Podcasts sur l'histoire

Suivre les migrations humaines à travers… les escargots

Suivre les migrations humaines à travers… les escargots

Comment est-il possible que les escargots en Irlande soient génétiquement identiques aux escargots en France ? Eh bien, ils n'ont probablement pas parcouru des milliers de kilomètres, y compris la mer, par eux-mêmes. Les scientifiques pensent que cela est dû à une migration humaine remontant à 8000 ans.

La similitude du matériel génétique, en plus du fait que ces escargots ne peuvent pas être trouvés en Grande-Bretagne, suggère que leur emplacement est lié à la migration humaine. Un article de recherche publié sur PLOS ONE par Adele J. Grindon et Angus Davinson explique en détail pourquoi cela est possible.

Les escargots de verre des Pyrénées ne sont pas la seule espèce trouvée en Irlande de manière inexpliquée. Il comprend également un arbousier et la limace Kerry. Les échantillons collectés provenaient de France, d'Espagne et d'Italie ainsi que de la côte ouest de l'Irlande. L'ADN a été extrait des échantillons et comparé les uns aux autres, montrant les similitudes dans le matériel génétique de tous les échantillons.

Et tandis que la Grande-Bretagne est la principale origine de la faune irlandaise, dans ce cas, cela ne s'applique pas. L'explication que quelqu'un donnerait est que les escargots ont migré des Pyrénées vers la France, puis vers la Grande-Bretagne, puis vers l'Italie. Cependant, le problème avec cette théorie est que les traces du matériel génétique spécifique ne peuvent pas être trouvées en Grande-Bretagne.

Par conséquent, Davinson suggère que les preuves montrent la possibilité que l'Irlande ait été colonisée plus tôt que la Grande-Bretagne, au moins 7000 ans avant JC, apportant avec elle des escargots d'Europe continentale. Nous savons que les escargots ont été utilisés comme source de nourriture à l'époque préhistorique (jusqu'à 9 000 av. J.-C.) et même élevés pour cette raison, ce qui rend la suggestion plausible.


    Suivre les migrations humaines à travers… les escargots - Histoire

    La migration est l'une des grandes forces de l'histoire. Lorsque les gens se déplacent en grand nombre, ils réorganisent parfois non seulement leur propre vie, mais aussi les lieux qu'ils quittent et les lieux où ils s'installent. Les Américains ont toujours été un peuple en mouvement, venant d'autres endroits, se déplaçant vers de nouveaux endroits. Non seulement la nation attire depuis longtemps des personnes d'autres nations, elle revendique également des taux élevés de migration interne. Ce projet explore un certain nombre de migrations conséquentes - les grandes migrations - qui ont contribué à remodeler la culture, la politique ou les structures économiques. Il comprend cinq unités, chacune contenant des informations détaillées et des cartes, graphiques et données interactifs : (1) le migration des afro-américains du Sud 1900-2000 (2) l'énorme conséquence migrations des Latino-Américains, à la fois d'Amérique latine et des États-Unis (1850-2017) (3) diaspora de blancs du sud aux états du nord et de l'ouest (4) la Migration du bol à poussière en Californie depuis l'Oklahoma et les États voisins dans les années 1930. (5) De plus, nous fournissons histoires de migration pour les cinquante États montrant décennie par décennie de 1850 à 2017 d'où viennent les résidents.

    La plupart de ces documents proviennent de travaux publiés et non publiés de James Gregory, professeur d'histoire à l'Université de Washington.

    Plus de 7 millions d'Afro-Américains ont quitté le Sud au cours du 20e siècle, s'installant principalement dans les grandes villes du Nord et de l'Ouest. Ce faisant, ils ont transformé plus que leur propre vie. Cette Grande Migration a transformé les villes et jeté les bases de reconstructions raciales, politiques et même des équilibres régionaux de la nation. Cette rubrique comprend six cartes et graphiques interactifs et plusieurs essais interprétatifs.

    Plus de 20 millions de Blancs ont quitté le Sud au cours du 20e siècle, dépassant largement les 7 à 8 Afro-Américains qui sont partis. Ils ont été rejoints par près d'un million de Latinx, principalement des Tejanos, qui se sont déplacés vers l'ouest en Californie et vers le nord dans le Midwest. Cette section montre les schémas de migration et explore les impacts de la diaspora du sud. Cette rubrique comprend six cartes et tableaux interactifs ainsi que des essais interprétatifs.

    La relocalisation en Californie de près de 400 000 Oklahomans, Texans, Arkansans et Missouriens pendant la Grande Dépression a été la migration de masse la plus médiatisée de cette décennie. Beaucoup ont été confrontés à des difficultés inattendues, en particulier ceux qui se sont dirigés vers la vallée centrale de la Californie. Leur sort a attiré l'attention des journalistes, des photographes et est devenu le sujet de l'un des romans américains les plus célèbres du siècle, Les raisins de la colère de John Steinbeck. Voici trois cartes interactives ainsi que des comptes détaillés et des sources primaires.

    Les Américains ont toujours été un peuple en mouvement, venant d'autres endroits, se déplaçant vers de nouveaux endroits. Non seulement la nation attire depuis longtemps des personnes d'autres nations, elle revendique également des taux élevés de migration interne. Voici des graphiques et des cartes interactifs qui nous permettent de suivre l'évolution de la population décennie par décennie depuis 1850. Sélectionnez un État et voyez où les gens sont nés, à la fois dans d'autres pays et d'autres États. Nous avons plus de détails sur les États clés, y compris les répartitions raciales, voir les pages séparées pour : Alabama, Arizona, Californie, Colorado, Floride, Illinois, New York, Texas, Virginie, État de Washington.

    Histoire de la migration en Californie 1850-2017

    L'histoire de la Californie est liée à la migration. L'État le plus peuplé de l'Union l'est devenu parce que tant de personnes d'autres États et d'autres terres s'y sont installées. Ce n'est qu'en 2010 que le nombre de Californiens nés dans le pays a dépassé le nombre de ceux qui avaient migré d'ailleurs. Et encore aujourd'hui, la plupart des adultes viennent d'un autre État ou d'un autre pays. La migration a précédé la période de contrôle américain, notamment lorsque l'Espagne a envoyé des soldats et des missionnaires dans la région qu'ils ont nommée Californie. Elle s'est accélérée après la prise de la province mexicaine par les États-Unis et a immédiatement profité de la découverte d'or en 1848 dans les contreforts de la Sierra. [Suite]

    Histoire de la migration en Floride 1850-2017

    Plus que tout autre État du sud, la Floride a constamment attiré de nouveaux arrivants. Aujourd'hui, seulement environ un tiers de la population revendique un lieu de naissance en Floride, les deux tiers viennent d'ailleurs, beaucoup de Cuba et d'Amérique latine, mais en réalité de tous les États et de la plupart des nations. La migration vers la Floride est une vieille histoire. À la fin des années 1800, la Floride s'est développée rapidement alors que les Blancs des États voisins se déplaçaient vers le sud à la recherche de terres à cultiver. [Suite]

