نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

ما در این گزارش لایه‌های جغرافیایی ضروری را که به‌عنوان محرک‌های منظر برای زیستگاه مارکوپولو آرگالی در پامیر شرقی تاجیکستان استفاده می‌شوند، شرح دادیم. با استفاده از تکنیک‌های سنجش از دور و سیستم‌های اطلاعات جغرافیایی (GIS)، لایه‌های جداگانه به منظور به دست آوردن اطلاعات بیشتر در مورد الگوهای آرگالی و تناسب زیستگاه و در دسترس قرار دادن مجموعه داده‌ها به صورت آنلاین تولید شدند. ما یک تحلیل تصویر مبتنی بر شی بهبود یافته را در نقشه برداری خود از پوشش گیاهی با استفاده از متغیرهای طیفی، توپوگرافی و بافت معرفی کردیم. ما هر ترکیب باند تصویر و بافت لندست را به کار بردیم تا بهترین جفت اجزای باند-بافت را انتخاب کنیم. فقط برای کلاس پوشش گیاهی، دقت تولیدکننده 90.8 درصد و دقت کاربر 91.6 درصد بود.
کلید واژه ها: 

پامیر تاجیکستان ; سنجش از دور ؛ لندست ; پوشش گیاهی ; مرتع ; تجزیه و تحلیل GIS

 

چکیده گرافیکی

1. معرفی

مارکوپولو آرگالی ( Ovis ammon polii ) زیرگونه ای از آرگالی ( Ovis ammon ) است و درازترین گونه گوسفند وحشی شاخدار محسوب می شود. مارکوپولو آرگالی که به نام کاشف مارکوپولو نامگذاری شد و اولین بار توسط ادوارد بلیت در سال 1841 به صورت علمی توصیف شد، در کوه‌های پامیر تاجیکستان [ 1 ] و همچنین در مناطق محدودی در چین، افغانستان، پاکستان و قرقیزستان مشاهده می‌شود [ 2 ]. با توجه به شاخ چشمگیر گوسفند، شکارچیان خارجی مایل به پرداخت مبالغ زیادی برای شکار هستند [ 3 ]. در واقع، در گزارشی توسط Luschekina [ 4] از سال 1967 تا 1989، در مجموع 20 میلیون دلار توسط شکارچیان ثروتمند پرداخت شد. مطالعات اخیر در مورد وضعیت جمعیت آرگالی کاهش تعداد [ 5 و 6 ] ناشی از شکار غنائم و شکار غیرقانونی را نشان داده است [ 7 ]. O. ammon در فهرست‌های متعددی مانند ضمیمه II CITES و فهرست قرمز IUCN 2000 به‌عنوان گونه‌های آسیب‌پذیر یا در معرض خطر طبقه‌بندی شده است. اکنازاروف، مدیر موسسه بیولوژیکی پامیر، گفت که تعداد کل گوسفندان مارکوپولو در پامیر تاجیکستان ممکن است تنها بین 3000 تا 5000 راس باشد. والدز و همکاران [ 2با این حال، در یک بررسی چهار ساله متوالی از سال 2009 تا 2012، در مجموع 8649، 8392 و 7663 گوسفند شمارش کرد. آرگالیس معمولاً در تپه‌های غلتان ساکن هستند که فاقد پوشش گیاهی بلند هستند تا شکارچیان را به صورت بصری اسکن کنند [8 ] . آنها همچنین مناظر کوهستانی ناهموار را برای پوشش فرار ترجیح می دهند و برای فرار از شکارچیان به سرعت متکی هستند [ 9 ].
در این گزارش، ما بخش کوچکی از منطقه مورد مطالعه خود را در جنوب شرقی پامیر تاجیکستان توصیف کردیم که شامل دو مجموعه داده موجود است – یکی از مجموعه داده‌ها مکان‌های اشغال گوسفندان وحشی را فهرست می‌کند، و مجموعه داده دوم، بررسی‌های ترانسکت دقیقی را نشان می‌دهد که ویژگی‌های سطح زیستگاه احتمالی گوسفند را نشان می‌دهد. . با استفاده از تکنیک‌های سنجش از دور و سیستم‌های اطلاعات جغرافیایی (GIS)، توصیفات زیستگاه گوسفند در لایه‌های GIS ارائه شد. ما لایه‌های جداگانه‌ای ایجاد کردیم تا اطلاعاتی در مورد الگوهای آرگالی و تناسب زیستگاه به‌دست آوریم و مجموعه داده‌ها را به صورت آنلاین در دسترس بقیه جامعه تحقیقاتی قرار دهیم.

