2 Materials and methods2.1 Climate

2 Materials and methods
2.1 Climate variables
For the current climate (1950–2000) we used the WorldClim global climate data set on 2.5 arcminute resolution (Hijmans et al. 2005). The dataset provides interpolated climate layers for 19 bioclimatic variables based on historical data. These variables represent patterns found in monthly weather station data, e.g. annual temperature and precipitation extremes, seasonality and means.

We used five GCMs from the IPCC’s 5th assessment report (Stocker et al. 2013) to obtain future climate data (GFDL-ESM2M, HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, and NorESM1-M). These GCMs are representative of projected changes of global mean temperature and precipitation (Warszawski et al. 2014). We downscaled the outputs of the GCMs using the delta method (Ramirez and Jarvis 2010) and computed the difference between model outputs for current conditions and the mean for the 2040–2069 time-slice. We smoothed the resulting layers to 2.5 arcminute resolution and applied them to the WorldClim layers for current climate. The result was a high-resolution surface corrected for bias for the current climate and the 2050 time-slice for the 19 bioclimatic variables.

2.2 Present occurrence data
Present occurrence location data identify climates currently suitable to produce coffee. We derived the occurrence points from three sources: (i) Geo-referenced coffee farms; (ii) geo-referenced municipalities in Brazil that produce coffee; and (iii) geo-referenced coffee-growing areas identified from Google Earth where data sources (i) or (ii) were not available.

Most occurrence points came from a global database of 62,000 geo-referenced individual farms with predominantly C. arabica and some C. canephora. The International Center for Tropical Agriculture (CIAT) developed the database during several regional projects that were conducted in collaboration with coffee cooperatives and cooperating research organizations.

A comprehensive set of occurrence records in all coffee-producing regions is desirable so that all suitable climates are represented in the database (Elith et al. 2011). We supplemented the geo-referenced data by generating additional occurrence points using publicly-available information about the distribution of coffee production. We used satellite imagery to identify precise locations based on this information.

Unlike the C. canephora data, data of the C. arabica locations were not collected for modeling so that they were highly clustered in the project regions. We stratified the database to avoid bias using a principal-component analysis on the 19 bioclimatic variables to identify typical climates. From each climate cluster we chose a random representative sample. This reduced the original sample to 1772 unique presence locations for C. arabica.

Neither the Arabica nor the Robusta database included all of the dominant growing regions in Brazil, where 36 % of global Arabica coffee is produced (USDA 2012). To ensure sufficient representation of Brazilian sites and climates, we included data provided by IBGE (2012). Using these data, we identified municipalities where 75 % of the coffee is from one or other of the two species. We then geo-referenced these municipalities for the appropriate species.

ผลลัพธ์ (ไทย) 2:

2 วัสดุและวิธีการ
2.1 ตัวแปรสภาพภูมิอากาศ
สำหรับสภาพภูมิอากาศในปัจจุบัน (1950-2000) เราใช้ WorldClim ข้อมูลสภาพภูมิอากาศทั่วโลกตั้งอยู่บนความละเอียด arcminute 2.5 (Hijmans et al. 2005) ชุดข้อมูลให้ชั้นสภาพภูมิอากาศหยัน 19 ตัวแปรคำนึงถึงสภาพแวดล้อมบนพื้นฐานของข้อมูลทางประวัติศาสตร์ ตัวแปรเหล่านี้แสดงถึงรูปแบบที่พบในข้อมูลสถานีอากาศรายเดือนเช่นอุณหภูมิและปริมาณน้ำฝนประจำปีสุดขั้วฤดูกาลและหมายความว่า. เราใช้ห้า GCMs จากรายงานการประเมิน IPCC ของ 5 (Stocker et al. 2013) เพื่อให้ได้ข้อมูลภูมิอากาศในอนาคต (GFDL-ESM2M, HadGEM2 -ES, IPSL-CM5A-LR, MIROC-ESM-CHEM และ NorESM1-M) GCMs เหล่านี้เป็นตัวแทนของการเปลี่ยนแปลงที่คาดการณ์ของอุณหภูมิเฉลี่ยของโลกและฝน (Warszawski et al. 2014) เรา downscaled ผลของ GCMs โดยใช้วิธีเดลต้า (รามิเรซและจาร์วิส 2010) และการคำนวณความแตกต่างระหว่างผลแบบจำลองสำหรับสภาพปัจจุบันและค่าเฉลี่ยสำหรับ 2040-2069 เวลาชิ้น เราเรียบชั้นที่เกิดขึ้นจะมีมติ arcminute 2.5 และนำพวกเขาไปชั้น WorldClim สำหรับสภาพภูมิอากาศในปัจจุบัน ผลที่ได้เป็นพื้นผิวที่มีความละเอียดสูงสำหรับการแก้ไขอคติสำหรับสภาพภูมิอากาศในปัจจุบันและ 2050 เวลาชิ้นสำหรับตัวแปรที่คำนึงถึงสภาพแวดล้อม 19. 2.2 ข้อมูลที่เกิดขึ้นในปัจจุบันข้อมูลสถานที่ปัจจุบันเกิดขึ้นระบุสภาพอากาศในปัจจุบันที่เหมาะสมในการผลิตกาแฟ เราได้มาจุดที่เกิดขึ้นจากสามแหล่งที่มา: (i) อ้างอิงทางภูมิศาสตร์ฟาร์มกาแฟ (ii) เทศบาลอ้างอิงทางภูมิศาสตร์ในบราซิลที่ผลิตกาแฟ และ (iii) พื้นที่ปลูกกาแฟอ้างอิงทางภูมิศาสตร์ระบุจาก Google Earth ซึ่งเป็นแหล่งข้อมูล (i) หรือ (ii) ไม่สามารถใช้ได้. ส่วนใหญ่จุดที่เกิดขึ้นมาจากฐานข้อมูลทั่วโลก 62,000 อ้างอิงทางภูมิศาสตร์ฟาร์มบุคคลที่มีส่วนใหญ่ซีอาราบิก้าและ บาง canephora ซี ศูนย์ระหว่างประเทศเพื่อการเกษตรเขตร้อน (CIAT) การพัฒนาฐานข้อมูลในระหว่างโครงการระดับภูมิภาคหลายอย่างที่ได้ดำเนินการในการทำงานร่วมกันกับสหกรณ์กาแฟและความร่วมมือองค์กรวิจัย. ชุดที่ครอบคลุมของบันทึกที่เกิดขึ้นในภูมิภาคกาแฟการผลิตทุกเป็นที่พึงปรารถนาเพื่อให้ภูมิอากาศที่เหมาะสมทั้งหมดจะเป็นตัวแทน ในฐานข้อมูล (Elith et al. 2011) เราเสริมข้อมูลอ้างอิงทางภูมิศาสตร์โดยการสร้างจุดเกิดขึ้นเพิ่มเติมโดยใช้ข้อมูลที่สาธารณชนมีอยู่เกี่ยวกับการกระจายตัวของการผลิตกาแฟ เราใช้ภาพถ่ายดาวเทียมในการระบุตำแหน่งที่แน่นอนขึ้นอยู่กับข้อมูลนี้. ซึ่งแตกต่างจากข้อมูลซี canephora ข้อมูลของสถานที่อาราบิก้าซีไม่ได้ถูกเก็บไว้สำหรับการสร้างแบบจำลองเพื่อให้พวกเขาได้รับการคลัสเตอร์สูงในภูมิภาคโครงการ เราแบ่งฐานข้อมูลเพื่อหลีกเลี่ยงอคติโดยใช้การวิเคราะห์หลักองค์ประกอบในตัวแปรที่คำนึงถึงสภาพแวดล้อม 19 เพื่อแจ้งสภาพอากาศโดยทั่วไป จากแต่ละคลัสเตอร์สภาพภูมิอากาศที่เราเลือกตัวอย่างที่เป็นตัวแทนแบบสุ่ม นี้ลดลงตัวอย่างต้นฉบับให้ 1772 สถานที่การปรากฏตัวที่ไม่ซ้ำกันสำหรับซีอาราบิก้า. ทั้งอาราบิก้าหรือโรบัสต้ารวมฐานข้อมูลทั้งหมดของภูมิภาคที่เติบโตโดดเด่นในบราซิลซึ่ง 36% ของกาแฟอาราบิก้าทั่วโลกมีการผลิต (USDA 2012) เพื่อให้แน่ใจว่าเป็นตัวแทนที่เพียงพอของเว็บไซต์บราซิลและมีสภาพอากาศที่เรารวมถึงข้อมูลที่ได้จากบีจี (2012) โดยใช้ข้อมูลเหล่านี้เราระบุเขตเทศบาลที่ 75% ของกาแฟจากหนึ่งหรืออื่น ๆ ของทั้งสองชนิด จากนั้นเราจะอ้างอิงทางภูมิศาสตร์เทศบาลเหล่านี้สำหรับสายพันธุ์ที่เหมาะสม

ผลลัพธ์ (ไทย) 3:

2 วัสดุและวิธีการ2.1 ตัวแปรภูมิอากาศสำหรับสภาพภูมิอากาศในปัจจุบัน ( พ.ศ. 2493 – 2000 ) เราใช้ worldclim ภูมิอากาศโลก ชุดข้อมูลบน 2.5 ลิปดาความละเอียด ( hijmans et al . 2005 ) ข้อมูลสภาพภูมิอากาศ เพื่อให้ขัดชั้น 19 bioclimatic ตัวแปรขึ้นอยู่กับข้อมูลทางประวัติศาสตร์ ตัวแปรเหล่านี้เป็นตัวแทนของรูปแบบข้อมูลที่พบในสภาพอากาศ เช่น อุณหภูมิและปริมาณน้ำฝนรายเดือนรายปี , สุดขั้ว , ฤดูกาลและค่าเฉลี่ยเราใช้ห้า GCMS จากรายงานการประเมินครั้งที่ 5 ของ IPCC ( Stocker et al . 2013 ) เพื่อให้ได้ข้อมูลสภาพอากาศในอนาคต ( gfdl-esm2m hadgem2 ipsl-cm5a-lr miroc-esm-chem , ES , และ noresm1-m ) GCMS เหล่านี้เป็นตัวแทนของการเปลี่ยนแปลงของอุณหภูมิโลก และคาดการณ์ว่าปริมาณน้ำฝน ( warszawski et al . 2014 ) เรา downscaled ผลของ GCMS ใช้วิธีจาร์วิส รามิเรซ เดลต้าและ 2010 ) และคำนวณความแตกต่างระหว่างรูปแบบเอาท์พุทสำหรับเงื่อนไขปัจจุบันและค่าเฉลี่ยสำหรับ 2040 –แสดงเวลาฝาน เราเรียบผลชั้น 2.5 ลิปดาความละเอียดและใช้พวกเขาเพื่อ worldclim ชั้นภูมิอากาศในปัจจุบัน ผลที่ได้คือความละเอียดสูงพื้นผิวการแก้ไขสำหรับอคติสำหรับปัจจุบันสภาพภูมิอากาศและ 2050 เวลาชิ้นสำหรับ 19 bioclimatic ตัวแปร2.2 ปัจจุบันที่เกิดขึ้นข้อมูลข้อมูลสถานที่ที่เกิดขึ้นปัจจุบันระบุสภาพอากาศในปัจจุบันที่เหมาะสมเพื่อผลิตกาแฟ เราได้มาเกิดจุดจากสามแหล่งที่มา : ( ฉัน ) อ้างอิงทางภูมิศาสตร์ฟาร์มกาแฟ ; ( ii ) อ้างอิงทางภูมิศาสตร์เทศบาลในบราซิลที่ผลิตกาแฟ และ ( 3 ) อ้างอิงทางภูมิศาสตร์พื้นที่ปลูกกาแฟระบุจาก Google Earth ที่แหล่งข้อมูล ( 1 ) หรือ ( 2 ) จะไม่สามารถใช้งานได้คะแนนมากที่สุดที่เกิดขึ้นมาจากฐานข้อมูลทั่วโลกของ 62 , 000 อ้างอิงทางภูมิศาสตร์ฟาร์ม บุคคลส่วนใหญ่ค อาราบิก้า และ บางค canephora . ศูนย์เกษตรเขตร้อนนานาชาติ ( เกี๊ยต ) พัฒนาฐานข้อมูลในหลายภูมิภาค โครงการที่ได้ดำเนินการในความร่วมมือกับสหกรณ์กาแฟและประสานงานองค์กรวิจัยชุดครอบคลุมของระเบียนที่เกิดขึ้นในทุกภูมิภาคกาแฟผลิตพึงปรารถนาดังนั้นที่สภาพอากาศเหมาะสมทั้งหมดจะแสดงในฐานข้อมูล ( elith et al . 2011 ) เราเสริมอ้างอิงทางภูมิศาสตร์โดยการสร้างการใช้ข้อมูลเพิ่มเติมจุดที่มีอยู่ทั่วไปข้อมูลเกี่ยวกับการกระจายของการผลิตกาแฟ เราใช้ดาวเทียมเพื่อระบุตำแหน่งที่แม่นยำตามข้อมูลนี้ซึ่งแตกต่างจาก C canephora ข้อมูล ของ ซี อาราบิก้า สถานที่ไม่เก็บโมเดลเพื่อให้พวกเขามีการรวมกลุ่มในภูมิภาคโครงการ เราแบ่งฐานข้อมูลเพื่อหลีกเลี่ยงอคติโดยใช้การวิเคราะห์องค์ประกอบหลักในตัวแปร 19 bioclimatic ระบุสภาพอากาศทั่วไป จากสภาพภูมิอากาศในแต่ละกลุ่ม เราเลือกผู้แทน การสุ่มตัวอย่าง นี้ลดลงตัวอย่างต้นฉบับ 1772 ที่ตั้งตนที่ไม่ซ้ำกันสำหรับ C . อาราบิก้าอาราบิก้าและโรบัสต้าและฐานข้อมูลรวมทั้งหมดของเด่นภูมิภาคที่เติบโตในประเทศบราซิลที่ 36% ของกาแฟอราบิก้าทั่วโลกผลิต ( USDA 2012 ) เพื่อให้แน่ใจว่าตัวแทนที่เพียงพอของเว็บไซต์บราซิลและสภาพอากาศ เรารวมข้อมูลให้ ibge ( 2012 ) การใช้ข้อมูลเหล่านี้ เราระบุเทศบาลที่ 75% ของกาแฟจากหนึ่งหรืออื่น ๆของทั้งสองชนิด จากนั้นเราจะอ้างอิงทางภูมิศาสตร์เทศบาลเหล่านี้สำหรับชนิดที่เหมาะสม