نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

خلاصه

تعامل بین فعالیت های انسانی و الگوی منظر یک موضوع تحقیقاتی داغ در چند دهه اخیر بوده است. با این حال، محققان فعالیت های انسانی را با شاخص های اجتماعی، اقتصادی و انسانی اندازه گیری می کردند. این شاخص‌ها نمی‌توانند مستقیماً فعالیت انسان را منعکس کنند و به دلیل تفکیک فضایی درشت برای تحلیل‌های ریزدانه مناسب نیستند. با توجه به مشکلات فوق، این مقاله روشی را پیشنهاد می‌کند که شدت فعالیت انسانی را از داده‌های مسیر GPS به‌دست می‌آورد، اطلاعات منظره را از تصاویر سنجش از دور جمع‌آوری می‌کند و تعامل بین فعالیت‌های انسانی و الگوی چشم‌انداز را در مقیاسی دقیق تحلیل می‌کند. حوضه رودخانه لیجیانگ به عنوان منطقه مورد مطالعه انتخاب شده است. نتایج تجربی نشان می‌دهد که فعالیت‌های انسانی و الگوی چشم‌انداز به صورت هم‌افزایی در این منطقه با هم تعامل دارند. زمین و آب ساخته شده فعالیت انسان را تقویت می کند، در حالی که جنگل ها فعالیت انسان را محدود می کنند. تأثیر فعالیت انسان بر الگوی منظر بر اساس طبقه بندی پوشش زمین متفاوت است. به طور کلی، فعالیت‌های انسانی، زمین‌های طبیعی مانند جنگل‌ها و آب‌ها را پراکنده و تکه‌تکه می‌کند، اما باعث می‌شود زمین‌های ساخته شده توسط انسان، مانند زمین‌های ساخته شده و زمین‌های کشاورزی، خوشه‌ای و منظم باشند. با این وجود، فعالیت های انسانی در داخل و خارج از مناطق شهری برعکس است. یافته های تحقیق در این مقاله برای طراحی و اجرای برنامه های مدیریت پایدار مفید است. مانند زمین های ساخته شده و زمین های کشاورزی، خوشه ای و منظم. با این وجود، فعالیت های انسانی در داخل و خارج از مناطق شهری برعکس است. یافته های تحقیق در این مقاله برای طراحی و اجرای برنامه های مدیریت پایدار مفید است. مانند زمین های ساخته شده و زمین های کشاورزی، خوشه ای و منظم. با این وجود، فعالیت های انسانی در داخل و خارج از مناطق شهری برعکس است. یافته های تحقیق در این مقاله برای طراحی و اجرای برنامه های مدیریت پایدار مفید است.
کلید واژه ها: 

سنجش از دور ؛ الگوی منظره ; داده های مسیر ؛ فعالیت انسانی ؛ تجزیه و تحلیل تعامل

 