    État de l'histoire des migrations de l'Illinois 1880-2017

    L'Illinois, comme d'autres États du Midwest, a connu une croissance démographique rapide grâce à la migration au 19ème siècle et une croissance beaucoup plus lente depuis lors. Avec une population de 851 000 habitants en 1850, l'État doubla son nombre en 1860, doubla à nouveau en 1880 et encore avant 1910. Il a fallu un siècle pour doubler le total de 1910. La migration au 19ème siècle a fortement attiré les États à l'est de l'Illinois, en particulier New York, l'Ohio et la Pennsylvanie. Les immigrants européens d'Allemagne et d'Irlande sont arrivés en grand nombre au cours de la même période. Le recensement de 1880 a montré qu'environ la moitié de la population était originaire de l'extérieur de l'État, l'Allemagne, New York, l'Ohio et l'Irlande étant les principaux contributeurs. [Suite]

    Histoire des migrations de New York 1850-2017

    New York a toujours été l'État porte d'entrée, l'État qui absorbe la plus grande diversité de nouveaux arrivants de l'étranger. En 1850, lorsque pour la première fois le recensement américain a enregistré les lieux de naissance, les principaux lieux de naissance des résidents non nés à New York étaient dans l'ordre : Irlande, Allemagne, Angleterre, Connecticut, Massachusetts, Vermont, New Jersey et Canada, avec une douzaine d'autres pays. plus bas dans la liste. [Suite]

    Histoire des migrations du Texas 1850-2017

    Le Texas a été un aimant à migration tout au long de son histoire, ce qui explique le record de croissance qui en fait désormais le deuxième État le plus peuplé après la Californie. La migration, pour la plupart illégale, en provenance du Tennessee, de l'Alabama et du Mississippi a alimenté la rébellion qui a lutté la province contre le Mexique en 1836. Dans les décennies qui ont suivi, un nombre énorme de sudistes se sont déplacés vers l'ouest pour étendre la ceinture cotonnière, dont beaucoup ont été réduits en esclavage. [Suite]

    Histoire des migrations à Washington 1850-2017

    Washington reste aujourd'hui un État où la plupart des habitants venaient d'ailleurs, d'un autre État ou d'un autre pays. Occupée par les Américains depuis les années 1840, sa population a augmenté lentement jusqu'à ce qu'elle devienne un État en 1889, puis a augmenté après la découverte d'or en Alaska et au Yukon en 1896. L'agriculture, le bois et la pêche ont attiré de nouveaux arrivants du haut Midwest et d'Europe du Nord, ainsi que un plus petit nombre de chinois et de japonais. [Suite]

    Histoire de la migration de l'Arizona 1850-2017

    L'Arizona reste aujourd'hui un État où la plupart des résidents venaient d'ailleurs, que ce soit un autre État ou un autre pays. C'est aussi un état où d'importantes parcelles de terre restent la propriété des nations autochtones - Navaho, Yuma, Pima, Apache, Pueblo, Papago et Zuni. Les États-Unis se sont emparés de la région lors de la guerre contre le Mexique en 1846, mais peu d'Américains ont trouvé une raison de s'y installer jusqu'à ce que les gisements d'argent et de cuivre amènent des mineurs à partir de la fin des années 1870. Une population de moins de 10 000 habitants en 1870 est passée à 122 000 en 1900. Les Blancs représentaient moins de la moitié de la population du début du siècle. Un tiers étaient des Mexicains de souche, nés soit dans le Sud-Ouest soit au Mexique. Les peuples autochtones représentaient plus de 20 pour cent des personnes dénombrées dans le recensement de 1900. [Suite]

    Histoire des migrations du Colorado 1850-2017

    Le Colorado reste aujourd'hui un état où la plupart des résidents venaient d'ailleurs, que ce soit un autre état ou un autre pays. Cheyenne, Shoshone, Arapahoe, Ute et d'autres nations indigènes ont commandé la région jusqu'en 1848 lorsque les États-Unis s'en sont emparés dans leur guerre contre le Mexique. La découverte d'or près de Pike's Peak en 1857 a déclenché le premier afflux important de nouveaux arrivants, principalement des Blancs des États du Midwest et du Nord-Est. [Suite]

    Histoire de la migration en Virginie 1850-2017

    Jusqu'à la Seconde Guerre mondiale, la Virginie partageait les schémas démographiques et migratoires communs aux États du sud-est. L'État a attiré peu de nouveaux arrivants en dehors de ceux qui se déplacent sur de courtes distances à travers les frontières des États contigus. L'augmentation naturelle chez les Afro-Américains et les Virginiens blancs a entraîné des gains de population tandis que l'émigration dépassait toutes les voies d'immigration. La Seconde Guerre mondiale a apporté des installations militaires et des industries de défense qui ont commencé à remodeler l'économie,[En savoir plus]

    Histoire des migrations en Alabama 1850-2017

    L'Alabama était une zone de remplacement de la population au début du XIXe siècle alors que les peuples Choctaw, Creek, Chickisaw et Cherokee ont été chassés vers l'ouest et leurs terres ont été vendues à des planteurs blancs de Géorgie, de Caroline du Sud et du Nord, du Tennessee et de Virginie déterminés à développer le coton. Royaume. Des esclaves d'ascendance africaine ont fait le travail et représentaient 45 pour cent de la population de l'Alabama à la veille de la guerre civile. La liberté a tourné l'Alabama dans une direction différente. Pendant le siècle suivant, jusqu'aux années 1960, peu de personnes ont emménagé dans l'État et la population a augmenté lentement, en grande partie dépendant de «l'accroissement naturel», un euphémisme étrange pour le travail des mères. [Suite]


    Comment lire un Y

    La plupart des chromosomes dans la cellule sont présents en deux copies, ce qui leur permet d'échanger du matériel génétique. Au fil du temps, cet échange va mélanger les mutations qui se produisent sur le chromosome, rendant leur histoire difficile à démêler.

    Le chromosome Y est différent en ce que les mâles n'ont qu'une seule copie, et la plupart ne subit aucun brassage génétique (une petite région peut se recombiner avec le chromosome X). En conséquence, toutes les mutations qui se produisent sur un seul chromosome Y seront toujours héritées ensemble. Cela rend le Y idéal pour reconstruire l'histoire.

    Disons que, au plus profond de notre passé, une mutation que nous appelons A s'est produite et s'est progressivement étendue dans la population. Plus tard, l'un des descendants qui portait A a subi une deuxième mutation, B, qui s'est également un peu étendue. Si nous avons séquencé une population de 100 aujourd'hui, nous pourrions voir 50 personnes qui portent A et 30 qui portent B. Mais chaque personne avec B porterait également A. Cette idée nous permet de déduire l'ordre dans lequel ces changements se sont produits et, étant donné le taux moyen d'apparition des mutations, leur timing.

    Maintenant, superposez un peu d'histoire à cela. Si A s'est produit après la migration des humains hors d'Afrique, il pourrait être répandu dans les populations ailleurs dans le monde. Mais si B s'est produit plus tard, après d'autres migrations, il pourrait n'apparaître que dans une région spécifique, par exemple l'Australie. Ainsi, nous pouvons non seulement en savoir plus sur le moment des différentes mutations, mais nous pouvons souvent déterminer où elles ont dû se produire.

