой	Холм	3798	-109,787	48.256
Роллинз	Озеро	2890	-114.198	47,906
Ронан	Озеро	3078	-114.101	47,529
Русвилл	Линкольн	2791	-115.056	48,999
Роско	Углерод	5000	-109. 496	45.350
Бутон розы	Бутон розы	2470	-106.444	46.274
Вилка Росса	Фергус	3804	-109,692	47.077
Ротимей	Золотая Долина	4399	-109.262	46,547
Сводка новостей	Раковина мидии	3198	-108.541	46.445
Рой	Фергус	3497	-108,959	47.331
Редьярд	Холм	3122	-110.553	48.560
Райгейт	Золотая Долина	3775	-109,258	46.297
Сако	Филипс	2182	-107.342	48.457
Святой Игнатий	Озеро	2981	-114. 093	47.320
Сент-Джонс	Холм	2820	-110.006	48.799
Сент-Мэри	Ледник	4589	-113.429	48.744
Сент-Филлип	Вибо	2900	-104.145	46.832
Сент-Реджис	Минерал	2798	-115.102	47,299
Святой Ксаверий	Большой Рог	3100	-107.721	45.461
Лососевая прерия	Озеро	3508	-113,784	47.630
Сальтезе	Минерал	3599	-115,509	47.410
Песчаный кули	Каскад	3599	-111.167	47.399
Песчаные источники	Гарфилд	3187	-107. 485	47.101
Сандерс	Сокровище	2597	-107.096	46.291
Санта-Рита	Ледник	3799	-112.319	48.701
Сапфировая деревня	Джудит Бэйсин	4832	-110.251	46.889
Саппингтон	Галлатин	4196	-111,767	45,795
Дикарь	Ричленд	1994	-104.342	47.454
Савойя	Блейн	2339	-108,543	48.474
Шиллинг	Миссула	3157	-114.201	46,964
Скоби	Дэниелс	2461	-105.420	48.792
Седан	Галлатин	5597	-110. 850	45,959
Озеро Сили	Миссула	3999	-113,484	47,179
Шаумут	Уитленд	3871	-109,524	46.342
Шеффилд	Кастер	2427	-106.139	46.333
Шелби	Тул	3300	-111,856	48.505
Пастух	Йеллоустоун	3054	-108.342	45,944
Шеридан	Мэдисон	5117	-112.196	45.456
Экраны	Парк	4964	-110.640	45,957
Шонкин	Шуто	3198	-110,572	47,629
Сидней	Ричленд	1967	-104. 156	47.717
Зибен	Льюис и Кларк	3866	-112.126	46.899
Силезия	Углерод	3403	-108.841	45,557
Серебряный город	Льюис и Кларк	4346	-112,169	46.756
Серебряные ворота	Парк	7593	-109,989	45.007
Серебряная звезда	Мэдисон	4529	-112,282	45.690
Симмс	Каскад	3599	-111,927	47.492
Симпсон	Холм	2798	-110.205	48,929
Шестнадцать	Мигер	4988	-110,997	46.215
Пересечение плиты	Рузвельт	1923	-104,698	48. 288
Сомерс	Плоская головка	2890	-114.221	48.080
Сонет	Паудер-Ривер	3827	-105.831	45.413
Спрингдейл	Парк	4324	-110.226	45,738
Колония Спрингдейл	Мигер	5203	-111.016	46.462
Квадратный батт	Шуто	3198	-110.198	47,515
Стейси	Паудер-Ривер	3300	-105.891	45.720
Стэнфорд	Джудит Бэйсин	4288	-110.217	47.154
Старк	Миссула	3352	-114,504	47.126
Стивенсвилл	Равалли	3398	-114. 092	46.510
Стипек	Доусон	2061	-104,664	47.212
Стокетт	Каскад	3755	-111.164	47.357
Страйкер	Линкольн	3398	-114,769	48.674
Саффолк	Фергус	3398	-109.355	47.467
Сула	Равалли	4599	-113,981	45.837
Суматра	Бутон розы	3192	-107.551	46,618
Саммит	Ледник	5338	-113,353	48.319
Солнечная прерия	Филипс	2388	-107,746	47,846
Сан Ривер	Каскад	3466	-111. 721	47,533
Солнечные лучи	Тул	3398	-111,911	48.883
Улучшенный	Минерал	2813	-114,891	47,192
Лебединое озеро	Озеро	3198	-113,844	47,929
Суитграсс	Тул	3582	-111,960	48,996
Сильванит	Линкольн	2798	-115,873	48.716
Тальк	Сандерс	2398	-115.434	47.720
Тампико	Долина	2122	-106,826	48.305
Таркио	Минерал	2989	-114,738	47.021
Тейген	Нефть	3198	-108,596	47. 037
Терри	Прерия	2228	-105.312	46.793
Теония	Долина	2521	-106,917	48.877
