Resultados de investigación

Este ítem trata de la excavación de la Cabaña ceremonial yámana de Puerto Remolino en la costa norte del Canal Beagle. En él hemos incluido la Memoria escrita, que explica el sistema de localización, excavación y registro así como las conclusiones a las que llegamos, una presentación powerpoint con un resumen ilustrado del proceso, 3 álbumes con fotografías de una selección de materiales de fauna, líticos y de vidrio y cerámica (realizadas por la técnica de la UAB Selina Delgado), 3 álbumes con fotografías históricas, de la ubicación y de la excavación y la base de datos con los análisis de los materiales recuperados., Memoria donde se describe el trabajo desarrollado en el yacimiento yamana Cabaña Remolino, fotografías y una base de datos analítica., Agencias financiadoras: CSIC, CONICET, Ministerio de Educación y Ciencia (España) y Universidad de Barcelona (España)., Sí

Este ítem recoge los documentos fruto de la excavación de un enterramiento de una mujer joven en el yacimiento de Mischiwen III en la costa norte del Canal Beagle. Corresponde a la época moderna de contacto con europeos. Se excavó ensayando un método de excavación con registro de posicionales digital, fotografiado y reconstitución fotogramétrica que se explica en los textos descriptivos adjuntos. También se incluyen álbumes de fotografías de la excavación y de los materiales recuperados, tanto antropobiológicos como de artefactos líticos, los inventarios y los informes analíticos arqueobiológicos y de la datación radiocarbónica., Resultados de la excavación de un contexto mortuorio yamana en el yacimiento Mischiwen III en la costa norte del Canal Beagle. Se presentan las fotografías y los datos analíticos obtenidos., Agencias financiadoras: CSIC, CONICET, Ministerio de Educación y Ciencia (España) y Universidad de Barcelona (España)., Sí

Centro Oceanográfico de Murcia. Instituto Español de Oceanografía. Comunidad Autónoma de la Región de Murcia. Consejería de Agricultura y Agua. Dirección General de Ganadería y Pesca. Servicio de Pesca y Agricultura. Fondo Europeo de la Pesca. CE

[EN] 279 .tif files: 278 color scanned prints of aerial photographs; 1 flight diagram showing the footprints of that aerial photographs. No specific software is needed to read the .tif files. [ES] 279 archivos en formato .tif : 278 corresponden a las fotografías aéreas escaneadas; 1 es el diagrama de vuelo de dichas fotografías que muestra su ubicación y las pasadas del vuelo. No se necesita ningún software específico para leer los archivos .tif. This dataset is covered by a Creative Commons Licence Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)., [EN] This dataset contains the scans of the contact prints of aerial photographs of the sections 2nd and 3rd of the first part of the Canal of Monegros, i.e. Monegros I or Monegros North, located in the Huesca province, Spain. The dataset also includes the diagram of the originating flight conducted by CETFA in 1972. The scanned contact prints are those used for soil prospection in 1975., [ES] Este conjunto de datos está formado por los escaneos de los contactos en papel de fotos aéreas del segundo y tercer tramo del Canal de Monegros en su parte norte, es decir Monegros I o Monegros Norte, en la provincial de Huesca, España. Además se incluye el diagrama de este vuelo efectuado por CETFA en 1972. Los contactos escaneados se usaron para prospectar los suelos en 1975., Proyecto PCI2018-09299 financiado por MCIN/AEI/10.13039/501100011033 y cofinanciado por la Unión Europea. Grant PCI2018-09299 funded by MCIN/AEI/10.13039/501100011033 and co-funded by the European Union, Peer reviewed

Experiment performed in the lab, following details described in the publication (http://hdl.handle.net/10261/240920 / https://doi.org/10.3390/insects12050448), Grants ICVV-CSIC: Ministry of Science and Innovation (PID2019-104112RB-I00) funded by MCIN/AEI/10.13039/501100011033. Support for researchers: 1) RCH is awarded by Ramon y Cajal contract award MCIN/AEI/10.13039/501100011033 and by “ESF Investing in your future”: Grant RYC-2016-19939 from the Government of Spain 2) IVD is I.V.-D. funded by ADER I + D + i (2019) fellowship by the Rioja Agency of Economic Development (La Rioja, Spain) and by FPI-UR (2021) fellowship (Universidad de La Rioja, Spain). 4) MMGT is funded by the Program JAE-Intro CSIC call 2020 (JAEINT20_EX_0939). 5) R.B.-P. was supported by the pre-doctoral contracts CAR-2018 (Department of Economic Development and Innovation of the Government of La Rioja)., Peer reviewed