1. معرفی

فعالیت های انسانی تأثیر مستقیم و غیرمستقیم بر الگوی منظر دارد [ 1 ] و رابطه متقابل آنها ویژگی های متفاوتی را با توسعه جامعه نشان می دهد [ 2 ]. با رشد سریع جمعیت و بهبود مهارت های مهندسی انسان، تأثیر مردم بر محیط طبیعی به طور مداوم در حال افزایش است [ 3 ، 4 ]. در حالی که در زمان ماقبل تاریخ، توانایی انسان برای تغییر محیط محدود بود. به ویژه پس از انقلاب صنعتی از دهه 1740، مقیاس تأثیر انسان به طور قابل توجهی بزرگتر از هر نقطه قبلی بوده است [ 5 ]، و الگوی چشم انداز سطح زمین از آن زمان به طور قابل توجهی تغییر کرده است. با توجه به [ 6]، یک سوم جنگل های مرطوب جنوب شرقی آسیا بین آغاز قرن بیستم و جنگ جهانی دوم ناپدید شد. مساحت زمین های قابل کشت در 50 سال گذشته بیش از 80 درصد در ناحیه کوه های گورس کاهش یافته است [ 7 ]. علاوه بر این، حدود 1٪ از ذخیره تالاب های ساحلی جهانی هر ساله از بین می رود که ناشی از احیای مستقیم انسانی است [ 8 ]. فعالیت های انسانی و متغیرهای اجتماعی-اقتصادی مرتبط به عوامل بسیار مهمی در تغییر منظر تبدیل شده اند [ 9 ]. از سوی دیگر، چشم انداز نیز بر فعالیت های انسان تأثیر می گذارد [ 10 ]. فقدان دانش در مورد رابطه بین فعالیت های انسانی و چشم انداز می تواند مانع اجرای برنامه های مدیریت پایدار شود [ 11]]؛ بنابراین، درک تعامل بین آنها به یک نیاز فوری تبدیل می شود [ 12 ، 13 ، 14 ].
ظهور انواع مختلف سکوهای رصد زمین مبتنی بر هوا و ماهواره، جمع آوری منطقه وسیعی از اطلاعات زمینی از جمله اطلاعات منظره را به سرعت و مکرر ممکن می سازد [ 15 ، 16 ]. این فناوری تحقیقاتی را در مورد بررسی رابطه جفت بین چشم انداز و فعالیت انسانی آغاز می کند [ 17 , 18 , 19]. دو روش اصلی برای مطالعه تأثیر فعالیت های انسانی بر چشم انداز عبارتند از: (1) این فرض که نوع خاصی از تغییر منظر ناشی از فعالیت های انسانی است و سپس تجزیه و تحلیل تأثیر انسان بر اساس تغییر این نوع منظر. سیوان و همکاران اثر فعالیت های انسانی را بر روی چشم انداز حوضه رودخانه زرد بر اساس فرسایش محلی خاک تجزیه و تحلیل کرد [ 20 ]. گری و همکاران فرض کرد که فعالیت انسانی نیروی محرکه اصلی تغییر الگوی منظر است و اثرات فعالیت های انسانی را با تجزیه و تحلیل ناهمگونی چشم انداز مدیترانه مورد مطالعه قرار داد [ 21]]. (2) دیگری اندازه‌گیری فعالیت‌های انسانی با استفاده از شاخص‌هایی مانند شاخص‌های اجتماعی و اقتصادی، سپس استنتاج فعالیت‌های انسانی و تأثیر ناشی از آن بر چشم‌انداز است. به منظور ارزیابی شدت فعالیت انسان، لو و همکاران. تراکم جاده های مورد استفاده، نسبت مساحت سکونتگاه های انسانی، زمین های صنعتی و زمین های کشاورزی [ 22 ]. گوو و همکاران درجه اختلالات انسانی را بر اساس نسبت اثرات ساخت و ساز، گردشگران، شهر و روستا محاسبه کرد [ 23 ]. گو و همکاران چهار متغیر (نسبت گونه‌های بومی و غیربومی، کاربری‌های تالاب، چشم‌انداز اطراف و ویژگی‌های چشم‌انداز تالاب) را برای نمایش فعالیت‌های انسانی انتخاب کرد [ 24]]، در حالی که هوانگ و همکاران. عوامل اجتماعی-اقتصادی، از جمله مشارکت در گردشگری، گروه قومی، نرخ فقر، رشد جمعیت و تأثیر سیاست حفظ [ 25 ] را انتخاب کردند. زنگ و همکاران و گاربارینو و همکاران از عوامل مبتنی بر فاصله اقلیدسی، از جمله فاصله از ساختمان‌ها، جاده‌ها و اقامتگاه‌های گردشگری، به عنوان شاخص‌های ارزیابی فعالیت‌های انسانی استفاده کرد [ 26 ، 27 ]. چند محقق نیز تأثیر الگوی منظر بر فعالیت های انسانی را بررسی کردند. دی جولیو و همکاران ادبیات مرتبط را خلاصه کرد و نتیجه گرفت که مناظری که نیازهای بیولوژیکی و فرهنگی مردم را برآورده می کنند ترجیح انسان است، در حالی که انواع کاربری زمین، مانند جاده هایی با فرکانس های ترافیکی بالا، اثر مانعی بر انسان دارند [10 ] .
رویکرد اول فقط می‌تواند یک روند کلی را نشان دهد، زیرا فعالیت‌های انسانی کمیت‌سنجی نشده است. در مورد رویکرد دوم، دو مشکل وجود دارد: اولاً، عوامل اجتماعی و اقتصادی نمی توانند فعالیت های انسانی را به طور دقیق و مستقیم منعکس کنند. به عنوان مثال، نسبت فقر با فعالیت های انسانی مرتبط است، اما رابطه خاص بین آنها ناشناخته است. ثانیاً، شاخص‌های فعالیت انسانی برگرفته از عوامل اقتصادی-اجتماعی معمولاً در مقیاس واحد اداری بسیار درشت‌تر از مقیاس نتیجه طبقه‌بندی پوشش زمین است. که مانع از تجزیه و تحلیل عمیق تر در مورد رابطه جفت بین فعالیت های انسانی و الگوی چشم انداز می شود. بنابراین، یافتن رویکردی برای نظارت مستقیم بر فعالیت های انسانی در مقیاس فضایی خوب ضروری است. با توسعه مکان و فناوری های ارتباطی بی سیم و به تدریج فراگیر شدن، حسگرهای بیشتری در جنبه های مختلف زندگی مورد استفاده قرار می گیرند و حجم زیادی از داده ها را تولید می کنند. این نوع فرآیند جمع آوری داده ها حسگری مشارکتی توسط [28 ]. داده‌های سنجش مشارکتی اشکال مختلفی دارند، از جمله داده‌های مسیر GPS [ 29 ، 30 ]، داده‌های موقعیت‌یابی تلفن همراه [ 31 ، 32 ]، داده‌های RFID و غیره، و روشی مؤثر برای جمع‌آوری و نمایش یک سری زمانی طولانی از اطلاعات واقعی هستند. زمان فعالیت انسان
هدف از این مقاله تجزیه و تحلیل تعامل دقیق بین فعالیت های انسانی و الگوی چشم انداز بر اساس تصاویر سنجش از دور و داده های مسیر GPS است. ما فرض می کنیم که: (1) اثرات چشم انداز بر فعالیت های انسانی تحت تأثیر ترکیب منظر است که با درصد ترکیب طبقات زمین مشخص می شود. (2) تأثیر فعالیت های انسانی بر چشم انداز از طبقه زمین به طبقه دیگر متفاوت است و همچنین با شدت فعالیت ها تغییر می کند. سهم عمده ما پیشنهاد استفاده از مسیرهای GPS برای تعیین کمیت فعالیت های انسانی، تولید توزیع فضایی فعالیت های انسانی با وضوح مشابه نتیجه پوشش زمین و کشف ویژگی های تعامل ریزدانه نامرئی است.
بخش بعدی منطقه مورد مطالعه و مجموعه داده های تجربی را معرفی می کند و همچنین گردش کار روش و روش های دقیق را ارائه می دهد. بخش 3 نتایج تجربی در حوضه رودخانه لیجیانگ، چین را نشان می دهد و بحث می کند. بخش 4 با محدودیت های این مقاله به پایان می رسد و جهت های آینده را نشان می دهد.

2. مواد و روشها

2.1. منطقه مطالعه

حوضه رودخانه لیجیانگ در گویلین، منطقه خودمختار گوانگشی ژوانگ چین واقع شده است و گستره جغرافیایی 110°3′55′′-110°56′58′′ شرقی، 24°37′12′′ تا 25°55′13′ را پوشش می دهد. N ( شکل 1 ). رودخانه ها و کوه های زیبا در این حوضه صدها مایل از چشم انداز کارست معروف رودخانه لیجیانگ را تشکیل می دهند. شکل منحصر به فرد، آب و چشم انداز فرهنگی منابع غنی برای ظهور و توسعه صنعت گردشگری محلی [ 33 ] است. بیش از 30,000,000 گردشگر در سال 2014 از این منطقه بازدید کردند. توسعه سریع صنعت گردشگری در دو دهه اخیر اقتصاد و جامعه محلی را به شدت ارتقا داده است، اما حوضه رودخانه لیجیانگ شاهد مسائل زیست محیطی شدید به ویژه تغییر چشمگیر پوشش زمین و الگوی چشم انداز بوده است. 34، 35 ].