    Mais attendez, il y a plus. Si une population est relativement stable, il n'y aura pas beaucoup de changement dans le nombre de mutations - pour chaque nouvelle qui apparaît, une autre est susceptible de disparaître. Mais lorsqu'une population est en expansion, de nouvelles mutations sont plus susceptibles d'être conservées et d'apparaître dans les lignées modernes. Lors de la création d'un arbre généalogique du chromosome Y, ce processus apparaîtra comme une explosion soudaine de branches en peu de temps.


    Les escargots révèlent d'anciennes migrations humaines

    Dans les deux endroits, les escargots ont de grandes coquilles aux lèvres blanches. Et, selon les nouveaux travaux, les deux groupes partagent également des marqueurs génétiques extrêmement rares ailleurs en Europe.

    Avec d'autres preuves, les découvertes offrent une nouvelle fenêtre sur les anciennes migrations humaines.

    "Il est intéressant d'utiliser la génétique des escargots pour découvrir comment les escargots colonisent, et cela nous donne peut-être aussi un petit aperçu de ce que les humains faisaient aussi", a déclaré Angus Davison, généticien évolutionniste à l'Université de Nottingham au Royaume-Uni.

    "Une chose vraiment intéressante à propos de cette étude est que, si nous acceptons que les humains ont transporté des escargots, cela nous donne vraiment un aperçu unique d'un voyage individuel il y a 8 000 ans, et cela nous en donne la preuve à partir d'une source que vous n'imaginez peut-être pas. "

    Depuis plus de 150 ans, les biologistes s'interrogent sur un mystère irlandais : un certain nombre d'espèces sauvages qui vivent en Irlande sont absentes du reste de la Grande-Bretagne, mais se trouvent dans la péninsule ibérique, la péninsule qui comprend l'Espagne moderne, le Portugal et certaines parties de La France.

    Les recherches sur cette soi-disant "question irlandaise" n'ont pas réussi à produire une seule théorie expliquant comment et quand diverses espèces ont parcouru des centaines de kilomètres d'un endroit à l'autre.

    Pour voir s'ils pouvaient apporter une nouvelle compréhension à la question irlandaise, Davison et sa collègue Adele Grindon se sont concentrés sur un escargot à l'aspect distinctif qui avait les mêmes coquilles d'un pouce de long aux deux endroits. Selon des preuves fossiles, les escargots sont apparus pour la première fois en Irlande il y a environ 8 000 ans. Les mollusques avaient vécu dans le sud de l'Europe pendant des dizaines de milliers d'années auparavant.

    Tout d'abord, les chercheurs ont enrôlé des volontaires pour aider à collecter près de 900 escargots dans les deux parties de son aire de répartition. Ensuite, ils ont extrait l'ADN mitochondrial, qui est transmis directement de la mère à la progéniture, et ils ont examiné des zones spécifiques du génome connues pour varier d'une espèce d'escargot à l'autre.

    Le matériel génétique qu'ils ont analysé était essentiellement identique entre les deux groupes régionaux, rapportent les chercheurs aujourd'hui dans la revue PLOS ONE. L'équipe a également été surprise de découvrir qu'elle pouvait retracer la population irlandaise d'escargots directement à une population dans une région spécifique des Pyrénées. L'espèce ne vit nulle part entre les deux.

    Les résultats s'opposent à un déplacement progressif d'un endroit à un autre, a déclaré Davison, et suggèrent plutôt que les escargots ont migré d'Espagne vers l'Irlande en une seule étape. Il pense qu'il est peu probable que des oiseaux aient transporté les mollusques, en partie parce qu'il n'y a aucun oiseau connu qui migre le long de cette route qui aurait été assez grand pour transporter les escargots.

    Plus probablement, soupçonne Davison, les gens ont apporté les escargots avec eux au fur et à mesure qu'ils se déplaçaient. Les peuples anciens ont peut-être apporté intentionnellement les escargots comme source de nourriture pendant le voyage. Alternativement, les escargots peuvent avoir fait du stop dans le fourrage herbeux emballé pour d'autres animaux.

    Au début des années 2000, certaines études ont proposé un lien entre l'Irlande et les Pyrénées, mais ces études se sont ensuite révélées trop petites et imparfaites pour être convaincantes, a déclaré Allan McDevitt, généticien à l'University College Dublin, spécialisé dans les questions de colonisation. d'Irlande. La nouvelle recherche est beaucoup plus robuste.

    "Je pense que cette étude est importante dans la mesure où elle montre de manière concluante qu'il existe un lien avec l'Espagne basé sur cet escargot", a déclaré McDevitt. "C'est la preuve la plus définitive à ce jour qu'il s'agit en fait d'une migration très réelle qui se produisait."

    On ne sait toujours pas comment les gens ont fait le voyage. Au moins une partie du voyage aurait été par mer, car l'Irlande était séparée du continent il y a 15 000 ans. Mais les preuves de bateaux primitifs ressemblant à des canots restent rares. L'utilisation de nouveaux outils génétiques pour enquêter sur des créatures improbables peut être la clé pour découvrir une meilleure compréhension du passé.

    "L'Irlande a toujours été un sujet très controversé, à la fois dans la façon dont les gens l'ont atteint là-bas et comment les animaux l'ont atteint là-bas", a déclaré McDevitt. "Nous trouvons beaucoup de choses en regardant de petits animaux. En fait, ils nous en disent beaucoup sur la façon dont les humains se déplaçaient."
    __________________________
    Les références:


    Résultats

    Estimation des taux de coalescence par paires avec MSMC2 et ajustement d'un modèle IM

    Pour modéliser la relation ancestrale entre une paire de populations, nous avons développé un modèle d'isolement-migration avec un taux de migration dépendant du temps entre une paire de populations, que nous appelons MSMC-IM. L'approche nécessite des estimations en fonction du temps des taux de coalescence par paires au sein et entre deux populations. Pour estimer ces taux, nous utilisons une extension de MSMC [4], appelée MSMC2, qui a été introduite pour la première fois par Malaspinas et al. 2016 [13] (Fig 1A, Méthodes). MSMC2 offre deux avantages clés par rapport à MSMC [4]. Premièrement, le modèle de coalescence par paires dans MSMC2 est exact dans le cadre SMC [2], alors que le modèle de MSMC utilise des approximations qui provoquent des biais dans les estimations de taux pour un plus grand nombre d'haplotypes (S1 Fig). Deuxièmement, étant donné que MSMC2 utilise la distribution tMRCA par paire au lieu de la première distribution tMRCA, il estime les taux de coalescence dans toute la gamme des événements de coalescence entre plusieurs haplotypes, ce qui augmente finalement la résolution non seulement ces derniers temps, mais aussi dans le passé lointain. Ces deux améliorations sont cruciales pour notre nouvelle méthode MSMC-IM, qui repose sur des estimations de taux de coalescence non biaisées au sein et entre les populations, en particulier dans le passé lointain. Plus précisément, MSMC2 récupère des historiques de taille de population simulés (avec des paramètres de type humain) jusqu'à il y a 3 millions d'années, tout en conservant la même haute résolution ces derniers temps que MSMC (S1 Fig).