[EN] Contains 17 compressed folders (.zip) with shapefiles (.shp; requires a specific Geographic Information System GIS software) and one PDF file. Under a Open Data Commons Open Database License (ODbL)., [ES] Contiene 17 carpetas comprimidas (.zip) con shapefiles (.shp; requiere software específico para Sistemas de Información Geográfica, SIG) y un archivo PDF. Bajo una "Open Data Commons Open Database License (ODbL)"., [EN] Geospatial data about water use and exploitation in the Pyrenees (France, Spain, Andorra), generated within the project EFA210/16 PIRAGUA Project ("Evaluation and prospective of the water resources of the Pyrenees in a context of climate change, and adaptation measures with impact on the territory")., [ES] Información geoespacial sobre usos y explotación de los recursos hídricos en los Pirineos (Francia, España y Andorra), generada en el contexto del proyecto EFA210/16 PIRAGUA ("Evaluación y prospectiva de los recursos hídricos de los Pirineos en un contexto de cambio climático, y medidas de adaptación con impacto en el territorio")., [FR] Information géospatiale sur les usages et l'exploitation des ressources en eau dans les Pyrénées (France, Espagne et Andorre), générées dans le cadre du projet EFA210/16 PIRAGUA ("Evaluation et prospective des ressources en eau des Pyrénées dans un contexte de changement climatique, et mesures d'adaptation ayant un impact sur le territoire")., This dataset was developed within the project EFA210/16 PIRAGUA (“Evaluación y prospectiva de los recursos hídricos de los Pirineos en un contexto de cambio climático, y medidas de adaptación con impacto en el territorio / Evaluation et prospective des ressources en eau des Pyrénées dans un contexte de changement climatique, et mesures d’adaptation avec un impact sur le territoire”), co-funded by the European Regional Development Fund (ERDF) through the Interreg V-A Spain France Andorra program (POCTEFA 2014-2020) (65%) and the project’s partners: CSIC, UPV/EHU, UB, OE, IGME, CNRS, BRGM, INRAE and OBSA (35%)., Files in the data set: GIS shapefiles, point layers: - centrales.shp: hydroelectric stations. - est_ski.shp: ski resorts. - cap_embalses.shp: reservoirs. Capas SIG, lineales: - river_net.shp: hydrographic network. Capas SIG, poligonales: - demarcaciones.shp: hydrographic units (basin agencies). - juntas.shp: hydrographic management units (within hydrographic units). -uso_global.shp: total water use, per hydrographic management units. -uso_agri.shp: agricultural water use, per hydrographic management units. -uso_dom.shp: urban water use, per hydrographic management units.. -uso_ind.shp: industrial water use, per hydrographic management units.. -origen_sub.shp: total water use from subsurface origin, per hydrographic management units.. -origen_sup.shp: total water use from surface origin, per hydrographic management units.. -cap_embalsado.shp: capacidad de embalsado, por juntas de explotación hidrográfica. -dom_ski.shp: skiable domain, per hydrographic management units.. -prod_hydro.shp: hydro-power installed power and production, per hydrographic management units. -reservoirs.shp: reservoirs. -zonas_protegidas.shp: nature reserves., Data fields: central.shp: - name, name of the panel. - operator, operator. - power_MW, installed power, in megawatts. - power, installed power (class). - since, year of start of operations. - production, current average annual production, in GWh. - jump_m, vertical distance of the hydraulic jump, in m. est_ski.shp: - name, name of the station. - alt_min_m, minimum elevation, in