2. منطقه مطالعه

منطقه مورد نظر ( شکل 1 ) در جنوب شرقی کوه های پامیر تاجیکستان در منطقه خودمختار گورنو بدخشان، بین عرض های جغرافیایی 37 درجه شمالی تا 38 درجه شمالی و طول جغرافیایی 74 درجه شرقی تا 75 درجه شرقی واقع شده است و منطقه تقریباً حدوداً را پوشش می دهد. 2223 کیلومتر مربع (223000 هکتار). زمین های کوهستانی صخره ای دارای ارتفاع 3500 متر تا 5500 متر (11480 تا 18000 فوت) از سطح متوسط ​​دریا (amsl) هستند. منطقه مورد مطالعه تقریباً با منطقه یک امتیاز شکار ونگل وحشی مطابقت دارد که در آن سالانه 45 مجوز شکار با هزینه 40000 دلار برای هر مجوز صادر می شود. به غیر از آرگالی، یک صندور وحشی دیگر، بزکوهی آسیایی (Capra sibirica)، در این منطقه وجود دارد [ 2 ].
Ijgi 04 02094 g001 1024
شکل 1. منطقه مورد مطالعه کوچکتر در منطقه جنوب شرقی تاجیکستان و بر اساس یک صحنه لندست قرار دارد.
میانگین بارندگی سالانه حدود 100 میلی متر (3.9 اینچ) با میانگین دمای زیر صفر از اکتبر تا مارس است. با چنین شرایط آب و هوایی شدید، گله‌داری از گاوها، گوسفندها و بزها گزینه اصلی کشاورزی [ 10 ] بوده است که افراد اهلی بیشترین تعداد را دارند. حیوانات اهلی در طول پاییز، زمستان و اوایل بهار (اکتبر تا اردیبهشت) به مراتع پایین‌تر منتقل می‌شوند تا از هوای سخت زمستانی جلوگیری کنند. مراتع تابستانی تحت سلطه گونه های درمنه و فستوکا با بهره وری به ترتیب 0.3 تا 0.4 تن در هکتار و 0.8 تا 1.2 تن در هکتار -1 است [ 11 ]. رقابت چرای دام بین ونگل های وحشی و دام را می توان در مراتع نزدیک سکونتگاه های انسانی یافت [ 12 , 13]].