2.2. اکتساب داده ها

در این مطالعه از شش مجموعه داده استفاده شده است: تصاویر Landsat، محصول ASTER DEM، تصاویر سنجش از دور با وضوح مکانی بالا از Google Earth، محصولات کاربری و پوشش، داده‌های مسیر GPS و داده‌های برداری جاده.
تصاویر Landsat از منطقه مورد مطالعه در سال 2009 و 2013 از آرشیو داده های USGS دانلود شد. تصاویر در سال 2009 توسط نقشه‌بردار موضوعی (TM) در لندست 5 جمع‌آوری شد، در حالی که تصاویر در سال 2013 توسط تصویربردار زمین عملیاتی (OLI) در لندست 8 جمع‌آوری شد. وضوح فضایی تصاویر TM و OLI 30 متر است. چهار صحنه از تصاویر Landsat (مسیر: 124-125؛ ردیف: 42-43) منطقه مورد مطالعه را پوشش می دهد، و تصاویر موزاییک در شکل 2 به شکل یک ترکیب رنگ کاذب نشان داده شده است. هوای منطقه مورد مطالعه ابری و مه آلود است که امکان مقایسه مناسب را نمی دهد. بنابراین، تصاویر Landsat که بین اواخر اکتبر و اوایل دسامبر به دست آمده اند، زمانی که تعداد کمی از ابرها قابل مشاهده هستند، استفاده می شود، و الگوریتم تشخیص ابر پیشنهاد شده توسط [ 36] برای حذف ابرها قبل از طبقه بندی پوشش زمین اعمال می شود.
ASTER GDEM بر اساس داده های رصدی نسل جدید ماهواره های رصد زمین ناسا به نام Terra تولید شده است که در وب سایت آزمایشگاه پیشرانه جت ناسا موجود است. وضوح فضایی 30 متر است. این مجموعه داده برای محاسبه شیب و جنبه سطح زمین برای تسهیل طبقه بندی پوشش زمین استفاده می شود. اطلاعات مربوط به ارتفاع همراه با اطلاعات طیفی می تواند به بهبود دقت طبقه بندی کمک کند.
Google Earth یک محصول مجازی Earth است که توسط Google Inc. توسعه یافته است و تصاویر سنجش از راه دور با وضوح بالا چند زمانی از بسیاری از مناطق مهم جهان ارائه می دهد. وضوح فضایی تصاویر در برخی از مناطق پرجمعیت می تواند تا سطح متر باشد. این تصاویر به دلیل اطلاعات به موقع و دقیق به عنوان مرجع پوشش زمین مورد استفاده قرار می گیرند.
محصولات کاربری/پوشش زمین شامل نقشه های کاربری/پوشش زمین و نقشه های توپوگرافی ذخایر طبیعی از اداره گردشگری محلی و اداره آمار است. اگرچه این محصولات همزمان با تصاویر لندست جمع آوری نمی شوند، اما پس از دیجیتالی شدن و تصحیح هندسی می توان از آنها به عنوان داده های مرجع تکمیلی استفاده کرد. علاوه بر این، گروه تحقیقاتی ما چندین بررسی در محل از پوشش زمین در منطقه مورد مطالعه با استفاده از گیرنده‌های GPS و دوربین‌های دیجیتال انجام داد و داده‌های کاربری/پوشش بخشی از منطقه مورد مطالعه را به عنوان داده‌های حقیقت زمینی تولید کرد.
داده های مسیر GPS یک نوع معمولی از داده های سنجش مشارکتی هستند. داده های مسیر مورد استفاده در این مقاله توسط پلت فرم ملی نظارت بر خودروهای تجاری (NCVMP) که توسط وزارت حمل و نقل چین اداره می شود، جمع آوری شده است. در NCVMP، شاتل‌ها و اتوبوس‌های توریستی به گیرنده‌های GPS و تجهیزات ارتباطی بی‌سیم مجهز شده‌اند و هنگام حرکت، موقعیت مکانی و پارامترهای حرکتی خود را به مرکز نظارت ارسال می‌کنند. داده های مسیر GPS در سراسر کشور در این مرکز انباشته شده است. فاصله نمونه برداری از 30 ثانیه تا 5 دقیقه متغیر است و دقت موقعیت یابی بین 5 تا 10 متر است. شکل 3a توزیع فضایی داده‌های ردیابی خودروهای خام را در منطقه مورد مطالعه نشان می‌دهد که در سال 2012 جمع‌آوری شد. شاتل‌ها و اتوبوس‌های توریستی دو ابزار حمل‌ونقل غالب در گویلین هستند، زیرا تعداد سرانه خودروهای شخصی در چین و گوانگشی بسیار کم است. 37 ، 38 ]، و بنابراین، می تواند به خوبی فعالیت ساکنان محلی و بازدیدکنندگان خارجی را منعکس کند. مجموعه داده از اطلاعات زیر تشکیل شده است: شناسه وسیله نقلیه، شناسه استان، عرض جغرافیایی، طول جغرافیایی، سرعت، جهت، وضعیت و زمان جمع آوری. بخشی از داده های ردیابی GPS در جدول 1 نشان داده شده است .
داده های برداری جاده از پایگاه داده جغرافیایی پایه 1:10000 شهر گویلین است که توسط دفتر نقشه برداری، نقشه برداری و اطلاعات جغرافیایی گوانگشی جمع آوری شده است. شبکه جاده ای برداری برای فیلتر کردن داده های پر سر و صدا GPS استفاده می شود.