m above sea level. - alt_max_m, maximum elevation, in m above sea level. - snow_p_%, percentage of the ski area with artificial snow cover. - snow_p_km, ski area with artificial snow cover, in km. - domain_km, ski area, in km. - capacity_p, lift capacity, in people per hour. cap_reservoirs.shp: - name, name of the reservoir. - operator, operator. - use, main uses (A, supply; V, ; H, ; R, ; S, ; ND; not available). - capacity_h, reservoir capacity, in mm^3 (hm^3). - size, size, in classes. - height_m, height of the dam, in m. - area_km2, maximum surface of the sheet of water, in km^2. - since, year of start of operations. river_net.shp: - OBJECTID, identifier of the river section. - REX, country (ES, Spain; FR, France; AD, Andorra). - STRAHLER, order of the river reach, according to Strahler's classification. demarcations.shp: - NOM_DEMAR, name of the river basin district. - ORG_CUENCA, responsible body. - CENTRO_DIR, directing center. - DIRECCION, Address. - WEB, web page. - TELEPHONE, telephone. joints.shp: - Basin, river basin district to which it belongs. Name, name of the exploitation board. - Area_km2, surface, in km^2. usage_global.shp: - Name, name of the exploitation board. - U_tot_av, uso del agua promedio anual, en Mm^3 (hm^3). uso_agri.shp: - Name, nombre de la junta de explotación. - U_agr_av, uso del agua promedio anual en el sector agrícola, en Mm^3 (hm^3). - U_agr_av_p, uso del agua promedio anual en el sector agrícola, porcentaje sobre el uso total. uso_dom.shp: - Name, nombre de la junta de explotación. - U_dom_av, uso del agua promedio anual para abastecimiento, en Mm^3 (hm^3). - U_dom_av_p, uso del agua promedio anual para abastecimiento, porcentaje sobre el uso total. uso_ind.shp: - Name, nombre de la junta de explotación. - U_ind_av, uso del agua promedio anual industrial, en Mm^3 (hm^3). - U_ind_av_p, uso del agua promedio anual industrial, porcentaje sobre el uso total. origen_sub.shp: - Name, nombre de la junta de explotación. - U_und_av, uso del agua de origen subterráneo, promedio anual, en Mm^3 (hm^3). - U_und_av_p, uso del agua de origen subterráneo, promedio anual, porcentaje sobre el uso total. origen_sup.shp: - Name, nombre de la junta de explotación. - U_sup_av, uso del agua de origen superficial, promedio anual, en Mm^3 (hm^3). - U_sup_av_p, uso del agua de origen superficial, promedio anual, porcentaje sobre el uso total. cap_embalsado.shp: - Name, nombre de la junta de explotación. - Reservoirs, número de embalses. - Res_hm3, capacidad de embalsado total, en Mm^3 (hm^3). - Capacity, capacidad de embalsado, en clases. dom_ski.shp: - Name, nombre de la junta de explotación. - Ski_num, número de estaciones de esquí. - Ski_km, dominio esquiable total, en km. - Ski_prod_%, dominio esquiable con producción de nieve artificial, en porcentaje sobre el dominio esquiable total. prod_hydro.shp: - Name, nombre de la junta de explotación. - Hydropow_num, número de centrales hidroeléctricas. - Hydropow _MW, potencia instalada, en MW. - Hydropow_GWh, producción media anual, en GWh. reservoirs.shp: - NOMBRE, nombre del embalse. zonas_protegidas.shp: - Name, nombre de la zona protegida. - type, tipo de figura de protección, en la lengua vernácula. - typeEnglish, tipo de figura de protección, en inglés. - legalRef, referencia legal. - legalDoc, documento legal. - legalFound, fecha de inicio de la figura de protección. - Authority, autoridad competente. - Leyenda, tipo de figura de protección, agrupado en clases principales. - Country, país (ES, España; FR, Francia; AD, Andorra)., No