3. داده ها و روش

شرح سیستماتیک مراحل پردازش داده در اینجا ارائه شده است:
(1) پیش پردازش تصویر Landsat برای افزایش کیفیت داده ها و حذف نویزهای ناشی از شرایط داخلی و خارجی و حذف سایر مشخصات نامطلوب تولید شده توسط سنسور.
تصویر 30 متری لندست 7 پیشرفته موضوعی نگاشت موضوعی پلاس (ETM+) از جولای 2012 برای تجزیه و تحلیل همزمان با تاریخ کار میدانی استفاده شد. داده‌های سری زمانی Landsat محصول تصحیح‌شده سطح 1 (L1T) از آرشیو منابع سازمان زمین‌شناسی ایالات متحده، مشاهده و علم منابع زمین (USGS EROS) ( http://eros.usgs.gov/ ) به‌دست آمد . ماه جولای در دوره ای است که به عنوان پیک پاسخ پوشش گیاهی شناسایی شده است [ 14 ]. زمانی از سال که مرحله رشد پوشش گیاهی بالاترین سیگنال های طیفی را تولید می کند. با استفاده از ERDAS Imagine [ 15 ]، تصویر را با تبدیل مقادیر عدد دیجیتال اندازه گیری شده (DN) به واحدهای بازتابی بالای جو (TOA) نرمال سازی کردیم [ 16]].
(2) غربالگری تکه‌های ابر، سایه‌های ابر و برف انجام شد تا اطمینان حاصل شود که تصویر فاقد موانعی است که ممکن است منجر به طبقه‌بندی نادرست پوشش گیاهی شود.
ما بررسی‌های بصری و/یا طیفی تصویر را برای ارزیابی وجود ابر و آلودگی‌های سایه انجام دادیم، آنها را مشخص کردیم و سپس از آنالیز پنهان کردیم. بیشتر آلودگی ها در جنوب صحنه لندست یافت شدند. از آنجایی که منطقه مطالعه ما در نزدیکی مرکز صحنه قرار داشت، موفق شدیم تا 95 درصد از پوشش ابر و برف جلوگیری کنیم. بنابراین، ابرها، سایه‌ها و پوشش برف محدودیت‌های اصلی در پردازش تصویر نبودند. برای ماسک برف، شاخص برف تفاوت عادی شده (NDSI) را ایجاد کردیم [ 17]] تصویر برای تشخیص برف از سایر ویژگی های اطراف. آستانه ای برای NDSI اعمال شد تا ویژگی های غیر برفی را که ممکن است با بررسی بازتاب در طول موج های دیگر به اشتباه به عنوان برف طبقه بندی شده باشند، فیلتر کند. علاوه بر این، ما دستی گسترده ای از مصنوعات برفی جدا شده را به ویژه در مناطق انتقالی بین ویژگی های برف و غیر برف واقع در شیب های تند انجام دادیم.
(3) ادغام متغیرهایی مانند مدل رقومی ارتفاع (DEM)، شاخص گیاهی تفاوت نرمال شده (NDVI)، تجزیه و تحلیل اجزای اصلی (PCA)، شاخص گیاهی اصلاح شده با خاک (MSAVI)، و ویژگی‌های بافت در شی‌محور تجزیه و تحلیل طبقه بندی تصویر
به جای روش مبتنی بر پیکسل، ما از تجزیه و تحلیل تصویر مبتنی بر شی (OBIA) برای طبقه بندی تصویر خود استفاده کردیم که دقت طبقه بندی بسیار بالاتری را تضمین می کند [18 ، 19 ، 20 ، 21 ] . OBIA برای گرفتن الگوهای منظره و استخراج دینامیک اشیاء مجاور مناسب است.
متغیرهای طیفی و توپوگرافی، یعنی NDVI [ 22 ]، PCA [ 23 ]، MSAVI [ 24 ] و DEM [ 25 ]، با ویژگی های بافت مانند همگنی (HOM)، لحظه دوم (M2)، عدم تشابه (DIS) ادغام شدند. ، آنتروپی (ENT) و کنتراست (CON)، برای طبقه بندی مبتنی بر شی. مطالعات اندکی اشاره کرده اند که افزودن DEM، NDVI، PCA و MSAVI می تواند به بهبود نتایج طبقه بندی تصویر از نظر تمایز ویژگی ها و دقت کلاس های برجسته کمک کند (به عنوان مثال، [26، 27 ] ) . ما از DEM حاصل از ماموریت توپوگرافی رادار شاتل ناسا (SRTM) مجموعه داده های آنلاین ارتفاع 90 متری از طریق وب سایت USGS ( http://srtm.usgs.gov/index.php ) استفاده کردیم.). ما DEM را به وضوح فضایی متغیرهای طیفی (30 متر) تغییر دادیم. علاوه بر این، ما فضای داده 4 و 5 NIR باندهای لندست جداگانه را اضافه کردیم تا از جدایی واضح بین سطوح پوشش گیاهی و خاک اطمینان حاصل کنیم [ 28 ].
برای متغیرهای بافت، ما از فیلترهای بافتی نرم افزار ENVI که بر اساس معیارهای همزمانی [ 29 ] بودند، بهره بردیم. معیارها از یک ماتریس برای محاسبه مقادیر بافت در پنجره پردازش استفاده می کنند. ماتریس نمونه هایی از وقوع رابطه بین یک پیکسل و همسایه مشخص شده آن را نشان می دهد. تعدادی از مطالعات دقت طبقه بندی کاربری و پوشش زمین (LULC) را در هنگام استفاده از تصاویر بافت در OBIA نشان داده اند (به عنوان مثال، [ 30 ، 31 ]). استفانوف و همکاران [ 32 ] و Pesaresi و همکاران. [ 33] از یک باند برای محاسبه اجزای بافت استفاده کرد. در این مطالعه، ما هر ترکیب باند و بافت لندست را به کار بردیم تا بهترین جفت اجزای باند-بافت را انتخاب کنیم. بسته ای به نام FactoMineR در محیط R اجرا شد تا بردارهای مخالف را نشان دهد، که می تواند بهترین باند یا باندهای طیفی را که برای هر تصویر بافت خاص به کار می رود، مشخص کند. بردارهای مخالف نشان می‌دهند که مؤلفه‌ها همبستگی منفی دارند و به عنوان بهترین متغیر برای طبقه‌بندی در نظر گرفته می‌شوند. هنگامی که همه متغیرهای OBIA محاسبه شدند، پارتیشن بندی تصویر به بخش ها انجام شد. نتیجه یک تصویر بخش‌بندی بود، که در آن به هر ناحیه، مقادیر طیفی محاسبه‌شده تمام پیکسل‌هایی که به آن منطقه تعلق دارند، اختصاص داده می‌شود.
در ماژول استخراج ویژگی ENVI، ما از روش k-nearest همسایه (KNN) برای طبقه بندی تصویر استفاده کردیم. ما کلاس‌های کاربری زمین را فقط به سه مورد محدود می‌کنیم: پوشش گیاهی، آب و زمین بایر، زیرا هدف ما مشخص کردن پوشش گیاهی تابستانی بود. تشخیص این سه طبقه از روی تصویر لندست دشوار نبود. برای داده‌های آموزشی، ما به موتور Google Earth، دانش تخصصی منطقه، امضاهای طیفی کلاس‌ها و داده‌های جمع‌آوری‌شده از بررسی میدانی در سال 2012 تکیه کردیم. وضوح 60 سانتی متر) و WorldView-2 (رزولوشن 50 سانتی متر) برای کمک به شناسایی و تخصیص کلاس ها استفاده شد. به عنوان یک نکته، ما فقط از 75٪ از امتیازهایی که جمع آوری کردیم (در کل 550 امتیاز) برای آموزش استفاده کردیم.
ما دقت طبقه‌بندی تصویر خود را با استفاده از دقت کلی (OA)، دقت سازنده (PA)، دقت کاربر (UA) و ضریب کاپا ارزیابی کردیم. ما به توافق بین تصویر طبقه بندی شده و نقشه مرجع نگاه کردیم. مقدار آماری کاپا 0.4 به معنای توافق ضعیف است، در حالی که توافق عالی باید مقداری بیش از 0.85 داشته باشد. هر ارزشی در این بین منصفانه به خوب در نظر گرفته می شود.
(4) استخراج مجموعه داده های شطرنجی ثانویه مانند شبکه های شیب، جنبه و رودخانه.
از مجموعه داده DEM، شیب، جنبه و TIN را با استفاده از نرم افزار ArcGIS استخراج کردیم.
(5) پوشش لایه های برداری مختلف، استخراج آمار توصیفی با استفاده از تجزیه و تحلیل مبتنی بر GIS، و نشان دادن نقشه های لازم.
فهرست لایه‌هایی که ما استخراج و تجزیه و تحلیل کردیم، رودخانه‌ها و نهرها، توده‌های آبی، توپوگرافی و پوشش گیاهی بود. در این گزارش رودخانه ها و نهرها به مناطق ساحلی اشاره می کنند که ممکن است در طول سال آب روان نداشته باشند. لایه ای برای سکونتگاه های انسانی در نظر گرفته نشد زیرا چیزی در منطقه مورد مطالعه شناسایی نشد. ما نتایج تجزیه و تحلیل خود را جدول بندی کردیم.