Томпсон Фолс	Сандерс	2519	-115.343	47,597
Три вилки	Галлатин	4074	-111.551	45.892
Терлоу	Бутон розы	2447	-106.306	46.288
Тостон	Бродуотер	3999	-111.440	46.173
Таунсенд	Бродуотер	3869	-111,520	46.319
Трейси	Каскад	3548	-111.153	47.413
Трейлкрик	Плоская головка	3946	-114. 406	48,919
Трего	Линкольн	3171	-114,868	48.705
Трезубец	Галлатин	4034	-111.476	45,947
Траут-Крик	Сандерс	2398	-115,597	47.837
Трой	Линкольн	1998	-115,889	48.463
Турах	Миссула	3382	-113,829	46.836
Тернер	Блейн	3025	-108.406	48.844
Двойные мосты	Мэдисон	4639	-112.330	45,544
Тудот	Уитленд	4486	-110.072	46.424
Тайлер	Фергус	4199	-108,872	46. 830
Ульм	Каскад	3392	-111.506	47.431
Юнионвилл	Льюис и Кларк	4999	-112.084	46.541
Ютика	Джудит Бэйсин	4521	-110.092	46,968
Валентина	Фергус	2900	-108.421	47.312
Валье	Пондера	3809	-112,249	48.308
Валлитаун	Филипс	2277	-107.239	48.706
Вананда	Бутон розы	2723	-107.002	46,392
Вандалия	Долина	2132	-106,909	48.355
Вон	Каскад	3398	-111,545	47,561
Вандом	Джефферсон	4799	-112. 242	45.818
Виктор	Равалли	3459	-114.149	46.417
Вида	Маккоун	2340	-105.493	47.832
Виржель	Шуто	2595	-110.250	48.015
Вирджиния-Сити	Мэдисон	5804	-111,945	45,294
Волборг	Кастер	3003	-105.681	45.843
Вольт	Рузвельт	2700	-105,718	48.388
Вагнер	Филипс	2227	-108.077	48.371
Уокервилль	Серебряный бант	6225	-112,539	46.029
Теплые источники	Олений домик	4803	-112,784	46. 181
Уоррен	Углерод	4399	-108,658	45.060
Уоррик	Шуто	3989	-109.605	48.072
Уошу	Углерод	5003	-109.213	45.164
Ватерлоо	Мэдисон	4504	-112.191	45,722
Вебстер	Фэллон	3297	-104.247	46.055
Уиксвилл	Сандерс	2598	-114,993	47,523
Велдон	Маккоун	2590	-105,892	47.612
Уэст-Форк	Дэниелс	2828	-105,911	48.687
Западный ледник	Плоская головка	3220	-113,978	48. 500
Уэст-Риверсайд	Миссула	3324	-113,889	46.877
Уэст-Вэлли	Олений домик	5600	-113.022	46.152
Западный Йеллоустоун	Галлатин	6712	-111.103	44,662
Вестби	Шеридан	1994	-104.051	48.870
Ветцель	Ледник	4741	-113,164	48.753
Белая Гавань	Линкольн	2321	-115,516	48.345
Белые серные источники	Мигер	5091	-110.901	46,548
Сиг	Плоская головка	2998	-114.337	48.411
Уайтхолл	Джефферсон	4389	-112. 097	45.871
Уайттейл	Дэниелс	2510	-105.163	48.895
Уайтуотер	Филипс	2344	-107,627	48.759
Уитлэш	Свобода	3941	-111.252	48,908
Вибо	Вибо	2650	-104.188	46,985
Викс	Джефферсон	5218	-112.103	46.350
Уиллард	Фэллон	3370	-104.369	46.194
Уиллоу Крик	Галлатин	4177	-111,644	45,825
Уилсолл	Парк	5059	-110,659	45,994
Виндхэм	Джудит Бэйсин	4297	-110. 140	47.079
Уинифред	Фергус	3290	-109,374	47,558
Виннетт	Нефть	2975	-108.351	47.003
Уинстон	Бродуотер	4329	-111,658	46.477
Мудрость	Биверхед	6056	-113.450	45,618
Мудрая река	Биверхед	5715	-112,949	45.791
Вольф Крик	Льюис и Кларк	3669	-112.068	47.006
Волчья точка	Рузвельт	2043	-105,640	48.091
Вудс Бэй	Озеро	2923	-114.049	48.002
Вудс Кроссинг	Шуто	3198	-111. 267	47.878
Вудсайд	Равалли	3519	-114.154	46.313
Вудворт	Пауэлл	4214	-113.302	47.106
Уорден	Йеллоустоун	2965	-108.160	45,960
Вайола	Большой Рог	3684	-107.393	45.129
Яак	Линкольн	3071	-115,708	48.833
Йорк	Льюис и Кларк	3999	-111.751	46,722
Зортман	Филипс	4002	-108,526	47,918
Цюрих	Блейн	2368	-109.030	48.584