EN] It contains one netCDF file per climate model, scenario (RCP45, RCP85 or HISTORICAL) and variable, for the following variables: Potential Evaporation (Hargreaves), Liquid Precipitation, Solid Precipitation, Total Precipitation, Relative Humidity (max, mean and min), Temperature (max, mean and min), Net Downward Solar Radiation, Net Downward Infrared Radiation and Wind Speed. [ES] Contiene un fichero netCDF por modelo climático, escenario (RCP45, RCP85 o HISTORICAL) y variable, para las siguientes variables: Evaporación potencial (Hargreaves), Precipitación Líquida, Precipitación Sólida, Precipitación Total, Humedad relativa (max., med. y min.), Temperatura (máx, med. y min.), Radiación solar neta descendiente, Radiación infrarroja neta descendiente y Velocidad del viento., [EN] PIRAGUA_atmos_climate is a gridded dataset of climate scenarios for the Pyrenees region. The database is based on the CLIMPY Project downscaled climate scenarios. A subset of 6 CMIP5 GCMs were chosen for assessing future water resources in Spain based on CEDEX/MAPAMA (2017). The CLIMPY scenarios included only Tx, Tn and Ptot, which is not enough to run a Land-Surface Model. Thus, an analogue resampling technique based on these three variables was used to extract analogues (and therefore all other required periods) from the PIRAGUA_atmos_analysis database. The analogy is here made on detrended daily standardized anomalies with respect to a local monthly baseline climatology. Monthly transient baseline trends are calculated and added to the resampled values. The dataset was generated within the project EFA210/16 PIRAGUA Project ("Evaluation and prospective of the water resources of the Pyrenees in a context of climate change, and adaptation measures with impact on the territory")., [ES] PIRAGUA_atmos_climate es una base de datos en malla de escenarios climáticos para los Pirineos. La base de datos se basa en los escenarios climáticos regionalizados de CLIMPY. Se eligió un subconjunto de 6 GCMs CMIP5 para evaluar los recursos hídricos futuros en España basándose en CEDEX/MAPAMA (2017). Los escenarios del CLIMPY incluían únicamente Tx, Tn y Ptot, lo que no es suficiente para ejecutar un LSM. Así, se utilizó una técnica de remuestreo de análogos basada en estas tres variables para extraer análogos de la base de datos PIRAGUA_atmos_analysis. La analogía se realiza sobre las anomalías estandarizadas diarias con respecto a una climatología local mensual de referencia. Se calcula una tendencia transitoria mensual de la línea de base y se añade a los valores remuestreados. El conjunto de datos fue generado en el contexto del proyecto EFA210/16 PIRAGUA ("Evaluación y prospectiva de los recursos hídricos de los Pirineos en un contexto de cambio climático, y medidas de adaptación con impacto en el territorio")., [FR] Base de données maillée des scénarios climatiques pour les Pyrénées, couvrant la période 1981-2100. La base de données est basée sur des scénarios climatiques régionalisés CLIMPY. Un sous-ensemble de 6 MCG CMIP5 a été choisi pour évaluer les futures ressources en eau en Espagne sur la base de CEDEX/MAPAMA (2017). Les scénarios CLIMPY incluaient uniquement Tx, Tn et Ptot, ce qui n'est pas suffisant pour exécuter un LSM. Ainsi, une technique de rééchantillonnage d'analogues basée sur ces trois variables a été utilisée pour extraire des analogues de la base de données PIRAGUA_atmos_analysis. L'analogie est faite sur les anomalies journalières normalisées par rapport à une climatologie locale mensuelle de référence. Une tendance mensuelle de référence transitoire est calculée et ajoutée aux valeurs rééchantillonnées. Le jeu de données a été généré dans le cadre du projet EFA210/16 PIRAGUA ("Evaluation et prospective des ressources en eau des Pyrénées dans un contexte de changement climatique, et mesures d'adaptation ayant un impact sur le territoire")., This dataset was developed within the project EFA210/16 PIRAGUA (“Evaluación y prospectiva de los recursos hídricos de los Pirineos en un contexto de cambio climático, y medidas de adaptación con impacto en el territorio / Evaluation et prospective des ressources en eau des Pyrénées dans un contexte de changement climatique, et mesures d’adaptation avec un impact sur le territoire”), co-funded by the European Regional Development Fund (ERDF) through the Interreg V-A Spain France Andorra program (POCTEFA 2014-2020) (65%) and the project’s partners: CSIC, UPV/EHU, UB, OE, IGME, CNRS, BRGM, INRAE and OBSA (35%)., No