    (A) MSMC2 analyse les modèles de mutations entre les paires d'haplotypes pour estimer les temps de coalescence locaux le long du génome. (B) MSMC-IM adapte un modèle d'isolement-migration aux estimations du taux de coalescence par paires, avec des tailles de population et un taux de migration dépendant du temps. (C) En conséquence, nous obtenons le taux de migration au cours du temps, m(t), et la probabilité de migration cumulée, M(t), qui dénote la probabilité pour les lignées d'avoir fusionné au moment t et que nous utilisons pour estimer les fractions d'ascendance contribuées par des lignées divergeant plus profondément que le temps t.

    Compte tenu des estimations de MSMC2 des taux de coalescence dépendant du temps au sein des populations, ??11(t) et ??22(t), et à travers les populations, ??12(t), nous utilisons MSMC-IM pour adapter un modèle d'isolement-migration (IM) à ces trois taux de coalescence (voir Méthodes). Le modèle de MSMC-IM suppose deux populations, chacune avec sa propre taille de population N1(t) et N2(t), et un taux de migration symétrique constant par morceaux m(t) entre les deux populations (Fig 1B, voir Méthodes et Texte S1 pour plus de détails). Exprimer l'historique de séparation entre deux populations en termes de taux de migration variable au lieu du taux de coalescence croisée relatif plus heuristique facilite l'interprétation, tout en conservant la liberté d'analyser les données sans avoir à spécifier un modèle explicite de scission et de flux de gènes ultérieur. Parmi les nouveaux paramètres, le taux de migration dépendant du temps m(t) est sans doute le plus intéressant, et il peut être visualisé de deux manières (Fig 1C). Premièrement, les taux eux-mêmes à travers le temps visualisent le calendrier et la dynamique des processus de séparation, et deuxièmement, la probabilité de migration cumulée M(t) défini comme pouvant être compris comme la proportion d'ascendance qui a déjà fusionné à un moment donné t, et qui permet de quantifier des proportions de flux de gènes ou d'ascendance archaïque à travers le temps, comme illustré ci-dessous. Étant par définition monotone croissante et bornée entre 0 et 1, M(t) s'avère également être numériquement proche du taux de coalescence croisée relatif de MSMC [4]. Lorsque M(t) devient très proche de 1, cela signifie que les lignées entre les deux populations existantes se sont complètement mélangées en une seule population. À titre de mise en garde technique, cela signifie qu'à ce stade, notre modèle à trois paramètres est surspécifié. Pour éviter le surapprentissage, nous avons donc recours à la régularisation sur m(t) et la différence des deux tailles de population (voir Méthodes).

    Évaluation de MSMC-IM avec des données simulées

    Nous illustrons MSMC-IM en l'appliquant à plusieurs séries de scénarios simulés de séparation de population (voir Méthodes). Premièrement le propre-split Le scénario consiste en une population ancestrale qui se divise en deux sous-populations au temps T (Fig 2A). Deuxièmement, le scission-avec-migration scénario ajoute une phase supplémentaire de flux de gènes bidirectionnel entre les populations après leur division (Fig 2B). Troisièmement, le fractionné-avec-mélange-archaïque le scénario n'implique aucun flux de gènes post-split, mais contient un mélange supplémentaire dans l'une des deux populations existantes d'une population "fantôme" non échantillonnée, qui se sépare de la population ancestrale (Fig 2C) à un moment donné Tune>T. De plus, pour comprendre comment MSMC-IM se comporte sous des histoires démographiques asymétriques dans les deux populations, nous considérons le mélange-archaïque-avec-goulot d'étranglement-scénario (voir Fig 2D). Pour chaque scénario, nous avons simulé 8 haplotypes (quatre de chaque population), utilisé des paramètres évolutifs de type humain et varié un paramètre clé pour créer une série de scénarios associés (voir Méthodes). Comme discuté plus loin ci-dessous, pour tester la cohérence interne, nous avons confirmé que MSMC-IM est capable de déduire son propre modèle, en utilisant des simulations basées sur certaines des inférences génomiques effectuées ci-dessous.

    (UNE) Clean-split scénario : deux populations de taille constante 20 000 chacune ont divergé au temps intermédiaire T dans le passé, variant de 15kya à 150kya. (B) Fractionnement avec migration scénario. Similaire à A), avec T variant entre 15-150kya, et une période post-split de migration symétrique (équivalant à un taux de migration total de 0,5 dans les deux sens) entre 10 et 15kya. (C) Split-avec-mélange-archaïque scénario : Similaire à A), avec T = 75kya, et la population 1 reçoit une impulsion de mélange à 30kya d'une population non échantillonnée qui se sépare de la population ancestrale il y a 1 million d'années. Le taux de mélange varie de 0 % à 20 %. (RÉ) Divisé avec mélange archaïque et goulot d'étranglement scénario : similaire à C), mais avec un goulot d'étranglement de population supplémentaire avec un facteur 30 dans la population 1 entre 40 et 60 kya. Les lignes rouges continues indiquent les temps intermédiaires dans tous les panneaux. Dans toutes les parcelles, l'ombrage bleu bleu clair indique l'intervalle entre 1 et 99 % de la probabilité de migration cumulée, l'ombrage bleu foncé de 25 à 75 % et la ligne verticale en pointillés noirs indique la médiane.

    Dans le propre-split scénario, nous constatons que le taux de migration inféré de MSMC-IM m(t) affiche une seule impulsion de migration autour du temps intermédiaire simulé T (figure 2A). Ceci est attendu, puisque dans notre paramétrisation, une division de population correspond à une migration instantanée de lignées en une population à la fois T, entraînant ainsi une seule impulsion de migration. Dans le scission-avec-migration série, nous en attendons deux au lieu d'une impulsion de migration : une à la fois T, comme ci-dessus, et un deuxième plus récent au moment de la migration post-split. Dans les cas où le temps intermédiaire et la phase de migration sont séparés de plus de 20 000 ans environ, c'est bien ce que nous voyons (Fig 2B), bien qu'avec un peu de bruit autour de ce schéma de base. Pour moins de temps de séparation des deux impulsions de migration, MSMC-IM n'est pas en mesure de les séparer dans ce scénario.

    On retrouve également deux phases de migration pour les fractionné-avec-mélange-archaïque scénario, mais cette fois avec une phase dans le temps T, et un autre au moment de la divergence de la population archaïque Tune (figure 2C). Pour comprendre cela, considérez comment les lignées des deux populations existantes se confondent (Fig 3B). Une fraction 1-ɑ fusionneront les uns avec les autres au temps intermédiaire de la population T, comme dans le propre-split scénario. L'autre fraction, ??, ne fusionnera qu'au moment de la profonde divergence de la lignée archaïque. Ces deux événements de fusion correspondent aux deux impulsions que nous observons sur la figure 2C-une à T et l'autre au moment de la divergence avec la population archaïque, Tune. Notez que contrairement à ce qui précède scission-avec-migration cas, ici il n'y a pas de signal au moment de l'introgression, mais seulement aux deux temps intermédiaires. Déduire ces deux impulsions de migration en présence d'un mélange archaïque est robuste aux événements démographiques, comme nous le montrons avec le mélange-archaïque-avec-goulot d'étranglement scénario (Fig 2D), dans lequel nous avons introduit un goulot d'étranglement dans l'une des deux branches de population existantes, similaire en force à celui observé dans les populations non africaines il y a environ 60 000 ans (kya) [4]. On constate cependant qu'en présence d'un goulot d'étranglement la seconde impulsion est un peu plus récente que prévu (ici il y a 1 million d'années).