4. نتایج و بحث

ما این گزارش را بر اساس هر لایه یا راننده اصلی اطلاعات جغرافیایی به بخش‌هایی تقسیم کردیم. درایور موجودی است که می‌تواند بر روی منظره نقشه‌برداری یا ترسیم شود، که سپس آن را دستکاری و تحلیل کردیم.

4.1. شبکه رودخانه ها و جریان ها

طول کل رودخانه ها و نهرها در مجموع حدود 92.32 کیلومتر (57.37 مایل) بود ( شکل 2 ). از این طول، 38.83 کیلومتر (24.13 مایل) از دو رودخانه اصلی بود.
Ijgi 04 02094 g002 1024
شکل 2. منطقه مورد مطالعه در شرق کوه های پامیر با شبکه رودخانه و نهر و آب های اصلی.

4.2. بدنه های آبی

آب های اصلی در شکل 2 نشان داده شده است . مساحت بزرگترین دریاچه واقع در ناحیه شمال شرقی منطقه مورد مطالعه حدود 3.24 کیلومتر مربع (324 هکتار) بود. بقیه منابع آب داخلی مناطقی از 0.08 تا 1.04 کیلومتر مربع (7.8 هکتار تا 104 هکتار) داشتند.

4.3. توپوگرافی

آمار توصیفی توپوگرافی در جدول 1 خلاصه شده است . میانگین ارتفاع مشاهده شده 4430 متر (14534 فوت) در ثانیه بود. حداکثر درجه شیب مشاهده شده بالا در 89.26 درجه بود که نشان دهنده وجود تمایلات اساساً عمودی در منطقه است. در واقع، حدود 9 درصد از منطقه با شیب بیش از 80 درجه، بسیار شیب دار در نظر گرفته شد ( جدول 2 ). حداقل درجه شیب 0.27 درجه بود که نشان دهنده مناطق مسطح در دره ها و کوهپایه ها است. نزدیک به نیمی از منطقه مورد مطالعه (48.9٪) در شیب 1 تا 10 درجه بود. شواهد افزایش تدریجی شیب ها در جدول 2 منعکس شد: از 11 درجه تا 20 درجه (15.3٪)، به 21 درجه تا 30 درجه (15.5٪)، تا 31 درجه تا 40 درجه (6.4٪). شکل 3نقشه شیب منطقه مورد مطالعه را نشان می دهد.
Ijgi 04 02094 g003 1024
شکل 3. نقشه شیب منطقه مورد مطالعه در شرق کوه پامیر (بر حسب درجه). حداکثر درجه شیب 89.26 درجه و حداقل 0.27 درجه است.
جدول
جدول 1. مقادیر حداقل، حداکثر و میانگین ویژگی های چشم انداز منطقه مورد مطالعه در شرق کوه های پامیر.
جدول
جدول 2. توزیع درصد شیب شیب در منطقه مورد مطالعه کوه های پامیر.

4.4. پوشش گیاهی

متغیرهای بافت b5HOM (همگنی محاسبه‌شده از باند 5) و b5CON (کنتراست محاسبه‌شده از باند 5) به‌علاوه متغیرهای طیفی/توپوگرافی DEM، NDVI، و b4 بهترین عملکرد تقسیم‌بندی را تولید کردند. سپس این مجموعه در فرآیند تقسیم‌بندی و در نهایت در طبقه‌بندی تصویر نهایی مورد استفاده قرار گرفت. نقشه طبقه بندی شده دقت کلی 91.8٪ و آمار کاپا 0.85 را نشان داد. تنها برای طبقه پوشش گیاهی، PA 90.8٪ و UA 91.6٪ بود.
مساحت کل پوشش گیاهی حدود 146 کیلومتر مربع (14600 هکتار) بود ( شکل 4 ) که تقریباً 23 درصد از کل منطقه مورد مطالعه را تشکیل می داد. بیش از 80 درصد از پوشش گیاهی در فاصله 2 مایلی رودخانه ها و نهرها ( جدول 3 ) و در داخل دره ها و روی کوهپایه ها قرار داشت . علاوه بر این، حدود 42 درصد از پوشش گیاهی در فاصله 0.5 مایلی از رودخانه قرار داشت. درصد کمی از پوشش گیاهی (2.3٪) در 4 مایل دورتر از رودخانه ها رشد کرده است.
Ijgi 04 02094 g004 1024
شکل 4. نقشه پوشش گیاهی منطقه مورد مطالعه در شرق کوه های پامیر. پوشش گیاهی بیشتر در دره ها و کوهپایه ها و نزدیک رودخانه ها و نهرها متمرکز است.
جدول
جدول 3. درصد پوشش گیاهی در مناطق حائل رودخانه در شرق کوه های پامیر.
چند درصد از پوشش گیاهی در ارتفاعات پایین تر افتاد؟ در جدول 4 ، تنها 8.48 درصد از پوشش گیاهی در ارتفاع پایین تر از ارتفاع 4200 متری (13780 فوت) سقوط کرده است. حدود 40 درصد از پوشش گیاهی در ارتفاع 4400 متری (14436 فوت) بود. به طور کلی، 97 درصد از مناطق پوشیده از پوشش گیاهی در ارتفاعات 4600 متری (15092 فوت) و پایین‌تر قرار داشتند.
جدول
جدول 4. درصد پوشش گیاهی که در ارتفاعات مختلف منطقه مورد مطالعه در شرق کوههای پامیر قرار دارد.
Ijgi 04 02094 g005 1024
شکل 5. نقشه پوشش گیاهی منطقه مورد مطالعه که بخشی از پوشش گیاهی (42.28٪) را در منطقه حائل رودخانه 0.5 مایلی (0.80 کیلومتری) نشان می دهد.
در جدول 3 ، حدود 42.28٪ از کل پوشش گیاهی در 0.5 مایل (0.80 کیلومتر) از رودخانه بود. این درصد بیشتر در جدول 5 طبقه بندی شد . نزدیک به 50٪ (49.81٪) از پوشش گیاهی در منطقه حائل 0.5 مایل بر روی 4400 amsl افتاد.
جدول 5 نشان می دهد که دامنه ارتفاعات برای مناطق 0.5 مایلی از رودخانه از 4200 متر تا 4700 متر (13780 تا 15420 فوت) است. نقشه را در شکل 5 از تمام پوشش گیاهی در منطقه حائل رودخانه 0.5 مایلی ببینید.
جدول
جدول 5. درصد پوشش گیاهی در ارتفاعات در 0.5 مایل (0.80 کیلومتر) از رودخانه.