— Географические местоположения — Документация Skyfield

Скайфилд: Дом • Оглавление • Список изменений • Справочник по API

скайфилд. топослиб. wgs84 =

Всемирная геодезическая система 1984 Геоид .

Это стандартный геоид, используемый системой GPS. и, вероятно, является стандартом, который предназначен если вам предоставлены широта и долгота которые не указывают альтернативный геоид.

скайфилд.топослиб. iers2010 =

Международная служба вращения Земли 2010 Геоид .

класс скайфилд.топосл. Геоид ( имя , radius_m , inverse_flattening )

Земной эллипсоид: отображает широту и долготу в ( x,y,z ) должностей.

Вместо создания собственного объекта геоида большинство пользователей Skyfield просто используйте встроенный объект wgs84 .

Математика преобразования позиции в широту и долготу основана на о докторе Т. С. Очень полезная статья Келсо «Орбитальная координата». Системы, Часть III.

подпункт ( … )

Устарело, начиная с версии 1.40: переименовано в geographic_position_of() .

latlon ( широта_градусов , долгота_градусов , высота_м=0,0 , cls=<класс 'skyfield.toposlib.GeographicPosition'> )

Возвращает GeographicPosition для заданной широты и долготы.

Долгота и широта должны быть указаны в градусах. Если высота в метрах не указана, возвращаемая позиция будет лежать на поверхности эллипсоида. Долгота положительная на восток, поэтому укажите отрицательное число для запада:

 из импорта skyfield.api wgs84
обсерватория = wgs84.latlon(37.3414, -121.6429) # 121.6° з.д.
 

Вы можете не запоминать, какие направления являются отрицательными, используя Постоянные направления компаса Skyfield, которые имеют значения +1 и −1:

 из skyfield. api импортировать N, S, E, W
обсерватория = wgs84.latlon(37,3414 * N, 121,6429 * W)
 

latlon_of ( позиция )

Возвращает широту и долготу позиция .

Позиция .center должна быть 399, центром Земли. Геодезическая широта и долгота возвращаются как пара Угол объектов.

высота_из ( позиция )

Возвращает высоту над земным эллипсоидом позиции .

Позиция .center должна быть 399, центром Земли. Расстояние возвращается, давая геодезическая высота положения над поверхностью Земли.

geographic_position_of ( позиция )

Возвращает GeographicPosition позиции .

Позиция .center должна быть 399, центром Земли. Возвращается GeographicPosition , дающий позицию геодезическая широта и долгота и высота выше или ниже поверхности эллипсоида.

subpoint_of ( позиция )

Вернуть точку на эллипсоиде непосредственно под позицией .

Позиция .center должна быть 399, центром Земли. Возвращает GeographicPosition , дающий геодезическую широту и долгота , которые лежат непосредственно под входной позицией, и высота над нулевым эллипсоидом.

класс скайфилд.топосл. GeographicPosition ( модель , широта , долгота , высота , itrs_xyz )

Положение широта-долгота-высота на Земле.

Каждый экземпляр этого класса содержит ( x,y,z ) вектор для географического положение на, над или под поверхностью Земли в ИТРС система отсчета: международный стандарт для геоцентрической Фиксированная к Земле (ECEF) система отсчета. Вместо создания этого напрямую, пользователи Skyfield обычно дают эталонному геоиду долгота и широта, которые их интересуют:

 из импорта skyfield. api wgs84
топос = wgs84.latlon(37.3414, -121.6429)
 

После того, как географическое положение было создано, вот его атрибуты и методы:

модель

Геоид , например WGS84 или IERS2010, которые эта позиция использует для отображения долготы, широты и высоты в трехмерную декартову позицию.

широта

Угол , указывающий широту; северный полюс имеет широту +90°.

долгота

Угол с указанием долготы; восток положительный, запад отрицательный.

возвышение

A Расстояние с указанием высоты выше (положительно) или ниже (отрицательно) поверхность Земли эллипсоид указанный этой позицией модель .

itrs_xyz

А Расстояние объект предоставление пространственных ( x,y,z ) координат этого местоположения в системе отсчета ITRS, ориентированной на Землю и привязанной к Земле («ECEF»).

центр

Целое число 399, который идентифицирует эту позицию как геоцентрическую: его ( x,y,z ) координаты отсчитываются от центра Земли.

на ( т )

Вернуть положение этого местоположения Земли в момент времени т .

lst_hours_at ( т )

Возврат местного кажущегося звездного времени в часах в момент времени t .

Местное кажущееся звездное время (ПОСЛЕДНЕЕ) для этого местоположения является правильным восхождение в зенит в момент времени t , по сравнению с «истинный» земной экватор и равноденствие (а не вымышленный «средний» экватор и равноденствие, игнорирующие нутацию Земли).

преломление ( высота_градусы , температура_C , давление_мбар )

Предсказать, как атмосфера будет преломлять положение.

Дано тело, которое находится на высота_градусов над уровнем моря. истинный горизонт, вернуть угол , предсказывающий его кажущуюся высота с учетом подаваемой температуры и давления, любой из которая может быть строкой 'стандартный' для использования 10°C и давление 1010 мбар с поправкой на высоту этого географическое положение.

вращение_в ( т )

Вычислить вращение от GCRS до азимутальной системы этого местоположения.

класс скайфилд.топосл. ITRPosition ( itrs_xyz )

Позиция ( x,y,z ) в кадре ITRS с центрированием на Земле (ECEF).

Этот ( x,y,z ) вектор не имеет знаний стандартных геоидов, широты или долготы, но удобно, если вы уже знаете прямоугольные координаты местоположения цели:

 из skyfield.api импортировать Расстояние
из skyfield. toposlib импортировать ITRPosition
d = Расстояние (км = [-3918, -1887, 5209])
p = ITRPosition (d)
 

на ( т )

Возвращает позицию GCRS этой координаты ITRS в момент времени t .

Географическая изменчивость высоты деревьев трех видов сосны (Pinus nigra Arn., P. pinaster Aiton и P. pinea L.), собранных в обычных садах Европы и Северной Африки | Анналы лесоведения

• Бумага с данными
• Опубликовано: 29 июля 2019 г.