    (A) La probabilité de migration cumulée M(t) est montré pour des scénarios de simulation sélectionnés décrits dans les figures 2B, 2C et 2D. Plateaux de M(t) indiquent des périodes d'isolement, le niveau du plateau indiquant combien d'ascendance a fusionné auparavant. (B) Cohésion schématique dans le Split-avec-mélange-archaïque scénario. Dans ce scénario, une fraction 1-α des lignées échantillonnées à partir des deux populations existantes fusionnent au moment T, et le reste, de proportion ?? fusionne comme le temps Tune. (C) Pour le fractionné-avec-mélange-archaïque scénarios (avec et sans goulot d'étranglement), on peut utiliser le niveau du plateau dans M(t) estimer 1-α, Et ainsi ??. Le niveau du plateau est mesuré au temps t = 300kya.

    Nous pouvons analyser ces multiples phases de migration de manière plus quantitative, en utilisant la probabilité de migration cumulée, M(t), comme présenté ci-dessus. M(t) augmente de manière monotone de 0 à 1 dans tous les scénarios, présentant des plateaux avec un gradient zéro aux moments de non migration, et des gradients positifs dans les périodes de migration (Fig 3A et S2 Fig). Le niveau de ces plateaux indique à quel point l'ascendance a déjà fusionné à ce moment-là. Considérez d'abord le scission-avec-migration série (Fig 3A panneau supérieur), pour laquelle M(t) présente un plateau entre les deux impulsions de migration, à un niveau qui correspond à la quantité d'ascendance qui a fusionné à travers l'événement de migration. Pour ce scénario, sur la base du taux de migration post-partition simulé entre les deux populations, nous nous attendons à ce que ce plateau se situe autour de 0,64 (suivant le calcul de la formule (64) dans le texte S1). Nous trouvons qu'il est plus élevé que cela, autour de 0,75, ce que nous discutons plus loin. Considérons maintenant un scénario avec un mélange archaïque (Figs 2C, 2D et 3A panneaux du milieu et du bas). Au moment T, à laquelle les deux populations existantes se confondent, la probabilité de migration cumulée atteint un plateau à un niveau d'environ 1-ɑ, reflétant le fait qu'une proportion ?? n'a pas encore fusionné au point T, mais est séparé par une branche de population profondément divergente. Seulement à l'heure Tune, cette branche elle-même se fond dans le tronc des populations existantes, augmentant ainsi M(t) de 1-ɑ jusqu'à 1. Sur la base de cette justification, nous pouvons utiliser des plateaux visibles dans M(t) pour estimer des fractions d'ascendance archaïque ou autrement profonde. En effet, cette justification conduit à des estimations des proportions de mélange archaïque dans nos simulations qui sont précises et robustes aux goulots d'étranglement pour les taux de ?? jusqu'à environ 20 %. Pour des taux d'introgression plus importants, nous trouvons que nos estimations sont légèrement sous-estimées. Nous attribuons cela à la tendance de MSMC à « dépasser » les changements dans les taux de coalescence, comme on peut le voir dans les taux de coalescence croisée relatifs pour des valeurs plus élevées d'alpha (S2C et S2D Fig), ce qui provoque le niveau du plateau dans M(t) être supérieur à 1-ɑ, et donc ɑ à sous-estimer. C'est aussi la raison de la surestimation évoquée plus haut du plateau dans le scission-avec-migration scénario (figure 3A panneau supérieur). Cet effet est plus sévère en présence d'un goulot d'étranglement (Fig 3C, courbe bleue) que sans goulot d'étranglement. Mais surtout, nous ne trouvons aucune preuve que M(t) présente des plateaux inférieurs à 1 en l'absence de véritable ascendance profonde, de sorte que cette méthode peut être considérée comme prudente pour détecter une ascendance profonde.

    MSMC-IM s'adapte également aux tailles de population, qui peuvent être comparées aux estimations brutes de MSMC, c'est-à-dire aux taux de coalescence inverse au sein des populations 1 et 2, respectivement (voir le texte S1 pour quelques détails non triviaux sur cette comparaison). Nous constatons que les estimations pour N1(t) et N2(t) sont en fait proches des taux de coalescence inverse, avec quelques écarts observés dans les temps profonds, et dans les cas de mélange archaïque. Ce dernier est attendu, étant donné que les taux de coalescence estimés de MSMC2 capturent à la fois les changements de taille de population et les processus de migration, tandis que dans MSMC-IM, ces deux effets sont séparés (S3 Fig).

    Ancêtre profond en Afrique

    Nous avons appliqué notre modèle à 30 génomes à couverture élevée de 15 populations mondiales de l'ensemble de données SGDP [12] (tableau S1) pour analyser les processus de divergence globale dans le passé humain (Figs 4-6). Lors de l'analyse des profils de taux de migration par paires résultants, nous constatons que plusieurs paires de populations impliquant des populations africaines présentent de loin la structure de population la plus ancienne observée dans toutes les analyses par paires. Nous constatons que dans toutes les paires de populations impliquant San ou Mbuti, le principal processus de séparation des autres populations remonte à entre 60 et 400 kya, selon la paire exacte de populations (voir ci-dessous), mais avec de petites quantités remontant à plus d'un million d'années. il y a, comme le montrent les taux de migration non nuls à cette époque (Fig 4A, S4 Fig), et la probabilité de migration cumulée, M(t), (Fig 4B) qui n'a pas complètement atteint 1 jusqu'à au-delà d'un million d'années. Suite à l'interprétation de M(t) comme discuté ci-dessus avec le scénario de simulation de mélange archaïque, nous pouvons en déduire que dans les paires impliquant San ou Mbuti, au moins environ 1% de l'ascendance peut être attribuée à des lignées d'ascendance qui ont divergé de la principale lignée humaine il y a plus d'un million d'années ( voir également la figure 7, discutée plus loin). Le profil de séparation génétique par paires impliquant Mbuti et San n'est, au-delà de la profondeur temporelle extraordinaire, pas compatible avec des divisions de population nettes (comme on le voit dans les simulations, figure 2A) ou de simples scénarios de mélange archaïque, mais montre plutôt des preuves de périodes multiples ou continues de flux de gènes entre les populations (non échantillonnées). Entre les Mbuti et les autres populations africaines à l'exception des San, nous trouvons trois phases distinctes de flux génétique. Le premier culmine vers 15kya, compatible avec un brassage relativement récent entre Mbuti et d'autres populations africaines. La deuxième phase s'étend de 60 à 300 kya, reflétant le principal processus de séparation génétique, qui lui-même semble complexe et présente deux pics il y a environ 80 à 200 kya il y a mille ans. The third and final phase, including a few percent of lineages from around 600kya to 2 million years ago, likely reflects admixture between populations that diverged from each other at least 600kya. In pairs that include San, the onset of gene flow with other populations is more ancient than with Mbuti, beginning at around 40kya and spanning until around 400kya in the main phase, and then exhibiting a similarly deep phase as seen in Mbuti between 600kya and 2 million years ago. We confirm that this deep divergence is robust to phasing strategy (see below) and filtering (see Methods). We also replicated this signal using an independent dataset [14] (S5 Fig). An exception to these signals seen with San and Mbuti are pairs involving Karitiana, which do not exhibit such deep divergence. This is likely due to the strong genetic drift present in Karitiana, and the low heterozygosity in that population [12], which may shadow deep signals.