4.5. اشغال مارکوپولو آرگالی

مکان‌های اشغال گوسفند مارکوپولو از طریق کار میدانی در تابستان‌های 2010 و 2012 ثبت شد. شکل 6 مکان‌های اشغال ثبت‌شده Argalis را در منطقه مورد مطالعه نشان می‌دهد. از 41 مکان، 28 (یا 68.29٪) در منطقه حائل رودخانه 0.5 مایلی (0.80 کیلومتر) قرار داشتند ( جدول 6 ). نیازی به گفتن نیست که آرگالیس در این 28 مکان دسترسی آسان به رودخانه ها/ نهرها و اکثر پوشش گیاهی (42.28 درصد در شکل 6 ) در ارتفاعات پایین تر، 4200 متر تا 4700 متر (13780 تا 15420 فوت) دارند ( جدول 5 ).
Ijgi 04 02094 g006 1024
شکل 6. اشغال مارکوپولو ارگالی (نقاط قرمز) در منطقه مورد مطالعه، شرق کوه های پامیر، تاجیکستان.
جدول
جدول 6. درصد مکان های ارگالی نسبت به مناطق حائل رودخانه.

4.6. تجزیه و تحلیل داده های ترانسکت

داده های گیاهی از طریق روش ترانسکت در تابستان 2012 جمع آوری شد. ترانسکت ها در علفزارهای خشک و مرطوب و در محیط های مرتفع خشک قرار گرفتند ( شکل 7 ).
جامعه گیاهی علفزار مرطوب شامل اکثریت 2/44 درصد علف/جنگ و 87/43 درصد فضولات گوسفند بود. متنوع ترین طبقه رویشی در علفزار خشک، Forbs با 13.63 درصد پوشش مشاهده شد و فضولات گوسفند با 13.9 درصد ثبت شد. مراتع مرطوب و خشک حدود 27.34 متر (0.017 مایل) از هم فاصله داشتند. جدای از چمنزار مرطوب، ارتفاعات خشک نیز درصد بالایی از فضولات گوسفند را با 43.87 درصد ثبت کرده است.
چمنزار مرطوب در فصل زمستان برای گوسفندان محبوب است، در حالی که از مناطق مرتفع خشک در بهار استفاده می شود. ارتفاعات خشک با زمین های شیب دار مشخص می شود که میش ها و بره ها از آن به عنوان زمین فرار استفاده می کنند. در تجزیه و تحلیل ما، علفزار مرطوب دارای شیب مسطح تری در مقایسه با علفزار خشک و مناطق مرتفع خشک بود ( جدول 7 ). ارتفاعات خشک در حدود 4380 متر (14370 فوت) در ارتفاعات قرار داشت. 55 متر (181 فوت) بالاتر از علفزار خشک و 76 متر (249 فوت) بالاتر از علفزار مرطوب. از نظر اراضی فرار برای گوسفندان، ارتفاعات خشک در جهت شمال شرقی و جنوب غربی با اراضی شیب دارتر محدود می شد. محل اجتماع مرتفع خشک کمتر از 160 متر تا ارتفاع 100 متری بعدی (بالاتر) بود.
Ijgi 04 02094 g007 1024
شکل 7. مکان‌های مجموعه داده‌های ترانسکت جمع‌آوری‌شده در سال 2012. این قسمت، نقاط چمنزار مرطوب و خشک را نشان می‌دهد.
جدول
جدول 7. موقعیت ترانسکت ها با توجه به ویژگی های چشم انداز در منطقه مورد مطالعه، شرق کوه های پامیر، تاجیکستان.