2.3. جریان کار

گردش کار کلی از سه مرحله تشکیل شده است که در شکل 4 نشان داده شده است: محاسبه الگوی منظر، محاسبه شدت فعالیت و تجزیه و تحلیل تعامل. چهار مجموعه داده (تصاویر Landsat، ASTER GDEM، تصاویر Google Earth، استفاده از زمین/محصولات پوششی) در مرحله اول استفاده می‌شوند و به دو بخش تقسیم می‌شوند: یک بخش برای آموزش مدل طبقه‌بندی و دیگری برای اعتبارسنجی. نتیجه کاربری/پوشش زمین از طریق روش طبقه‌بندی تصویر شی‌گرا تولید می‌شود و بیشتر برای استخراج وضعیت الگوی منظر بر اساس گروهی از معیارهای انتخاب شده منظر استفاده می‌شود. در مرحله دوم، ابتدا تطبیق نقشه بین مسیرهای GPS خام و شبکه های جاده ای را برای فیلتر کردن نقاط پر سر و صدا GPS انجام می دهیم. سپس از روش تخمین چگالی هسته برای محاسبه توزیع فضایی شدت فعالیت استفاده می کنیم و نقشه درجه بندی آن را با استاندارد درجه بندی تعیین شده بدست می آوریم. در نهایت، بر اساس سه نتیجه فوق،

2.4. طبقه بندی تصاویر لندست

تصاویر سنجش از دور از حوضه رودخانه لیجیانگ در دو مسیر مختلف ماهواره‌ها جمع‌آوری شده‌اند که شرایط دریافت تصویر (قدرت نور خورشید، زاویه گرفتن تصویر و غیره) را متفاوت می‌کند. استفاده از مجموعه مشابهی از پارامترهای طبقه بندی برای پردازش تصاویر منجر به ناسازگاری می شود. بنابراین، طبقه بندی تصویر صحنه به صحنه انجام می شود و سپس، نتایج طبقه بندی برای هر تصویر موزاییک می شود. کاربری/پوشش زمین با توجه به موقعیت محلی و نیازهای تحقیقاتی ما به پنج نوع (زمین های جنگلی، آب، زمین های ساخته شده، زمین های کشاورزی و غیره) تقسیم می شود. ECognition برای پیاده سازی طبقه بندی شی گرا [ 39 ] استفاده می شود که در آن تقسیم بندی چند وضوح [ 40]] با تصاویر Landsat، محصولات NDVI مشتق شده و DEM به عنوان ورودی انتخاب می شود و پارامتر مقیاس روی 5 تنظیم می شود. به عنوان داده های تأیید زمینی برای آموزش و اعتبارسنجی مدل استفاده می شود. دقت طبقه‌بندی کلی با مقایسه نتایج طبقه‌بندی با مجموعه داده اعتبارسنجی 84.25٪ است. شکل 5 نتیجه طبقه بندی کاربری/پوشش زمین را نشان می دهد.

2.5. تجزیه و تحلیل الگوی منظر

متریک چشم انداز یک روش متداول تجزیه و تحلیل الگوی منظر است که بر اساس نقشه های طبقه بندی شده، به ویژه نتیجه طبقه بندی پوشش / کاربری زمین که از طریق تصاویر سنجش از دور به دست می آید، استفاده می شود. اساس یا بلوک‌های سازنده نقشه‌های طبقه‌بندی وصله‌هایی هستند که ناهمگونی درونی آنها اغلب نادیده گرفته می‌شود. متریک های منظر مجموعه ای از شاخص های ریاضی مهم برای تعیین کمیت ویژگی های فضایی و توزیع تکه ها هستند. تعداد زیادی معیار تا کنون ارائه شده است، مانند اندازه، محیط و شکل لکه ها یا تراکم لکه ها که با تعداد لکه ها در هکتار محاسبه می شود. با این حال، ما تنها چند معیار را انتخاب می‌کنیم، زیرا برخی از آنها همبستگی دارند یا توانایی محدودی در توصیف الگوهای چشم‌انداز خاص دارند [ 41 ، 42]]. ما پنج گروه از معیارها را بر اساس مقوله مفهومی انتخاب می کنیم: (1) متریک مساحت/تراکم/لبه: تراکم وصله، تراکم لبه. (2) معیارهای شکل: شاخص شکل. (3) معیارهای سطح هسته: کل سطح هسته و تراکم سطح هسته. (4) معیارهای تجمع: شاخص مجاورت و شاخص سرایت. (5) شاخص تنوع: شاخص تنوع شانون. با استفاده از نتیجه طبقه بندی پوشش/کاربری زمین در بخش 2.4 ، ما برنامه تحلیل فضایی Fragstats 4.1 [ 43] را اعمال می کنیم.] برای محاسبه معیارهای چشم انداز در حوضه رودخانه لیجیانگ بین سال های 2009 و 2013، با قانون همسایگی 8 سلولی. تجزیه و تحلیل الگوی منظر در دو مقیاس انجام می شود: سطح چشم انداز و سطح کلاس. با این حال، معیارهای مورد استفاده برای این دو مقیاس به دلیل کاربردی بودن معیارها کمی متفاوت است. هنگام محاسبه متریک برای هر پیکسل، خروجی می تواند یک مقدار برای هر متریک یا یک شبکه سطح پیوسته باشد.

2.6. تجزیه و تحلیل فعالیت های انسانی

نقاط پر سر و صدا در داده های خط سیر GPS خام به دلیل انواع مختلفی از عوامل موثر بر دقت موقعیت یابی، مانند اثر مسیرهای چندگانه و مسدود کردن سیگنال، وجود دارند. قبل از انجام تجزیه و تحلیل فعالیت، از الگوریتم تطبیق نقشه [ 44 ] برای فیلتر کردن نقاط پر سر و صدایی که با شبکه‌های جاده‌ای مطابقت ندارند استفاده می‌کنیم.
شدت فعالیت انسانی میزان فعالیت انسان در واحد سطح در واحد زمان است. داده‌های مسیر GPS می‌توانند فعالیت‌های ریزدانه انسانی را به خوبی منعکس کنند و با توجه به ویژگی‌های آن، متریک مبتنی بر داده‌های مسیر GPS به عنوان تعداد نقاط مسیر در واحد سطح در واحد زمان تعریف می‌شود. این معیار ذاتاً تراکم فعالیت وسایل نقلیه است. با توجه به اینکه روش محاسبه چگالی ساده نسبت به مقیاس تحلیل حساس است و تاثیر موضوع را بر ناحیه اطراف نادیده می گیرد، روش محاسبه چگالی هسته را انتخاب می کنیم [ 45 ، 46 ]. هسته گاوسی برای نشان دادن فروپاشی یکنواخت نفوذ انسان به صورت فرمول زیر استفاده می شود:

f(ایکس)=12πnساعت∑من=1nه–(ایکس–ایکسمن)22ساعت2

که در آن h پهنای باند، n تعداد نقاط درون پهنای باند، x i محل اشیاء نقطه و x محل محاسبه چگالی است. پهنای باند بر اساس [ 47 ] که در آن Kong et al. ویژگی های توزیع فضایی چشم انداز تحت تأثیر انسان را مورد مطالعه قرار داد و دریافت که فاصله تأثیر قابل توجه بر چشم انداز بین 1000 تا 1200 متر است. اندازه سلول شبکه برای محاسبه روی 30 متر تنظیم شده است تا نتیجه محاسبه با نتیجه پوشش زمین سازگار باشد.

2.7. تحلیل تعامل بین فعالیت انسانی و الگوی منظر

به منظور بررسی بهتر مکانیسم تعامل و جفت بین این دو مؤلفه، این دو اثر را به طور جداگانه بر اساس مشاهدات زیر بررسی می کنیم: تفاوت در توزیع فضایی شدت فعالیت انسانی در یک زمان عمدتاً توسط چشم انداز تعیین می شود، و بنابراین، می تواند تأثیر الگوی چشم انداز را بر فعالیت های انسانی منعکس کند. با این حال، تکامل الگوی چشم‌انداز با زمان در یک منطقه عمدتاً ناشی از فعالیت‌های انسانی است و می‌تواند تأثیر فعالیت‌های انسانی را بر چشم‌انداز منعکس کند. به منظور درک تفاوت مقادیر چگالی در یک زمینه معنایی، مقادیر شدت را به پنج درجه طبقه بندی می کنیم. روش انتخاب مقادیر آستانه به شرح زیر است: ابتدا خطوط کانتور شدت بر اساس تصویر شدت ایجاد می شود و سپس،جدول 2 . پس از درجه بندی، تفاوت شدت فعالیت انسان با تفاوت ویژگی های عملکردی مطابقت دارد. تجزیه و تحلیل همبستگی و تکامل بین شدت فعالیت انسانی (یا درجه شدت) و شاخص الگوی چشم‌انداز برای بررسی تعامل ریزدانه بین دو مؤلفه انجام می‌شود.

3. نتایج و بحث

3.1. الگوی منظر در حوضه رودخانه لیجیانگ

جدول 3 تغییر شاخص های چشم انداز را در سطح چشم انداز در حوضه رودخانه لیجیانگ از سال 2009 تا 2013 نشان می دهد، از جمله تراکم لکه (PD)، تراکم لبه (ED)، شاخص تنوع شانون (SHDI)، شاخص سرایت (CONTAG)، شاخص مجاورت میانگین (PROX_MN)، شاخص شکل متوسط ​​(SHAPE_MN)، سطح کل هسته (TCA) و چگالی ناحیه هسته منفصل (DCAD). PD از 1.7139 به 2.3316 می رود و ED نیز افزایش اندکی از 30.5714-34.3983 را تجربه می کند. CONTAG از 66.3172% به 66.1679% کاهش می یابد. تغییر این شاخص ها نشان می دهد که چشم انداز در طول چهار سال بیشتر و بیشتر از هم گسیخته می شود. از سوی دیگر، SHDI ثابت نگه می دارد، که نشان می دهد که تنوع چشم انداز زیاد تغییر نمی کند، حتی اگر چشم انداز در حال تکه تکه شدن است.
جدول 4 تغییر شاخص های چشم انداز را در سطح کلاس نشان می دهد. تراکم لکه‌های زمین‌های ساخته‌شده و زمین‌های زراعی بزرگ‌تر از زمین‌های جنگلی و آب در هر دو سال 2009 و 2013 است، که نشان می‌دهد درجه تکه تکه شدن زمین‌های ساخته‌شده و زمین‌های کشاورزی شدیدتر است. با مقایسه تفاوت‌های شاخص‌های چشم‌انداز بین سال‌های 2009 و 2013، می‌توان دریافت که NP (تعداد تکه‌ها) و PD برای هر طبقه زمین در حال افزایش است.

3.2. توزیع فعالیت های انسانی

شکل 3 ب داده های مسیر GPS را پس از پیش پردازش نشان می دهد. تصویر شدت فعالیت انسانی با استفاده از فرمول در بخش 2.6 محاسبه شده است و نتیجه در شکل 3 نشان داده شده است . بیشترین مقدار شدت 70494 است. از رنگ های مختلف برای نمایش قدرت فعالیت انسان استفاده می شود. مناطق قرمز نشان دهنده فعالیت قوی انسانی است. زرد نشان دهنده قدرت متوسط ​​است. در حالی که رنگ سبز فعالیت ضعیف انسان را نشان می دهد. شکل 3d توزیع فضایی فعالیت های انسانی را برای درجه های شدت مختلف نشان می دهد. مشاهده می شود که فعالیت های انسانی درجه 1 عمدتاً در مناطق دور افتاده طبیعی ظاهر می شود. منطقه درجه 2 در امتداد جاده های اصلی گسترش می یابد. منطقه درجه 3 منطقه حومه شهر است. و مناطق درجه 4 و درجه 5 به ترتیب یک منطقه کمربندی در اطراف مرکز شهر و منطقه مرکز شهر هستند. درصد منطقه تحت پوشش فعالیت های انسانی از درجه 1 تا 5 به ترتیب 83.6، 13.9، 1.6، 0.6 درصد و 0.3 درصد است. می توان نتیجه گرفت که فعالیت های انسانی بسیار فشرده در بخش نسبتاً کوچکی از حوضه توزیع شده است.