    (A) Migration rates. Dashed lines indicate the time point where 50% of ancestry has merged, and shading indicates the 1%, 25%, 75% and 99% percentiles of the cumulative migration probability (see Fig 2). (B) Cumulative migration probabilities M(t). Dashed lines indicate the relative cross coalescence rate obtained from MSMC2, for comparison. See S4 Fig for the full set of figures.

    (A) Migration rates. Dashed lines indicate the time point where 50% of ancestry has merged, and shading indicates the 1%, 25%, 75% and 99% percentiles of the cumulative migration probability (see Fig 2). (B) Cumulative migration probabilities M(t). Dashed lines indicate the relative cross coalescence rate obtained from MSMC2. See S4 Fig for the full set of figures.

    (A) Migration rates. Dashed lines indicate the time point where 50% of ancestry has merged, and shading indicates the 1%, 25%, 75% and 99% percentiles of the cumulative migration probability (see panel B). (B) Cumulative migration probabilities M(t). Dashed lines indicate the relative cross coalescence rate obtained from MSMC2. See S4 Fig for the full set of figures.

    (A) Boxes show the 25% to 75% quantiles of the cumulative migration probability M(t), with bi-directional elongated error bars representing 1% and 99% percentiles. Colorcode: Red for African/African, blue for African/Non-African and orange for Non-African/Non-African pairs. (B) Barchart showing the amount of ancestry due to lineages older than 300, 600, 800kya and 1 million years ago, based on the cumulative migration probability M(t).

    Apart from the deep structure seen with Mbuti and San, we find the second-most deep divergences between the West African Yoruba, Mandenka and Mende on the one hand, and French on the other (Fig 5A, S4 Fig, Fig 7 discussed further below), based on the time when M(t) reaches 99%. This might be consistent with recent findings of archaic ancestry in West-Africans [15,16], although it is not clear why the signal is primarily seen with French, and less consistently with Asian populations (Yoruba/Han have deep divergences, as well as Mende/Dai and Mandenka/Dai, but not other West-African/Asian combinations). Finally, pairwise analyses among Mende, Mandenka and Yoruba (Fig 4A, S4C, S4E and S4F Fig) exhibit a very recent migration profile, which appears to span up to about 20kya but not older, which is at odds with a recent finding of basal African ancestry present to different degrees in Mende and Yoruba [17]. However, that signal may be too weak to be detected in our method, which is based on only two individuals per population.

    Complex divergence between African and Non-African populations

    Compared to the separation profiles between San or Mbuti and other populations, separations between other Africans and non-Africans look relatively similar to each other, with a main separation phase between 40 and 150kya, and a separate peak between 400 and 600kya (Fig 5 and S4 Fig). The first, more recent, phase plausibly reflects the main separation of Non-African lineages from African lineages predating the “out-of-Africa” migration event, and coinciding with the major population size bottleneck observed here (S6 Fig) and previously [3,4] around that time period. Signals more recent than about 60kya likely reflect the typical noisy spread of MSMC-estimated coalescence rate changes observed previously [4]. The second peak of migration, between 400 and 600kya likely reflects Neandertal and/or Denisovan introgression into non-Africans. The age of that peak appears slightly more recent than, although overlapping with, previous split time estimates of those two Archaic groups from the main human lineage at 550-765kya [14]. However, our simulation with archaic admixture with bottleneck (Fig 2D), shows that our model tends to underestimate the archaic split time in the presence of population bottlenecks as is the case for non-African populations [18–20]. In favor of the hypothesis that this second peak is caused by archaic lineages that have contributed to non-Africans is the fact that in all pairs of Papuans/Australians vs. Yoruba/Mende/Mandenka or Dinka, the second peak is particularly pronounced. This fits the archaic contribution hypothesis, since Papuans and Australians are known to have among all extant human populations the highest total amount of ancestry related to Neanderthals and Denisovans.

    We investigated previous observations of potential ancestry from an earlier dispersal out of Africa, present in Papuan and Australian genomes [12,13,21]. Previously, one line of evidence for such a signal was based on shifts of relative cross coalescence rate curves between some Africans and Papuans or Australians on the one hand compared to curves with Europeans or East Asians on the other. With MSMC-IM we can compare these curves more quantitatively. While we were able to replicate this slight shift of relative cross coalescence rate or M(t) midpoint-based split times from African/Eurasian pairs to African/Australasian pairs reported in Ref. [21] using MSMC and Ref. [13] using MSMC2, we find that the estimated migration profiles of these pairs are very similar (S7 Fig), with a main separation midpoint around 70kya and a second older signal beyond 200kya, consistent with both Australasians and other Non-Africans being derived from a single genetic ancestral population without a more basal contribution to Australasians [12,13]. We conclude that the shift in the relative cross coalescence rate curve appears to be consistent with being caused by the higher amount of archaic ancestry present in Papuans and Australians. We note, however, that different separation events are not distinguishable in MSMC-IM when they are temporally close to each other, as we saw in the split-with-migration-scenario (Fig 2B).

    Separations outside of Africa

    All separations outside of Africa are younger than separations between Africans and Non-Africans, as expected (Fig 6, S4 Fig). The deepest splits outside of Africa are seen in pairs of Papuans or Australians with other Eurasians, in which the first peak of migration is seen at 34kya, corresponding to the early separation of these populations’ ancestors from other non-African populations after the out of Africa dispersal. In these pairs we see a second peak around 300kya, likely corresponding to the known Denisovan admixture in Papuans and Australians [13,22]. This is too recent for divergence time estimates between Denisovans and modern humans [14], which again is consistent with the underestimate seen in simulations with bottlenecks. Surprisingly, we see a similar second peak between French and Han, which is consistent with cross-coalescence rate features in previous observations [4,12] but of unclear cause. Consistent with the hypothesis that the second peak seen in Australasian/Eurasian pairs corresponds to Denisovan admixture, we do not see a second peak in the migration profile between Papuans and Australians, confirming that the gene flow likely occurred into the common ancestor of Australians and Papuans [13]. The migration profile between Papuans and Australians shows a main separation between 15-35kya.

    The second deepest splits in Non-African populations are seen between East Asian and European populations, which occur mostly between 20 and 60kya (cumulative migration probability midpoint at 34kya), followed by separations between Asian and Native American populations, between 20 and 40kya (midpoint at 28kya). The latter likely also reflects Ancestral North Eurasian ancestry in Native Americans [23], which is more closely related to Europeans than to East Asians, thereby pushing back the separation seen between East Asians and Native Americans. Finally, the most recent splits are seen between populations from the same continent: Dai/Han split around 9-15kya (midpoint 11kya), French/Sardinian around 7-13kya (midpoint 9kya) and within Native Americans around 7-13kya (midpoint 10kya) (Fig 6, S4 Fig).