4.7 یافتن اجتماعات علفزار مرطوب و خشک مشابه

یک منطقه بسیار کوچکتر از 50 کیلومتر مربع (4984 هکتار) از منطقه مورد مطالعه بزرگتر جدا شد تا بیشتر بر ویژگی های چشم انداز مراتع مرطوب و خشک تمرکز کند، که فکر می کنیم زیستگاه های خوبی برای گوسفند هستند.
با استفاده از اطلاعات طیفی پیکسل‌هایی که ترانسکت‌ها در آن جمع‌آوری شده‌اند، نقشه‌ای همانطور که در شکل 8 نشان داده شده است ایجاد شد که مکان‌های جوامع مشابه را در اطراف ناحیه کوچک‌تر نشان می‌دهد. کل مساحت تخمین زده شده با ویژگی های مشابه مکان های ترانسکت در حدود 2.49 کیلومتر مربع (249 هکتار) بود.
در جدول 8 ، تقریباً 67 درصد از زیستگاه “مشابه با ترانسکت” در 1.0 مایل (0.80 کیلومتر) از رودخانه واقع شده است. در مقایسه با جدول 7 ، علفزارهای مرطوب و خشک نیز در 1.0 مایلی رودخانه قرار داشتند. این توافق مشاهده شده نشان داد که ویژگی های طیفی پیکسل ها در فاصله 1.0 مایلی از رودخانه تمایل به یکسانی دارند. به عبارت دیگر، ویژگی های سطح مراتع مرطوب و خشک در فاصله 1.0 مایلی از رودخانه یکسان است.
Ijgi 04 02094 g008 1024
شکل 8. مناطقی که شباهت طیفی جوامع ترانسکت در آنها یافت می شود، دارای برچسب “مشابه” هستند. بقیه پوشش گیاهی دارای برچسب “غیر مشابه” است.
جدول
جدول 8. درصد زیستگاه “مشابه با ترانسکت” واقع در مناطق حائل رودخانه انتخاب شده.
نقشه در شکل 9 اجتماعات علفزار مرطوب و خشک احتمالی را بر اساس طبقه بندی “مشابه به ترانسکت” نشان می دهد. مناطق سبز رنگ می‌توانند مکان‌های زیستگاه گوسفندی باشند که (1) در 1 مایل (0.80 کیلومتر) از رودخانه، (2) در 4200 متر تا 4400 متر (13780 تا 15420 فوت) ارتفاعات و (3) نزدیک به زمین های فرار، حدود 160 متر تا ارتفاع 100 متری بعدی (بالاتر).
هنوز در شکل 9 ، هر دو کلاس، «مشابه به ترانسکت» و «غیر مشابه با ترانسکت» باید در این زمینه تأیید شوند. توجه به این نکته مهم است که کلاس “غیر مشابه با ترانسکت” دارای مناطقی است که با انواع پوشش گیاهی نیز پوشیده شده است که ممکن است شبیه جوامع مرتعی مرطوب و خشک باشد. محدودیت در وضوح فضایی تصویر Landsat ممکن است منجر به طبقه‌بندی اشتباه شده باشد. مکان‌های ترانسکت علفزار مرطوب و خشک اضافی می‌توانست به اعتبارسنجی نتایج کمک کند.
Ijgi 04 02094 g009 1024
شکل 9. اجتماعات علفزار مرطوب و خشک احتمالی بر اساس طبقه بندی “مشابه به ترانسکت”. مناطق سبز رنگ مکان‌های احتمالی زیستگاه گوسفندان هستند که در فاصله یک مایلی (0.80 کیلومتری) از رودخانه و در ارتفاعات 4200 متری تا 4400 متری (13780 تا 15420 فوت) قرار دارند.

5. نتیجه گیری ها

ما محیط زیستگاه احتمالی ارگالی را از نظر شیب، فاصله تا اراضی فرار و منابع آبی، ارتفاع و پوشش گیاهی با استفاده از مکان‌های اشغال ارگالی توصیف کردیم. نتایج این گزارش برای مطالعه حرکت ارگالی ها در منطقه و همچنین الگوهای پراکندگی و پویایی جمعیت آنها حیاتی است. مهمتر از آن، لایه‌های GIS به عنوان اطلاعات پایه در توسعه یک برنامه مدیریتی برای زیستگاه‌های آرگالی در آینده و چگونگی تغییر زیستگاه ترجیحی این گونه‌ها در پاسخ به حضور رقابت دام‌ها در منطقه، عمل می‌کند. اگرچه ما از داده‌های Landsat با وضوح متوسط ​​درشت استفاده کردیم، نتایج ما نشان داد که این تصویر می‌تواند به اندازه کافی یک نقشه پایه از پوشش گیاهی تولید کند. ما امیدواریم که در آینده با استفاده از تصاویر فراطیفی برای استخراج و نقشه برداری از گونه های گیاهی خاص، طبقه بندی را بهبود بخشیم. در نهایت، لایه‌های GIS برای دانلود آسان از طریق وب‌سایت مرکز اکولوژی کاربردی فضایی دانشگاه ایالتی نیومکزیکو (CASE) به‌صورت آنلاین در دسترس خواهند بود.http://case.nmsu.edu/case/tajikistan.html ) و برای استفاده سایر محققان علاقه مند به مطالعه پامیر شرقی تاجیکستان.