3.3. نتیجه تجزیه و تحلیل تعامل بین فعالیت انسانی و الگوی منظر

شکل 6 a,b درصد زمین (PLAND) را برای درجه‌های شدت مختلف فعالیت انسانی برای هر عنصر منظر به ترتیب در سال‌های 2009 و 2013 نشان می‌دهد. به طور کلی، روند تغییر PLAND با درجه شدت در سال 2009 بسیار شبیه به سال 2013 برای هر طبقه زمین است. علاوه بر این، درصد ترکیب پنج طبقه زمین برای درجه‌های شدت مختلف نیز در دو دوره زمانی مشابه است. پدیده های فوق نشان می دهد که رابطه بین چشم انداز و فعالیت های انسانی در حوضه رودخانه لیجیانگ مستقل از زمان است.
شکل 6همچنین طبقه زمین غالب را در مناطقی با درجه های مختلف فعالیت انسانی نشان می دهد. مهمترین طبقه زمین در منطقه درجه 1، جنگلی است که نزدیک به 80٪ از کل مساحت را به خود اختصاص می دهد، که نشان می دهد تعداد بسیار کمی از مردم در جنگل ها زندگی می کنند. در این منطقه زمین و آب ساخته شده بسیار کم است که درصد آن کمتر از 2 درصد است. در منطقه درجه 2، درصد جنگل ها به طور قابل توجهی به حدود 36٪ در مقایسه با منطقه غالب طبیعت کاهش می یابد. زمین های کشاورزی و زمین های ساخته شده به ترتیب حدود 40 درصد و 12 درصد را تشکیل می دهند. PLAND برای هر طبقه زمین نسبتاً متعادل است، که به احتمال زیاد جاده ها و نقاط دیدنی زیادی در این منطقه وجود دارد. در مناطق درجه 4 و درجه 5 که با فعالیت های انسانی فشرده مشخص می شود، زمین های ساخته شده به حدود 70٪ افزایش می یابد و مناطق جنگلی، آب و زمین کشاورزی نزدیک است. این دو منطقه با هم ناحیه شهری گویلین هستند که نشان می دهد طبقه زمین غالب، زمین های ساخته شده است. به طور کلی، طبقه زمین غالب به تدریج از منطقه جنگلی به زمین ساخته شده از منطقه درجه 1 با ضعیف ترین فعالیت انسانی به منطقه درجه 5 با شدیدترین فعالیت تغییر می کند.
با تجزیه و تحلیل تغییر شدت فعالیت انسانی با PLAND، متوجه می‌شویم که اثرات زمین‌های جنگلی، آب، زمین‌های ساخته‌شده و زمین‌های کشاورزی بر فعالیت‌های انسانی یک الگوی یکنواخت آشکار را نشان می‌دهد. شدت فعالیت انسان با افزایش زمین و آب ساخته شده به طور قابل توجهی افزایش می یابد، و همچنین با بالا رفتن سطح آب افزایش می یابد، اما سرعت رشد کندتر است. به عبارت دیگر، مردم حوضه رودخانه لیجیانگ ترجیح می دهند در مناطقی زندگی کنند که زمین و آب بیشتری دارند، اما نیاز به زمین های ساخته شده بیشتر از آب است. یک روند مخالف برای جنگل‌ها در مقایسه با زمین و آب ساخته شده یافت می‌شود: با کاهش درصد جنگل‌ها، شدت فعالیت انسانی به طور قابل توجهی افزایش می‌یابد. این نشان می دهد که جنگل ها فعالیت های انسانی را محدود می کنند.48 ]. در مقابل، جنگل های انبوه کمتر ترجیح داده می شوند [ 49 ]. می توان استنباط کرد که جذاب ترین ترکیب عناصر منظر، بخش بالایی از زمین ساخته شده و مقدار معینی از جنگل و آب است.
ما تأثیر فعالیت های انسانی بر چشم انداز را بر اساس تغییر عنصر چشم انداز در همان منطقه تجزیه و تحلیل کردیم. شکل 7a تغییر زمین جنگلی را طی چهار سال 2009-2013 نشان می دهد. مشاهده می شود که در منطقه ای با مقدار شدت بین صفر تا 7000 که مناطق غالب طبیعت و حومه گویلین است، با گذشت زمان، دشت جنگلی افزایش می یابد و با شدت فعالیت، میزان افزایش آن افزایش می یابد. افزایش. این نشان می دهد که این منطقه در این مدت شاهد جنگل کاری بوده است. علاوه بر این، PLAND جنگلی در منطقه با مقدار شدت بین 20000 تا 50000 افزایش می یابد، اما در منطقه با مقدار شدت بیش از 50000 کاهش می یابد. می توان نتیجه گرفت که نرخ سبز شدن در اکثر مناطق شهری افزایش می یابد، اما در مناطق پرجمعیت که فعالیت های انسانی شدیدتر است، کاهش می یابد.