• Наталья Бискайно-Паломар ORCID: orcid.org/0000-0002-3481-7567 ¹ ,
• Marta Benito Garzón ¹ ,
• Ricardo Alia ² ,
• Guia Giovannelli ³ ,
• Gerhard Huber ⁴ ,
• Свен Мутке ² ,
• Patrick Pastuszka ⁵ ,
• Annie Raffin ⁵ ,
• Hassan Sbay ⁶ ,
• Muhidin Šeho ⁷ ,
• Denis Vauthier ⁸ &
• …
• Bruno Fady ³  

Анналы лесоведения том 76 , Номер статьи: 77 (2019) Процитировать эту статью

• 1054 доступа

• 6 цитирований

• 6 Альтметрический

• Сведения о показателях

Аннотация

This datapaper collects individual georeferenced tree height data from Pinus nigra Arn. , P. pinaster Aiton, and P. pinea L. planted in common gardens во Франции, Германии, Марокко и Испании. Эти данные можно использовать для оценки генетической изменчивости и фенотипической пластичности с дальнейшими применениями в биогеографии и управлении лесами. Три набора данных доступны в https://doi.org/10.5281/zenodo.3250704 (Вискаино-Паломар и др. 2018a ), https://doi.org/10.5281/zenodo.3250698 (Вискайно-Паломар и др. 2018b ) и https://doi.org/10.5281/zenodo.3250707 (Vizcaíno-Palomar et al. 2018c ), а соответствующие метаданные доступны по адресу https://metadata-afs.nancy.inra.fr/geonetwork/srv/eng/catalog.search#/metadata/644682d3-78c6-4fcc-af26-b1a928be7b1b , https://metadata-afs. nancy.inra.fr/geonetwork/srv/eng/catalog.search#/metadata/535b8ad0-9315-4d78-80bd-d0f6cbb9d0ce и https://metadata-afs.nancy.inra.fr/geonetwork/srv/eng/catalog.search#/metadata/4cc0d2f0-00a9-42c8-aa34-fbbc647e3eb9 для P . черная , P . пинастр и P . сосна соответственно.

1 Справочная информация

Понимание того, как виды и популяции деревьев будут вести себя в будущих климатических условиях, стало важным для устойчивого лесопользования. Пластическая реакция и генетическая изменчивость — это два процесса, которые могут генерировать фенотипическую изменчивость внутри видов и, таким образом, помогать популяциям справляться с изменением климата (Больник и др., 2011; Альберто и др., 2013; Бенито Гарсон и др., 2019).). У лесных деревьев генетическое разнообразие обычно связано с долгосрочными адаптивными реакциями, в то время как пластичность влечет за собой более короткие реакции на акклиматизацию (Франкс и Хоффманн, 2012; Чевин и др. , 2013).

Сосны являются ключевыми породами во многих средиземноморских и европейских экосистемах и часто используются для экологического восстановления и в многоцелевых плантациях. Их эволюционная история, экология и предоставляемые ими экосистемные услуги хорошо известны (Tapias et al. 2004; Ruiz-Benito et al. 2012; Fady 2012). Однако понимание их мелкомасштабных моделей местной адаптации и того, как связаны фенотипы и генотипы, остается научной проблемой.

Относительно недавно обычные садовые эксперименты, проводимые с целью выбора наилучшего лесного репродуктивного материала и обеспечения ресурсов для программ селекции, были вновь открыты и теперь повторно проанализированы в качестве экспериментальных планов по изменению климата, см., например, Rehfeldt et al. (2002), Бенито Гарсон и др. (2011), О’Нил и Най (2011), Бенито Гарсон и Фернандес-Манхаррес (2015) и Вискаино-Паломар и др. (2016). Общие сады дают очень ценную информацию для выделения генетической составляющей изменчивости фенотипических признаков, для обнаружения доказательств локальной адаптации и фенотипической пластичности. Из-за этого законного возобновившегося интереса в настоящее время предпринимаются большие усилия по оцифровке, гармонизации и компиляции наборов данных, полученных из обычных садов за пределами страны (например, Robson et al. 2018).

2 Методы

В этом информационном бюллетене мы собираем индивидуальные и географически привязанные данные фенотипических вариаций высоты деревьев трех видов сосны, имеющих большое значение для средиземноморского и европейского лесного хозяйства и управления средой обитания: Pinus nigra Arn., P . пинастр Aiton и P . pinea L. Данные о высоте деревьев были получены в обычных садах, распределенных по ареалам видов, где выращивались различные генетические единицы. Генетические единицы, включенные в эти наборы данных, представляют собой ресурсы дикого типа, названия которых совпадают с названиями местности, из которой они были собраны. В некоторых случаях они соответствуют выявленным семенным насаждениям и занесены в базы данных страны как лесоразмножающий материал. При необходимости их можно найти в информационной системе FOREMATIS Европейского Союза http://ec.europa.eu/forematis/.

В частности, мы собрали данные из 15 P . nigra обычные сады, расположенные во Франции, Германии и Испании и засаженные между 1968 и 2009 годами. Экспериментальный план варьируется в зависимости от обычного сада, от рандомизированного полного блочного дизайна (RCB) до рандомизированного неполного блочного дизайна, RIB, см. Таблица 1. Точно так же количество блоков варьируется от 1 до 70, а в случае с немецкими обычными садами блоки называются X, Y и Z. Общее количество проверенных генетических единиц (здесь происхождение) варьируется от 2 до 48 (табл. 1). В Р . pinaster , данные были собраны из 14 обычных садов, расположенных во Франции, Марокко и Испании, посаженных между 1966 и 1992 годами (таблица 1). Для этого конкретного вида данные были собраны как из тестов происхождения, так и из тестов потомства. В частности, Pavillon и Malgaches являются тестами происхождения, а Saint Alban, Le Bray и La Mole — тестами происхождения потомства. Схема эксперимента зависит от общего сада, будь то RCB или RIB; количество блоков варьируется от 4 до 127, а количество генетических единиц от 10 до 467. Для данных, собранных в ходе тестов потомства, мы собрали только данные, полученные в результате скрещивания между родителями из одного и того же географического происхождения. Наконец, в Р . pinea , данные были собраны из 9 обычных садов, расположенных во Франции и Испании и посаженных между 1993 и 1997 годами (таблица 1). Экспериментальный план представлял собой RIB с 43 блоками до 171, за исключением одного участка с 15 RCB. Количество протестированных генетических единиц (здесь происхождений) варьируется от 26 до 38.