منابع

  1. برو، تی. هورنی، اچ. پامیر تاجیکستان: چالش های توسعه پایدار در یک منطقه کوهستانی منزوی . مرکز توسعه و محیط زیست (CDE)، دانشگاه برن: برن، سوئیس، 2003; پ. 80. [ Google Scholar ]
  2. والدز، آر. میشل، اس. سابباتین، ا. کلیچ، دی. وضعیت و ساختار جمعیت یک جمعیت شکار شده از Marco Polo Argali Ovis ammon polii (Cetartiodactyla، Bovidae) در جنوب شرقی تاجیکستان. Mammalia 2015 . [ Google Scholar ] [ CrossRef ]
  3. هریس، اکوتوریسم RB در مقابل شکار غنائم: انگیزه‌های حفاظتی در ینیوگو، فلات تبت، چین. در ادغام مردم و حیات وحش برای آینده ای پایدار ؛ Bissonette, JA, Krausman, PR, Eds. انجمن حیات وحش: Bethesda، MD، ایالات متحده آمریکا، 1995; ص 228-234. [ Google Scholar ]
  4. لوشکینا، آ. آکادمی علوم روسیه، سن پترزبورگ، روسیه. اثر منتشر نشده 1994.
  5. هریس، RB; Reading, R. فهرست قرمز IUCN از گونه های در معرض خطر. در دسترس آنلاین: http://www.iucnredlist.org (در 30 ژوئیه 2015 قابل دسترسی است).
  6. والدز، آر. واینبرگ، پی جی آرگالی. In Handbook of the Mammals of the World: Hoofed Mammals ; Wilson, DE, Mittermeier, RA, Eds. Lynx Edicions: Barcelona، اسپانیا، 2011; صص 733-739. [ Google Scholar ]
  7. ناواک، آر. دادگاه کنترل واردات غنائم ارگالی را تایید می کند. به خطر انداختن. فن آوری گونه ها گاو نر 1993 ، 18 ، 11-12. [ Google Scholar ]
  8. سینگ، نیوجرسی؛ یوکوز، NG; لکومت، ن. Cote، SD; روباه، JL مقیاس و انتخاب زیستگاه و منابع: آرگالی تبتی (Ovis ammon hodgsoni) در مراتع مرتفع. می توان. جی. زول. Revue Can. زول. 2010 ، 88 ، 436-447. [ Google Scholar ] [ CrossRef ]
  9. همل، اس. الگوهای استفاده از زیستگاه کوت، SD در رابطه با زمین های گریز: آیا ماده های صحرایی آلپی برای ایمنی در مکان های جستجوی علوفه بهتر تجارت می کنند؟ می توان. جی. زول. 2007 ، 85 ، 933-943. [ Google Scholar ] [ CrossRef ]
  10. وانسلو، کالیفرنیا؛ کرادزون، تی. سمیمی، سی. شیوه‌های چرا و مرتع داری در پامیر شرقی. کوه. Res. توسعه دهنده 2012 ، 32 ، 324-336. [ Google Scholar ] [ CrossRef ]
  11. برکل، SW; Wucherer, W. Vegetation of Pamir (تاجیکستان): مشکلات کاربری زمین و بیابان زایی. کاربری زمین چانگ. کوه. تنوع زیستی 2006 ، 16 ، 225. [ Google Scholar ]
  12. برو، تی. مازلی، دی. هورنی، اچ. دانش برای توسعه پایدار در کوه‌های پامیر تاجیکستان. کوه. Res. توسعه دهنده 2005 ، 25 ، 139-146. [ Google Scholar ] [ CrossRef ]
  13. استراتیژی و پلان عمل برای مدیریت پایدار زمین در کوه‌های پامیر عالی و پامیر-علی. در دسترس آنلاین: http://www.preventionweb.net/files/24004_24004strategyactionplaneng1.pdf (در تاریخ 10 ژوئیه 2015 قابل دسترسی است).
  14. والتر، اچ. Breckle، S. Spezielle Ökologie der Gemäßigten und Arktischen Zonen Euro-Nordasiens ; Spektrum Akademischer Verlag: هایدلبرگ، آلمان، 1986. (به آلمانی) [ Google Scholar ]
  15. ERDAS. راهنمای میدانی Erdas Imagine ; ERDAS Imagine: آتلانتا، GA، ایالات متحده آمریکا، 2013. [ Google Scholar ]
  16. ویژگی های زمین با وضوح چندگانه 2001 (MRLC2001) پردازش تصویر: انتشار داده های سازمان زمین شناسی ایالات متحده. در دسترس آنلاین: http://landcover.usgs.gov/pdf/image_preprocessing.pdf (در 13 ژوئیه 2015 قابل دسترسی است).
  17. هال، DK; ریگز، GA؛ Salomonson، VV توسعه روش‌هایی برای نقشه‌برداری پوشش جهانی برف با استفاده از داده‌های طیف‌سنجی تصویربرداری با وضوح متوسط. سنسور از راه دور محیط. 1995 ، 54 ، 127-140. [ Google Scholar ] [ CrossRef ]