شکل 7 ب تغییر آب را در همان دوره زمانی نشان می دهد. می‌توان دریافت که مساحت کل آب در چهار سال کاهش می‌یابد، و مناطقی که مساحت آب در آن کاهش می‌یابد، عمدتاً مناطقی هستند که فعالیت‌های انسانی قوی دارند (مقدار شدت بیش از 20000 است). در مناطقی که فعالیت انسانی کمتری دارند، سطح آب ثابت می ماند، که نشان می دهد کاهش آب عمدتاً در محدوده شهری اتفاق می افتد و احتمالاً ناشی از فعالیت های انسانی است.
شکل 7 ج تغییر زمین های ساخته شده را در طول چهار سال نشان می دهد. به طور کلی، زمین های ساخته شده روند رشدی را نشان می دهد. در مناطقی که فعالیت انسانی ضعیفی دارند، افزایش زمین های ساخته شده مشهود است و با افزایش شدت فعالیت، میزان افزایش آن افزایش می یابد. زمین های ساخته شده در مناطق با شدت بیش از 30000 تغییر چندانی نمی کند. شکاف بزرگ بین 20000 تا 30000 نشان می دهد که مناطقی که زمین های ساخته شده به طور قابل توجهی افزایش می یابد توسعه یافته ترین مناطق شهر نیستند، بلکه حومه های شهر هستند که به سرعت در حال توسعه هستند.
شکل 7 د تغییر زمین کشاورزی را نشان می دهد. به طور کلی، مساحت کل زمین های کشاورزی از سال 2009 تا 2013 کاهش می یابد، و مناطقی که در آن کاهش اتفاق می افتد، عمدتاً مناطق حومه شهر هستند. با نگاهی به افزایش جنگل ها در همان منطقه، می توان استنباط کرد که سیاست Grain for Green، برنامه ای که توسط دولت چین برای تبدیل زمین های زراعی شیب دار به جنگل یا مرتع به منظور مقابله با جنگل زدایی انجام شده است، در حوضه رودخانه لیجیانگ تأثیر دارد. که جزو اولین مناطقی است که این برنامه را مقرر کرده است [ 50 ].
شکل 7 e تغییر انواع دیگر زمین ها را نشان می دهد. در مجموع درصد سایر اراضی به ویژه در منطقه غالب طبیعت و حومه شهر روند کاهشی را نشان می دهد. این منطقه در مناطق دیگر پایدار است.
PD همچنین به عنوان یک معیار برای تجزیه و تحلیل بیشتر رابطه بین فعالیت های انسانی و چشم انداز انتخاب شده است. شکل 8تغییر PD با تراکم فعالیت انسان را نشان می دهد. مشاهده می شود که با افزایش شدت فعالیت انسانی از منطقه غالب طبیعت (منطقه درجه 1) به منطقه غالب جاده و منطقه حومه شهر (مناطق درجه 2 و درجه 3)، به کمربند هسته شهر (منطقه درجه 4)، PD نیز افزایش می یابد. به عبارت دیگر، چشم انداز بیشتر و بیشتر تکه تکه می شود و درجه تکه تکه شدن افزایش می یابد در حالی که شدت فعالیت افزایش می یابد. با این حال، در منطقه مرکزی شهر که درجه شدت آن 5 است، اگرچه شدت فعالیت انسانی افزایش می‌یابد، PD کاهش می‌یابد که برخلاف روند کلی تغییر است. می‌توان چنین استنباط کرد که تأثیر فعالیت‌های انسانی بر منظر در محدوده شهری تحت تأثیر قوانین یا مقررات برنامه‌ریزی شهری است و فعالیت‌های انسانی منظم‌تر از سایر مناطق است. علاوه بر این،
در مقایسه با نتیجه در سطح چشم‌انداز، نتیجه در سطح کلاس بینشی از رابطه بین فعالیت‌های انسانی و میزان تکه‌تکه شدن هر طبقه زمین را فراهم می‌کند، همانطور که در شکل 9 نشان داده شده است.. مشاهده می‌شود که PD طبقه‌های جنگلی، آبی و سایر زمین‌ها (عمدتاً علفزار و بوته‌ها در منطقه مورد مطالعه) با شدت فعالیت افزایش می‌یابد. در مقابل، PD زمین های ساخته شده و زمین های کشاورزی با رشد شدت فعالیت کاهش می یابد. سه طبقه زمین اول زمین های طبیعی تحت تأثیر فعالیت های انسانی هستند، در حالی که دو طبقه دوم زمین های ساخته شده توسط انسان هستند. بنابراین، می توان استنباط کرد که به طور کلی، فعالیت های انسانی باعث می شود که زمین طبیعی در حین تغییر شکل آن تکه تکه شود، اما زمین های ساخته شده توسط انسان منظم تر شود. با این حال، در مناطق شهری، جنگل‌ها و سایر طبقات زمین در حال خوشه‌بندی هستند، که روند تغییری برعکس با روند کلی را نشان می‌دهد. این امر نتایج تحقیقات در مورد منظر را در مقیاسی دقیق تر غنی می کند: فعالیت های انسانی عموماً تأثیرات متضادی را بر زمین های طبیعی و زمین های ساخته شده توسط انسان تحمیل می کند.