    To visualize the depth of ancestry in each population pair, we summarized all pairwise analyses by percentiles of the cumulative migration probability M(t) (Fig 7). Largely, Non-African pairs (orange) have their main separation phase, with the cumulative migration probability between 25% and 75%, between 20 and 60kya, with some more recently diverged pairs within continents. In contrast, African pairs (red) have their main phase largely between 60 and 200kya, with some notable exceptions of more recently diverged populations, and with the notable tail (99% percentile) up to 1 million years and older. Between Africans and Non-Africans, divergence main phases are largely within a similar window of 60-200kya as in African pairs, with three notable groups: divergence of Non-Africans from San falls between 80-250kya, from Mbuti between 70-200kya, and from other Africans between 50-150kya. To highlight the amount of ancestry contributed asymmetrically to one of the two populations from unsampled populations that diverged from the human lineage in the deep past (so-called archaic lineages), we show the distance of the cumulative migration probability from 1, 1-M(t), at different deep time points (Fig 7B). As described above, the deepest signals are seen in pairs involving San or Mbuti, reaching 3% of ancestry contributed from lineages that diverged at least 800kya, and around 1% of ancestry from lineages that diverged at least 1 million years ago. Similarly deep levels are seen in specific pairs involving French, in combination with the West African Mende, Mandenka and Yoruba and the East African Dinka, and for pairs Mende/Dai and Mandenka/Han, as discussed above.

    Robustness to phasing and processing artifacts

    MSMC2 (like MSMC) requires phased genomes for cross coalescence rate estimation, and we therefore rely on statistical phasing within the SGDP dataset, for which different strategies are possible. To compare the effect of selecting such phasing strategy, we generated phased datasets using eight different phasing strategies with three phasing algorithms (SHAPEIT [24], BEAGLE [25], EAGLE [26]). We included genotype calls from 12 individuals with previously published physically phased genomes [12] and then used those genomes to estimate the haplotype switch error rate. Among eight phasing strategies, SHAPEIT2 [24], without the use of a reference panel, but including information from phase-informative reads [27], resulted in the lowest switch error rate per kb (and per heterozygous site S8 Fig). Overall, switch error rates are higher in African populations, likely due to lower linkage disequilibrium, higher heterozygosity and relatively limited representation in the SGDP. To test how sensitive MSMC-IM is to different phasing strategies, we tested four phasing strategies on four different pairs of populations with evidence for extremely deep ancestry (Methods). We find that the migration profile from MSMC-IM is very similar for different phasing strategies. In particular, we find that the very deep signal seen in population pairs involving San and Mbuti is reproduced with different phasing strategies with and without a reference panel (S9A Fig). In a similar way, we confirmed the robustness of that signal with respect to choosing different filter levels (S9B Fig) and with respect to removing CpG sites, which are known to have elevated mutation rates (S9C Fig). We also explored to what extent switch errors affect our estimates using simulated data (S10 Fig), and confirmed robustness with respect to variation in recombination rates, which are assumed to be constant along the genome within MSMC2 but vary in reality (S11 Fig). Finally, to test internal consistency, we tested how well MSMC-IM was able to infer back its own model. We used the estimated migration rates and population sizes from eight population pairs (see Methods), and simulated genomic data under their inferred models. As shown in S12 Fig, the estimated migration patterns from the simulated and the real data are indeed very similar, including the deep signals seen in pairs with San and Mbuti.

    Given the superiority of the read-aware phasing strategy with SHAPEIT without a reference panel [27,28] (S8 Fig), we used this method in all of our main analyses. However, even with this phasing strategy, the switch error rate is high in populations that are not well represented in the dataset. In case of indigenous Australians, the phasing quality is among the worst in the dataset (S8 Fig), arguably because the SGDP dataset contains only two Australian individuals (compared for example to 15 Papuans). To improve phasing in Australians specifically, we generated new high coverage genomic data for one of the two Australians in the SGDP dataset using a new library with longer read-pair insert sizes (see Methods). Using these additional reads reduced the switch error rate from 0.038/kb to 0.032/kb. (S8 Fig, blue isolated dot for Australian3). We ran MSMC2 on the long-insert Australian data, as well as the standard phased data, combined with one diploid genome from each of the other world-wide populations analyzed in this study. The inferred migration profiles from MSMC-IM (S13 Fig) for Non-African population pairs involving the long-insert phased Australian genome do not seem to be affected by the phasing method (S13 Fig). The migration profile from pairs of Africans versus the long-insert phased Australian tend to be slightly younger, but also show deeper structure in Dinka/Australian, compared to the same pair using the shapeit_pir phasing method, which uses phase-informative sequencing reads to improve phasing accuracy (Methods). Note that these migration rate densities exhibit more noise than the ones used in our main analysis (S4L Fig), since they are based on only one individual per population, while the main analyses are based on two individuals per population. The main separation between Papuan and Australian remains at 15-35kya, as shown in the migration profile from both phasing strategies, very close to the estimates from 8 haplotypes in the main analysis (S4L Fig), and earlier than the previous estimates of 25-40kya [13].

    Similar to the procedure introduced for PSMC [3], we use a block-bootstrap approach to assess statistical uncertainty of our method. We find that there is very little uncertainty around MSMC-IM’s migration rate estimates (S14 Fig) based on these bootstrap-estimates. This should be taken with caution, though, since the bootstrap is only able to address the uncertainty caused by randomness in the data, not by systematic biases. We know that MSMC typically “smears out” sudden changes in coalescence rates, which is due to the wide variance in local estimates of coalescence times, and this type of error is not revealed by the bootstrap. It does, however, give high confidence to specific results, such as estimates of archaic ancestry between 1 and 20% as seen in Fig 3C. According to our bootstrap test (S14 Fig), the cumulative migration probability M(t) does hardly vary at all in bootstrap replicates, so estimates of deep ancestry fractions such as the ones shown in Fig 3C and Fig 6B for real data, are very accurate.


    Organizations Against Human Trafficking

    A great help to governments all over the world are local an international Non-Governmental Organizations (NGOs) who actively assist governments in combating human trafficking. A number of them were created exclusively to fight human trafficking, such as Called to Rescue, Polaris, and Anti-Slavery International. Other NGOs participate and cooperate against human trafficking, such as Save the Children, ChildHope, Women’s Rights Worldwide, and Amnesty International.

    The fight against human trafficking may be joined by donating to NGOs, volunteering to work with local NGOs, and reporting suspicions of human trafficking rings. Furthermore, achievable for all citizens is awareness of and self-protection against human trafficking schemes through responsible travel, self-defense, and caution in any time of recruitment or deal-making.


    Live bird migration maps

    Real-time analysis maps show intensities of actual nocturnal bird migration as detected by the US weather surveillance radar network between local sunset to sunrise. All graphics are relative to the Eastern time zone. When present, the red line moving east to west represents the timing of local sunset, the yellow line represents the timing of local sunrise. Areas with lighter colors experienced more intense bird migration. Orange arrows show directions to which birds flew. Green dots represent radar locations for which data are available red dots represent radar locations with no data available. Note that many radars in mountainous areas (e.g. the Rockies) have obstructions that restrict radar coverage, providing the appearance of no migration where migration may be occurring.

    Brighter colors indicates a higher migration traffic rate (MTR) expressed in units birds/km/hour. The migration traffic rate indicates the number of birds per hour that fly across a one kilometer line transect on the earth’s surface oriented perpendicular to the direction of movement of the birds.