The monitoring of lizards and geckos’ community in Doñana was initiated in 2005 as part of the Monitoring Program of Natural Resources and Processes. One of the aims of this project was to obtain a temporal and continuous series of data of the presence and abundance of these species to detect changes and trends in their wild populations within the protected area. The records have been collected during spring and autumn every year between 2005-2021 by members of the monitoring team in sampling transects in different habitats (dunes and Mediterranean vegetation) when reptile activity is higher. Dataset includes species name, number of individuals, sex, life stage, behaviour, coordinates, weather description (sky conditions, temperature, rain, or wind intensity), time of the day and other remarks., The aim of this project is to provide information about the evolution of the conservation status of Doñana. To do that, it has been designed a monitoring program of the dynamic of natural processes and the distribution and abundance of species and communities. This monitoring is generating time series of data which is being used to analyzed long-term trends.

Files list: 1. Murciano-Granadina-1040F.ped: Genotypic information of 50,514 SNPs genotyped in 1,040 Murciano-Granadina female goats obtained with the Goat SNP50 BeadChip (Illumina Inc., San Diego, CA). 2. Murciano-Granadina-1040F.map: Genomic positional information of the SNPs genotyped in 1,040 Murciano-Granadina female goats. 3. Pheno_file.txt: Milk production records from 820 Murciano-Granadina goats. Milk composition traits are normalized to a lactation of 210 days. Relationship between files: “.map” and “.ped” files are complementary, “.map” contains the genomic position and name of the genotypes displayed in “.ped” file. Files can be opened and manipulated with PLINK software (https://www.cog-genomics.org/plink/)., Genotypic information from 1,040 female Murciano-Granadina goats and the phenotypic records for milk traits of 820 female Murciano-Granadina goats. The dataset includes a README file with the information about each file., This research was funded by the European Regional Development Fund (FEDER)/Ministerio de Ciencia e Innovación - Agencia Estatal de Investigación/Project Reference grant: PID2019-105805RB-I00 and by the CERCA Programme/Generalitat de Catalunya. We also acknowledge the support of the Spanish Ministerio de Ciencia e Innovación for the Center of Excellence Severo Ochoa 2020-2023 (CEX2019-000902-S) grant awarded to the Centre for Research in Agricultural Genomics (CRAG, Bellaterra, Spain). We also acknowledge the support of the CERCA programme of the Generalitat de Catalunya. Dailu Guan was funded by a PhD fellowship from the China Scholarship Council (CSC). Maria Luigi-Sierra was funded with a PhD fellowship Formación de Personal Investigador (BES-C-2017-079709) awarded by the Spanish Ministry of Economy and Competitivity., With funding from the Spanish government through the ‘Severo Ochoa Centre of Excellence’ accreditation (CEX2019-000902-S), Peer reviewed

Download of the data available in the publisher platform., Transposon Insertion Polymorphisms (TIPs) are a significant source of genetic variation. Previous work (Castanera et al., 2021) has shown that TIPs can improve detection of causative loci on agronomic traits in rice. Here, we quantify the fraction of variance explained by Single Nucleotide Polymorphisms (SNPs) compared to TIPs, and we explore whether TIPs can improve prediction of phenotypes when compared to using only SNPs. We used eleven traits of agronomic relevance from by five different rice population groups (Aus, Indica, Aromatic, Japonica and Admixed), 738 varieties in total. We assess prediction by applying data split validation in two scenarios. In the within population scenario, we predicted performance of improved Indica varieties using the rest of Indica and additional samples. In the across population scenario, we predicted all Aromatic and Admixed samples using the rest of populations. In each scenario, Bayes C and a Bayesian reproducible kernel Hilbert space regression were compared. We find that TIPs can explain an important fraction of total genetic variance, often more than the fraction explained by SNPs, and that they also improve genomic prediction, especially in the across population prediction scenario, where TIPs outperformed SNPs in nine out of the eleven traits analyzed. In some phenotypes like leaf senescence or grain width, using TIPs increased predictive correlation by 40%. Our results evidence, for the first time, that TIPs genotyping can improve prediction on complex agronomic traits in rice, especially when samples to be predicted are less related to training samples., Dataset contains: Scripts: BayesC_PREDICTION.MODEL.R : An R script for genomic prediction within and across population analysis applying "BayesC"; RKHS_PREDICTION.MODEL.R : An R script for genomic prediction within and across population analysis applying "RKHS"; RKHS_GENETIC_VARIANCE_INFERENCE.R : An R script for genetic variance inference within and across population applying "RKHS". And Data: Accessions_Traits.csv : A csv file of the 11 traits and their corresponding phenotypic values for the 738 accessions. Data transformed as described in manuscript; snps. RData : SNPs matrix in R format; mitedtx_matrix.RData: Merged matrix of MITE and DTX TIPs in R format; rlxrix_matrix.RData: Merged matrix of RLX and RIX TIPs in R format; Additive_Matrix.RData : The three additive-relationship matrices for each marker (SNPs, MITE/DTX, RLX/RIX) to be used in RKHS method script., Peer reviewed