Полноразмерная таблица

Данные о высоте деревьев были измерены на месте с помощью телескопической линейки с точностью до сантиметра, см. https://urgi.versailles.inra.fr/ephesis/ephesis/ontologyportal.do и укажите CO_357:1000037 в кнопку поиска (Steinbach et al. 2013), и в зависимости от обычного сада регистрировалась высота деревьев в разном возрасте. Эти данные всегда собирались блок за блоком, чтобы свести к минимуму временную дисперсию.

Необработанные данные, собранные в обычных садах, были объединены в три набора данных, по одному для каждого вида. Один и тот же процесс создания чистого и готового набора данных повторялся для каждого из них. Во-первых, поскольку измерения высоты деревьев проводились в разные годы, мы создали новую переменную под названием «Возраст» путем вычитания года, когда были сделаны измерения, из года, когда был разбит общий сад. Эта переменная измеряет количество лет, в течение которых отдельное дерево росло в общем саду. Во-вторых, мы создали код для каждого дерева, измеренного в общем саду. Этот код позволяет нам отслеживать высоту каждого отдельного дерева в течение многих лет, и он полезен для оценки вариаций отдельных деревьев. В-третьих, географическая привязка к географическому происхождению различных генетических единиц (возникших либо в тестах происхождения, либо в тестах потомства) и общих садах. Наконец, мы отфильтровали и очистили набор данных, удалив отрицательные и/или отсутствующие значения высоты дерева.

Окончательные размеры каждого набора данных состояли из 194 642 измерений высоты отдельных деревьев для P . nigra с 15 общими садами и 78 различными источниками происхождения, 123 801 измерение высоты отдельных деревьев для P . pinaster с 14 обычными садами и 182 различными генетическими единицами, а также 56 624 измерения высоты отдельных деревьев для P . pinea с 9 общими садами и 55 различными источниками происхождения. На рис. 1 показаны протестированные генетические единицы каждого вида сосны и участки, на которых были заложены общие сады. Мы использовали версию R 3.2.3 (10.12.2015), работающую в операционной системе linux-gnu, для проверки и компиляции данных и файлов. Мы использовали базовые функции, например, слияние, rbind, spTransform, для построения наборов данных.

Три сети общих садов представлены на отдельной карте. Красные треугольники представляют обычные сады, светло-голубые кружки представляют собой генетические единицы, а желтые области представляют естественное распространение видов согласно источнику EUFORGEN (http://www.euforgen.org/). Вверху слева Pinus nigra , вверху справа Pinus pinaster , внизу слева Pinus pinea

Полноразмерное изображение

3 Доступ к описанию данных и метаданных

Три набора данных доступны на ZENODO, пожалуйста, всегда обращайтесь к последней версии, https://doi.org/10.5281/zenodo.3250704 (Vizcaíno-Palomar et al. 2018a), https://doi.org/ 10.5281/zenodo.3250698 (Vizcaino-Palomar et al. 2018b) и https://doi.org/10.5281/zenodo.3250707 (Vizcaino-Palomar et al. 2018c) для P . черная , P . пинастр и P . пинея соответственно.

Записи данных описываются в файлах описания метаданных.

Соответствующие метаданные доступны по адресу https://metadata-afs.nancy.inra.fr/geonetwork/srv/eng/catalog.search#/metadata/644682d3-78c6-4fcc-af26-b1a928be7b1b, https://metadata -afs.nancy.inra.fr/geonetwork/srv/eng/catalog.search#/metadata/535b8ad0-9315-4d78-80bd-d0f6cbb9d0ce и https://metadata-afs.nancy.inra.fr/geonetwork/srv/ eng/catalog.search#/metadata/4cc0d2f0-00a9-42c8-aa34-fbbc647e3eb9 для P . черная , P . пинастр и P . пинея соответственно.

4 Техническая валидация

Сбор данных в полевых условиях соответствовал строгим стандартам высокого качества, таким как пути поблочного измерения для сведения к минимуму отклонений от окружающей среды и времени, а также использование предварительно заполненных регистраторов данных (когда это было возможно) для сопоставьте предыдущие измерения с текущим состоянием каждого дерева. При возвращении в лабораторию систематически использовались проверки качества, такие как вычисление минимальных и максимальных значений, визуализация гистограмм распределения данных и проверка различий между текущими и предыдущими значениями, а ошибочные значения удалялись. Часть этих данных уже успешно использовалась в предыдущих исследованиях (Алиа и др. 19).95; Харфуш и др. 1995 год; Климент и др. 2008 г.; Шехо и др. 2010 г.; Мутке и др. 2010, 2013; Бенито Гарсон и др. 2011 г.; Хубер и Шехо, 2016 г.; Вискайно-Паломар и др. 2016).