    Cornell Lab of Ornithology currently produces these maps. Support for this research came from NASA, Edward W. Rose Postdoctoral Fellowship, and Amazon Web Services. The BirdCast project was created by grants from the National Science Foundation and supported by additional grants from Leon Levy Foundation.


    View more than 150 years of hurricane tracking data in your region. Shown here: Category 4 and 5 hurricane tracks that crossed over the state of Florida between 1910 and 2018.

    NOAA's Historical Hurricane Tracks is a free online tool that allows users to track the paths of historic hurricanes. The site, developed by the NOAA Office for Coastal Management in partnership with NOAA's National Hurricane Center and National Centers for Environmental Information, offers data and information on coastal county hurricane strikes through 2016. It also provides links to detailed reports on the life histories and effects of U.S. tropical cyclones since 1958, with additional U.S. storm paths traced as far back as 1851. The site also contains global hurricane data from as far back as 1851.

    Historical Hurricane Tracks allows users to search by place name, storm name or year, or latitude and longitude points. With the search results, users can generate a map showing the track of the storm or storms accompanied by a table of related information.


    Nature’s Most Impressive Animal Migrations

    Migration is a natural phenomenon that has fascinated humans for centuries and is important to ecosystem health.

    Biology, Ecology, Geography

    Arctic Tern (Sterna paradisaea)

    Arctic Tern (Sterna paradisaea) flying over Rudolf Island, Russia. One of the many stops on their long journey.

    Photograph by: Cory Richards

    Migration is a natural phenomenon observed in species across the animal kingdom, from the tiniest insects to the gargantuan blue whale ( Balaenoptera musculus) . Every year, millions of animals set out on an epic journey in search of food, shelter, and mating opportunities. Often travelling thousands of miles by land, sea, or air, these animals push the limits of endurance.

    Frequent Flyer

    Arctic terns ( Sterna paradisaea) are small, plain-looking birds, weighing between 90&ndash120 grams (3.2&ndash4.2 ounces) with a wing span of 64&ndash76 centimeters (25.2&ndash29.9 inches). To the untrained eye, they do not look as if they are built for endurance, but these birds take the trophy for the longest migration of any animal in the world.

    Flying from pole to pole, Arctic terns spend most of their year at sea chasing a perpetual summer. Seasons are reversed in the Northern and Southern hemispheres, so as winter approaches in their Arctic breeding grounds, the terns head south to the Antarctic where summer is just beginning. Arctic terns are believed to migrate around 40,000 kilometers (25,000 miles) a year, but a recent scientific study suggests that they might fly double that distance.

    Multi-Generational Relay

    Perhaps one of the most famous migrations is the multi-generational round trip of the monarch butterfly. Monarch butterflies ( Danaus plexippus) can be found all over the United States and further afield, but it is the northeastern American population that is famous for making the 4,800-kilometer (3,000-mile) journey from Canada to Mexico.

    Each year, millions of monarch butterflies leave their northern ranges and fly south to the oyamel fir forests near the Sierra Madre mountains, where they gather in huge roosts to survive the winter. When spring arrives, the monarchs start their return journey north the population cycles through three to five generations to reach their destination. Along the way, females lay eggs on milkweed plants, which the caterpillars use for food after hatching. This new generation of butterflies complete the journey their great-great-great-grandparents started. It is still a mystery to scientists how the new generations know where to go, but they appear to navigate using a combination of the Earth&rsquos magnetic field and the position of the sun.

    The Great Migration

    Wildebeest ( Connochaetes taurinus) take the crown for the most dramatic migration. Wildebeest (also known as gnu) are members of the antelope family, but they look more like cows with their big horns, stocky build, and shaggy manes. They live in huge groups of over one million individuals, along with thousands of zebras (Equus quagga) and gazelles ( Eudorcas thomsonii) . During the dry season, this giant herd roams the Serengeti-Mara ecosystem of Tanzania and Kenya in search of fresh grass and water. It is a round-trip that spans hundreds of miles and two countries. The herd moves as a great swarm, and individuals must keep up or risk being picked off by the lions (Pantera leo), hyenas (Crocuta crocuta), and crocodiles (Crocodylus niloticus) that gather to hunt.

    Slow and Steady Wins the Race

    Humpback whales ( Megaptera novaeangliae) are one of the largest animals on the planet, weighing in at an impressive 36,000 kilograms (79,366 pounds). Fully grown adults can reach 18 meters (59 feet) in length and can live over 48 years. These giants spend their summers at feeding grounds in cold, nutrient-rich waters that support an abundance of krill and small fish. In the winter, they migrate to warmer waters to raise their calves and avoid predation by killer whales.

    It is a journey that can take over 8,000 kilometers (4,970 miles) each way, making it the longest migration of any mammal on Earth. Humpback whales are slow swimmers, but they make up for it by traveling non-stop for days at a time. They do not feed along their migration route and instead survive on fat reserves built up during the summer months.

    Endurance Athlete

    Salmon ( Salmo salar) spend most of their lives in the Atlantic and Pacific oceans, where they feed and grow before migrating back to the rivers where they were born. Salmon swim across the ocean to the mouth of the river, navigating using a combination of chemical cues, the sun, and the Earth&rsquos magnetic field. To reach their final destination, the salmon must swim up the river, in an event known as &lsquothe salmon run&rsquo. In an incredible feat of endurance, they swim up to 400 kilometers (250 miles) against the current, battling rapids and leaping up waterfalls, all while avoiding predators that congregate along the banks in hopes of catching a nutritious meal. When they finally reach their birth place, the salmon spawn and then die.

    Animal migration has fascinated humans for centuries. Scientists have shed light on some of the enduring mysteries about how species navigate and what drives them to leave a habitat, but we still have a lot to learn. These incredible journeys are certainly captivating, but they also have a vital role to play in the ecosystem. Migration affects the distribution of prey and predators, keeps nutrients cycling around the planet, helps with the spread of pollen and seeds, and even influences human economies. Animal migrations are impressive, but they are also essential for a healthy ecosystem and, ultimately, a healthy planet.

    Arctic Tern (Sterna paradisaea) flying over Rudolf Island, Russia. One of the many stops on their long journey.


    3 Case Studies

    The report profiled three countries as case studies—Ethiopia, Bangladesh and Mexico—and warns that fast-growing cities will have to diversify economically and create climate-resilient jobs to successfully absorb population growth.

    There are exceptions. Declining rainfall in Ethiopia’s northern highlands, for example, may drive people out of the country in search of new areas where they can grow rainfed crops. And lack of rainfall in Addis Ababa, Ethiopia’s largest city, may slow its growth.

    Alternatively, sea-level rise and storm surges will prompt growth in the major cities of Bangladesh, including the capital city of Dhaka. Bangladesh, the study predicts, will experience greater shifts and changes to population from climate change than any other event.

    Mexico, the wealthiest of the trio profiled, is less vulnerable to climate change and better prepared than Ethiopia and Bangladesh. But “it needs to pay close attention to pockets of poverty,” the study’s authors found. The central plateau around Mexico City and Guatemala City, which may offer better climate conditions, may attract climate migrants.

    But there’s not a lot of time to act. Without cuts to greenhouse gases and other preparations, climate migration will most likely rise through 2050, the authors find, and then accelerate.


    Voir la vidéo: Les migrations humaines (Janvier 2022).