  18. وانگ، ز. وی، دبلیو. ژائو، اس. Chen, X. طبقه بندی شی گرا و کاربرد در طبقه بندی کاربری زمین با استفاده از تصاویر SPOT-5 PAN. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2004، انکوریج، AK، 20-24 سپتامبر 2004. جلد 5، ص 3158–3160.
  19. Heumann، BW یک طبقه‌بندی مبتنی بر شی از حرا با استفاده از یک درخت تصمیم ترکیبی – رویکرد ماشین بردار پشتیبانی. Remote Sens. 2011 , 3 , 2440–2460. [ Google Scholar ] [ CrossRef ]
  20. Myint، SW; گوبر، پ. برازل، ا. گروسمن کلارک، اس. Weng، Q. طبقه‌بندی بر پیکسل در مقابل شیء مبتنی بر استخراج پوشش زمین شهری با استفاده از تصاویر با وضوح فضایی بالا. سنسور از راه دور محیط. 2011 ، 115 ، 1145-1161. [ Google Scholar ] [ CrossRef ]
  21. لی، سی. وانگ، جی. وانگ، ال. هو، ال. Gong, P. مقایسه الگوریتم‌های طبقه‌بندی و حجم نمونه آموزشی در طبقه‌بندی زمین شهری با تصاویر نقشه‌بردار موضوعی لندست. Remote Sens. 2014 , 6 , 964–983. [ Google Scholar ] [ CrossRef ]
  22. گایوت، جی. Gu، XF اثر تصحیحات رادیومتری بر NDVI تعیین شده از داده های SPOT-HRV و Landsat-TM. سنسور از راه دور محیط. 1994 ، 49 ، 169-180. [ Google Scholar ] [ CrossRef ]
  23. عبدی، ح. ویلیامز، LJ تجزیه و تحلیل مؤلفه اصلی. محاسبه کنید. آمار 2010 ، 2 ، 433-459. [ Google Scholar ] [ CrossRef ]
  24. چی، جی. چهبونی، ع. Huete، AR؛ کر، YH; سروشیان، س. شاخص گیاهی اصلاح شده با خاک. سنسور از راه دور محیط. 1994 ، 48 ، 119-126. [ Google Scholar ] [ CrossRef ]
  25. Eiumnoh، E. Shrestha، RP استفاده از داده های DEM برای طبقه بندی تصویر Landsat: ارزیابی در یک چشم انداز مرطوب و خشک گرمسیری تایلند. فتوگرام مهندس Remote Sens. 2000 , 66 , 297-304. [ Google Scholar ]
  26. لو، دی. Weng، Q. طبقه‌بندی شهری با استفاده از اطلاعات طیفی کامل تصاویر Landsat ETM+ در شهرستان ماریون، ایندیانا. فتوگرام مهندس Remote Sens. 2005 ، 71 ، 1275-1284. [ Google Scholar ] [ CrossRef ]
  27. کیروی، KB; کایرو، جی جی. بوسیره، جی. Viergever، KM; رودرا، اس. هاکسام، م. Briers, RA نقشه برداری تغییر پوشش زمین جنگل حرا در امتداد خط ساحلی کنیا با استفاده از تصاویر Landsat. ساحل اقیانوس. مدیریت 2013 ، 83 ، 19-24. [ Google Scholar ] [ CrossRef ]
  28. پیکاپ، جی. جویدن، VH; نلسون، دی جی برآورد تغییرات پوشش گیاهی در طول زمان در مراتع خشک با استفاده از داده‌های Landsat MSS. سنسور از راه دور محیط. 1993 ، 43 ، 243-263. [ Google Scholar ] [ CrossRef ]
  29. ENVI. راهنمای برنامه نویس ENVI. در دسترس آنلاین: https://lost-contact.mit.edu/afs/enea.it/software/rsi/envi/docs/progguid.pdf (در 20 ژوئیه 2015 قابل دسترسی است).
  30. Coburn، CA; رابرتز، ACB یک روش تجزیه و تحلیل بافت چند مقیاسی برای بهبود طبقه بندی توده جنگلی. بین المللی J. Remote Sens. 2004 ، 25 ، 4287-4308. [ Google Scholar ] [ CrossRef ]
  31. ژانگ، جی. لی، پی. Wang, J. استخراج منطقه ساخته شده شهری از تصاویر Landsat TM/ETM+ با استفاده از اطلاعات طیفی و بافت چند متغیره. Remote Sens. 2014 , 6 , 7339–7359. [ Google Scholar ] [ CrossRef ]
  32. استفانوف، WL; رمزی، ام اس; کریستنسن، روابط عمومی نظارت بر تغییر پوشش زمین شهری: یک رویکرد سیستم خبره برای طبقه‌بندی پوشش اراضی مراکز شهری نیمه‌خشک تا خشک. سنسور از راه دور محیط. 2001 ، 77 ، 173-185. [ Google Scholar ] [ CrossRef ]
  33. پسری، م. گرهاردینگر، آ. Kayitakire، F. یک شاخص حضور منطقه ساخته شده قوی با اندازه گیری بافتی متغیر با چرخش ناهمسانگرد. IEEE J. Sel. بالا. Appl. رصد زمین. Remote Sens. 2008 , 1 , 180-192. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370