5 Возможность повторного использования и ограничения

Повторное использование данных, представленных здесь, очень просто. Файлы данных закодированы в UTF-8; следовательно, потенциальным пользователям просто нужно загрузить данные и указать этот код. Например, пользователям R просто нужно добавить кодировку = «UTF-8» в функцию, используемую для чтения файла. Если пользователи открывают файл в Excel, им необходимо указать источник данных, которым является UTF-8. Как только данные загружены, они готовы к анализу; пользователям не нужно объединять или объединять какие-либо другие файлы. Пользователи обнаружат, что каждая строка содержит данные о высоте отдельного дерева, определяемые набором переменных (всего 19), такие как название и географическое положение обычного сада — проверка происхождения или потомства — (Site_name, Long_S, Lat_S), а также название генетической единицы и географическое положение (Prov_name, Long_P, Lat_P), год посадки, возраст и т. д. Для получения дополнительной информации пользователи могут проверить файлы описания метаданных. Различия между генетическими единицами и участками следует интерпретировать только в контексте окружающей среды испытательных участков, где были собраны данные.

Документы с данными, собирающими общие сады (такие как тесты происхождения), начинают появляться из-за их актуальности для оценки способности лесов справляться с изменением климата, см., например, недавний документ с данными о европейских сетях общих садов бука (Robson et al. 2018). Здесь мы впервые представляем информационный документ, собирающий данные о высоте деревьев из обширной сети общих садов внутри стран и за их пределами, а также для трех видов средиземноморской сосны, охватывающих европейские и африканские ареалы. На самом деле, это мощные наборы данных, расширяющие возможности оценки пластических реакций в условиях больших климатических градиентов, что имеет большое значение в контексте изменения климата; для дальнейшего анализа моделирования, ареалов видов на основе их фенотипической изменчивости и приложений для управления лесным хозяйством, например, программ помощи при миграции.

Ссылки

• Альберто Ф.Дж., Эйткен С.Н., Алия Р. и др. (2013) Потенциал эволюционной реакции на изменение климата – данные популяций деревьев. Глоб Чанг Биол 19: 1645–1661. https://doi.org/10.1111/gcb.12181

  Артикул пабмед ПабМед Центральный Google Scholar

• Alía R, Gil L, Pardos JA (1995) Performance of 43 Pinus pinaster Ait. происхождения в 5 местах в Центральной Испании. Сильве Жене 44: 75–81

  Google Scholar

• Бенито Гарсон М., Фернандес-Манхаррес Х. (2015 г.) Тестирование сценариев вспомогательной миграции лесных деревьев в Европе. Новый для 46:979–994

  Артикул Google Scholar

• Бенито Гарсон М., Алия Р., Робсон Т.М., Завала М.А. (2011) Внутривидовая изменчивость и пластичность влияют на потенциальное распространение видов деревьев в условиях изменения климата. Глоб Экол Биогеогр 20:766–778. https://doi.org/10.1111/j.1466-8238.2010.00646.x

  Артикул Google Scholar

• Бенито Гарсон М., Робсон Т.М., Хампе А. (2019) ΔTraitSDM: модели распространения видов, учитывающие местную адаптацию и фенотипическую пластичность. Новый фитол 222: 1757–1765. https://doi.org/10.1111/nph.15716

  Артикул пабмед Google Scholar

• Болник Д. И., Амарасекаре П., Араужо М.С., Бюргер Р., Левин Дж.М., Новак М., Рудольф В.Х.В., Шрайбер С.Дж., Урбан М.С., Вассер Д.А. (2011) Почему внутривидовая изменчивость признаков имеет значение в экологии сообщества. Тенденции Ecol Evol 26: 183–192

  Артикул Google Scholar

• Чевин Л.М., Коллинз С., Лефевр Ф. (2013) Фенотипическая пластичность и эволюционные демографические реакции на изменение климата: применение теории в полевых условиях. Функция Экол 27: 967–979. https://doi.org/10.1111/j.1365-2435.2012.02043.x

  Артикул Google Scholar

• Климент Дж., Прада М.А., Калама Р., Чамбель М.Р., де Рон Д.С., Алия Р. (2008) Выращивать или сеять: экотипические вариации в репродуктивном распределении и образовании шишек молодыми самками алеппской сосны ( Pinus halepensis , Pinaceae). Am J Bot 95: 833–842. https://doi.org/10.3732/ajb.2007354

  Артикул пабмед Google Scholar

• Fady B (2012) Биогеография нейтральных генов и новейшая история эволюции сосен в Средиземноморском бассейне. Энн для науки 69: 421–428. https://doi.org/10.1007/s13595-012-0219-y

  Артикул Google Scholar

• Франкс С.Дж., Хоффманн А.А. (2012) Генетика адаптации к изменению климата. Annu Rev Genet 46: 185–208. https://doi.org/10.1146/annurev-genet-110711-155511

  Артикул КАС пабмед Google Scholar

• Harfouche A, Baradat P, Durel C, Pommery J (1995) Variabilité intraspecifique chez le pin maritime ( Pinus pinaster Ait.) dans le sud-est de la France. I. Изменчивость автохтонных популяций и популяций ансамбля арии де л’эсспес. Энн для науки 52: 307–328. https://doi.org/10.1051/forest:192

  Артикул Google Scholar

• Huber G, Šeho M (2016) Die Schwarzkiefer – eine Alternative für warm-throckene Regionen. LWF aktuell 110:17–20

  Google Scholar

• Мутке С. , Гордо Дж., Чамбель М.Р., Прада М.А., Альварес Д., Иглесиас С., Гил Л. (2010) Фенотипическая пластичность сильнее, чем адаптивная дифференциация среди мест произрастания средиземноморской кедровой сосны. Для системы 19:354. https://doi.org/10.5424/fs/2010193-9097

  Артикул Google Scholar

• Мутке С., Гордо Дж., Ходжа М., Фади Б. (2013) Низкое генетическое и высокое экологическое разнообразие адаптивных признаков у Pinus pinea по результатам тестов происхождения во Франции и Испании. Опции Méditerranéennes A 105:73–79

  Google Scholar

• O’Neill GA, Nigh G (2011) Связь генетики популяций и моделей роста высоты деревьев для прогнозирования воздействия изменения климата на лесопродукцию. Глоб Чанг Биол 17: 3208–3217. https://doi.org/10.1111/j.1365-2486.2011.02467.x

  Артикул Google Scholar

• Рехфельдт Г. Е., Чебакова Н.М., Парфенова Ю.И., Выкофф В.Р., Кузьмина Н.А., Милютин Л.И. (2002) Внутривидовые реакции на климат у Pinus sylvestris . Глоб Чанг Биол 8: 912–929. https://doi.org/10.1046/j.1365-2486.2002.00516.x

  Артикул Google Scholar

• Robson TM, Benito Garzón M, Beech Консорциум базы данных COSTe52 (2018 г.) Изменчивость фенотипических признаков, измеренная в ходе европейских генетических испытаний Fagus sylvatica L. Sci Data 5:180149. https://doi.org/10.1038/sdata.2018.149

  Артикул пабмед ПабМед Центральный Google Scholar

• Руис-Бенито П., Гомес-Апарисио Л., Завала М.А. (2012) Крупномасштабная оценка регенерации и разнообразия средиземноморских сосновых лесов вдоль экологических градиентов. Divers Distrib 18:1092–1106

  Статья Google Scholar

• Шехо М. , Конле У., Альбрехт А., Ленк Э. (2010) Wachstumsanalysen von vier Schwarzkiefer-Provenienzen auf trockenen Standorten в Баден-Вюртемберге. Allg Forst- und Jagdzeitung 181:104–116

  Google Scholar

• Стейнбах Д., Ало М., Амселем Дж., Шуан Н., Дюран С., Флорес Р., Келиет А.О., Киммель Э., Лапалу Н., Луйтен И., Мишоти С., Мохеллиби Н., Поммье С., Ребу С., Вальденер Д., Верделе D, Quesneville H (2013) GnpIS: информационная система для интеграции генетических и геномных данных растений и грибов. База данных (Оксфорд) 2013: bat058. https://doi.org/10.1093/база данных/bat058

  Артикул КАС Google Scholar

• Тапиас Р., Пардос Дж. А., Гил Л., Климент Дж. (2004) История жизни средиземноморских сосен. Завод Экол 171:53–68

  Артикул Google Scholar

• Вискайно-Паломар Н., Ибаньес И. , Гонсалес-Мартинес С.К., Завала М.А., Алия Р. (2016) Адаптация и пластичность в надземной аллометрической изменчивости четырех видов сосны вдоль градиентов окружающей среды. Экол Эвол 6:7561–7573. https://doi.org/10.1002/ece3.2153

  Артикул пабмед ПабМед Центральный Google Scholar

• Vizcaíno-Palomar N, Benito Garzón M, Alía R, et al (2018a) Географические вариации высоты деревьев Pinus nigra Arn. собранные из общих садов в Европе. V3. ЗЕНОДО. [Набор данных]. https://doi.org/10.5281/ZENODO.3250704

• Вискайно-Паломар Н., Бенито Гарсон М., Алия Р. и др. (2018b) Географические вариации высоты деревьев Pinus pinaster Aiton, собранных в обычных садах Европы и Северной Африки V3. ЗЕНОДО. [Набор данных]. https://doi.org/10.5281/zenodo.3250698

• Vizcaíno-Palomar N, Benito Garzón M, Mutke S, et al (2018c) Географические вариации высоты деревьев Pinus pinea L. , собранных из обычных садов в Европе. V3. ЗЕНОДО. [Набор данных]. https://doi.org/10.5281/ZENODO.3250707

Скачать ссылки

Благодарности

Франция: Мы признательны за неоценимую помощь Ф. Рею (INRA UEFM, Авиньон, Франция), Н. Шевалю, К. Маньену, Л. Морасу, Н. Морриссону, Л. Пюзо. и Л. Северин (INRA UEFL, Бордо, Франция), Ф. Бонн, Т. Поль и В. Русселе (INRA UEFL, Нанси, Франция) за сбор данных во французских садах общего пользования. Эти виды сосен являются одними из многих видов лесных деревьев, управляемых INRA в сети общих садов GEN4X (см. http://www.efpa.inra.fr/Outils-et-Ressources/Systemes-d-experimentation-et-d). -наблюдение/Reseau-GEN4X). Кроме того, мы признательны за неоценимую помощь Unité Expérimental Forêt Pierroton, UEFP, которая произвела материал и посадила, провела и измерила испытания Р . пинастр находится во Франции.

Германия: Мы признательны за помощь Андреасу Цайзеру и Кристофу Зоммеру (Баварское управление посева и посадки) в сборе данных в Германии.

Марокко: Мы благодарим группу по генетическому улучшению лесных деревьев за их помощь и самоотверженное участие на каждом этапе P . пинастр процесс полевых испытаний.

Испания: Мы признательны команде GENFORED; они проводили полевые измерения, постоянно обновляли и очищали базы данных и позволяли поддерживать большую сеть общих садов различных видов деревьев. Аналогично Хавьеру Гордо (Хунта де Кастилия и Леон), Арансазу Прада (Женералитат Валенсиана) и Салустиано Иглесиасу (МАПАМА) за сбор данных в Р . сосны сады обыкновенные.

Финансирование

Мы признательны за финансирование под названием «Инвестиции в будущее»: программа IdEx Bordeaux (Франция), ссылка ANR-10-IDEX-03-02, благодаря тому, что MBG координировала этот документ, а NVP работала над ним. Точно так же мы признаем финансирование от Министерства сельского хозяйства Франции, отвечающего за леса, и его регионального бюро в Монпелье, проекта ANR AMTools (ANR-11-AGRO-0005) и Университета Экс-Марсель (как часть докторской диссертации GG). для французских данных. Точно так же мы признаем поддержку со стороны Министерства сельского хозяйства, рыболовства и окружающей среды Испании (MAPAMA) и региональных правительств Хунта-де-Кастилия-и-Леон и Женералитата Валенсиана посредством соглашений с Политехническим университетом Мадрида (UPM). Кроме того, мы признаем, что Министерство продовольствия, сельского и лесного хозяйства Баварии (StMELF) финансировало данные по Германии. Создание сети Р . pinea обычных садов стало возможным благодаря поддержке, оказанной FAO Silva Mediterranea (http://www.fao.org/forestry/silva-mediterranea/en/). INRA профинансировала создание и обслуживание французской экспериментальной сети общих садов (GEN4X), а также разработку и внедрение информационной системы архивации ее данных GnpIS (https://urgi.versailles.inra.fr/Tools/GnpIS). ). Р . Данные pinea , собранные в будущем, будут заархивированы в GnpIS по адресу: https://urgi.versailles.inra.fr/ephesis/ephesis/viewer. do#dataResults). INIA финансировала испанскую сеть последовательными проектами OT03-002, AT2010-007, AT2013-004 и RTA2013-00011. Наконец, эта публикация является частью проекта, который получил финансирование от исследовательской и инновационной программы Horizon 2020 Европейского Союза в соответствии с соглашением о гранте №. 676876 (GenTree).

Информация об авторах

Авторы и организации

1. BIOGECO, INRA, Univ. Bordeaux, 33615, Pessac, France

   Natalia Vizcaíno-Palomar & Marta Benito Garzón

2. INIA, Forest Research Center & iuFOR UVa-INIA, Ctra La Coruña km 7.5, 28040, Madrid& S Muucardo Avenatke, Испания

   9000 Avenatke

3. INRA Unité de recherches Ecologie des Méditerranéennes, UR629 (URFM), Авиньон, Франция

   Guia Giovannelli & Bruno Fady

4. Bayerisches Staatsministrium für Ernährung, Landwirtschaft und Forsten (STMELF), Ludwigstraße 2, 80539, München, Hermany

   , Hupse 2, 80539, München, Hermany
   , Hupber,

   ,

   ,
   , 9000,
   ,
   ,
   ,

   ,

   ,

   ,

   ,

   ,
   9,

   . Pastuszka & Annie Raffin

5. Centre de Recherche Forestière, Avenue Omar Ibn Al Khattab, BP 763, 10050, Rabat Agdal, Morocco

   Hassan Sbay

6. Bayerisches Amt für forstliche Saat-und Pflanzenzucht, Forstamtsplatz 1, 83317, Тайзендорф, Германия

   Muhidin Šeho

7. INRA Unité expérimentale Entomologie et Forêt Méditerranéenne, UR348 (UEFM), Avignon, France

   Denis Vauthier

Authors

1. Natalia Vizcaíno-Palomar

   View author publications

   You can also search для этого автора в PubMed Google Scholar

2. Marta Benito Garzón

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Академия

3. Рикардо Алия

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

4. Guia Giovannelli

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

5. Gerhard Huber

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

6. Sven Mutke

   Посмотреть публикации автора

   Вы также можете искать этого автора в PubMed Google Scholar

7. Patrick Pastuszka

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

8. Annie Raffin

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

9. Хасан Сбай

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

10. Muhidin Šeho

    Просмотр публикаций автора

    Вы также можете искать этого автора в PubMed Google Scholar

11. Denis Vauthier

    Просмотр публикаций автора

    Вы также можете искать этого автора в PubMed Google Scholar

12. Bruno Fady

    Посмотреть публикации автора

    Вы также можете искать этого автора в PubMed Google Scholar

Contributions

NVP собрала, очистила и проверила данные по трем видам сосен и написала рукопись. MBG координировал сбор данных по трем видам сосен и написал рукопись. RA координировал дизайн исследования и собирал данные P . черный и P . пинастр в Испании. GG собрала и обобщила данные Р . черный во Франции. GH и MS координировали дизайн исследования P . nigra в Германии и собрали данные. SM участвовал в разработке исследования P . pinea в Испании, собраны и проверены данные. PP координировал дизайн исследования P . pinaster во Франции и собрали данные. AR отвечает за сбор данных, проверку и архивирование общих садов Р . пинастр во Франции. HS координировала дизайн исследования P . pinaster в Марокко и собрали данные. DV собрал данные P . pinea обыкновенных садов и позаботился о метаданных и хранении данных для этого вида. BF координировал дизайн исследования P .