4. نتیجه گیری

ظهور فناوری سنجش از دور که مشخصه آن سکوهای رصد زمین مبتنی بر هوا و ماهواره است، راه موثری برای نظارت مستمر روند تغییر چشم انداز فراهم می کند. در همین حال، داده‌های سنجش مشارکتی تولید شده توسط انسان به روشی مستقیم برای جمع‌آوری فعالیت‌های انسانی در وضوح مکانی و زمانی بالا تبدیل شده است. با الهام از تلاقی و ادغام فرآیندهای جغرافیایی، فرآیندهای اکولوژیکی و موضوعات نوظهور پیش بینی شده توسط [ 51 ، 52]، این مقاله ایده استفاده یکپارچه از سنجش از دور و داده‌های سنجش مشارکتی را برای تجزیه و تحلیل تعامل بین فعالیت‌های انسانی و الگوی چشم‌انداز در مقیاس ریز پیشنهاد می‌کند. حوضه رودخانه لیجیانگ در شهر گویلین چین به عنوان منطقه مورد مطالعه انتخاب شده است. نتایج تجربی نشان می‌دهد که فعالیت‌های انسانی و الگوی چشم‌انداز عوامل تأثیر متقابل در حوضه رودخانه لیجیانگ هستند. یافته‌های تحقیق دو جنبه دارند: (1) در مورد تأثیر چشم‌انداز بر فعالیت‌های انسانی، با تجزیه و تحلیل تغییر فعالیت‌های انسانی با تغییر درصد زمین برای هر طبقه زمین، متوجه می‌شویم که زمین و آب ساخته‌شده انسان را تقویت می‌کند. فعالیت، و انسان ها در مناطقی با بخش بزرگی از زمین و آب ساخته شده خوشه می شوند. برعکس، جنگل‌ها فعالیت انسان را محدود می‌کنند. (2) در مورد تأثیر فعالیت های انسانی بر چشم انداز، تأثیر آن بر چشم انداز از طبقه زمین به طبقه زمین متفاوت است. به طور کلی، فعالیت‌های انسانی باعث می‌شوند که زمین‌های طبیعی مانند جنگل‌ها و آب‌ها پراکنده و تکه‌تکه شوند و درجه تکه تکه شدن با افزایش شدت فعالیت افزایش می‌یابد، در حالی که زمین‌های ساخته‌شده توسط انسان مانند زمین‌های ساخته شده را می‌سازند. زمین های کشاورزی، خوشه ای و منظم. با این وجود، فعالیت های انسانی در محدوده شهری برخلاف فعالیت های خارج از محدوده شهری است: فعالیت های انسانی در منطقه حومه شهر نسبتاً نامحدود است، در حالی که در داخل شهرها استاندارد و منظم است. در حالی که زمین های دست ساز مانند زمین های ساخته شده و زمین های کشاورزی را به صورت خوشه ای و منظم می سازند. با این وجود، فعالیت های انسانی در محدوده شهری برخلاف فعالیت های خارج از محدوده شهری است: فعالیت های انسانی در منطقه حومه شهر نسبتاً نامحدود است، در حالی که در داخل شهرها استاندارد و منظم است. در حالی که زمین های دست ساز مانند زمین های ساخته شده و زمین های کشاورزی را به صورت خوشه ای و منظم می سازند. با این وجود، فعالیت های انسانی در محدوده شهری برخلاف فعالیت های خارج از محدوده شهری است: فعالیت های انسانی در منطقه حومه شهر نسبتاً نامحدود است، در حالی که در داخل شهرها استاندارد و منظم است.
اگرچه این کار در بکارگیری فناوری‌های نوظهور در تحقیقات منظر پیشرفت داشته است، اما باید به جنبه‌های زیر توجه کنیم: (1) در مقایسه با شاخص‌های اجتماعی-اقتصادی در ادبیات موجود، شدت مسیر یک شاخص مستقیم و دقیق‌تر از فعالیت‌های انسانی است و باعث می‌شود تجزیه و تحلیل تعامل بین فعالیت های انسانی و چشم انداز در همان مقیاس فضایی ممکن می شود. با این حال، مانند سایر شاخص ها، شدت مسیر هنوز یک شاخص جامع نیست و اطلاعات تحرک را نشان می دهد. نتایج تحلیل در این مقاله ویژگی‌های تعامل بین دو مؤلفه را از منظر تحرک نشان می‌دهد. (2) متفاوت از برنامه اتوبوس، داده های مسیر GPS شامل کل اطلاعات سفر است و می تواند به استخراج فضایی فعالیت های انسانی در فضای پیوسته کمک کند. با این حال، نرخ صندلی های اشغال شده به دلیل مشکلات دسترسی به داده ها در نظر گرفته نمی شود. اگرچه سفرهایی که با اتوبوس انجام می شود با تعداد سفرهای اتوبوس برابری نمی کند، اما این دو عدد را می توان به صورت خطی در منطقه مورد مطالعه مرتبط دانست، زیرا شاتل ها و واگن های توریستی دو ابزار غالب حمل و نقل هستند و در بیشتر مواقع شلوغ هستند. بنابراین، نتیجه تجزیه و تحلیل هنوز می تواند بینشی از رابطه بین فعالیت های انسانی و چشم انداز ارائه دهد. استفاده از داده های بیشتر، مانند آمار بلیط یا داده های موقعیت یابی تلفن همراه، در صورت امکان، برای تجزیه و تحلیل دقیق تر مفید خواهد بود. نرخ صندلی های اشغال شده به دلیل مشکلات دسترسی به داده ها در نظر گرفته نمی شود. اگرچه سفرهای انجام شده توسط اتوبوس با تعداد سفرهای اتوبوس برابری نمی کند، اما این دو عدد را می توان به صورت خطی در منطقه مورد مطالعه مرتبط دانست، زیرا شاتل ها و واگن های توریستی دو ابزار غالب حمل و نقل هستند و در بیشتر مواقع پر از صدا هستند. بنابراین، نتیجه تجزیه و تحلیل هنوز می تواند بینشی از رابطه بین فعالیت های انسانی و چشم انداز ارائه دهد. استفاده از داده های بیشتر، مانند آمار بلیط یا داده های موقعیت یابی تلفن همراه، در صورت امکان، برای تجزیه و تحلیل دقیق تر مفید خواهد بود. نرخ صندلی های اشغال شده به دلیل مشکلات دسترسی به داده ها در نظر گرفته نمی شود. اگرچه سفرهای انجام شده توسط اتوبوس با تعداد سفرهای اتوبوس برابری نمی کند، اما این دو عدد را می توان به صورت خطی در منطقه مورد مطالعه مرتبط دانست، زیرا شاتل ها و واگن های توریستی دو ابزار غالب حمل و نقل هستند و در بیشتر مواقع پر از صدا هستند. بنابراین، نتیجه تجزیه و تحلیل هنوز می تواند بینشی از رابطه بین فعالیت های انسانی و چشم انداز ارائه دهد. استفاده از داده های بیشتر، مانند آمار بلیط یا داده های موقعیت یابی تلفن همراه، در صورت امکان، برای تجزیه و تحلیل دقیق تر مفید خواهد بود. زیرا شاتل‌ها و واگن‌های توریستی دو ابزار غالب حمل‌ونقل هستند و در بیشتر مواقع سروصدا می‌شوند. بنابراین، نتیجه تجزیه و تحلیل هنوز می تواند بینشی از رابطه بین فعالیت های انسانی و چشم انداز ارائه دهد. استفاده از داده های بیشتر، مانند آمار بلیط یا داده های موقعیت یابی تلفن همراه، در صورت امکان، برای تجزیه و تحلیل دقیق تر مفید خواهد بود. زیرا شاتل‌ها و واگن‌های توریستی دو ابزار غالب حمل‌ونقل هستند و در بیشتر مواقع سروصدا می‌شوند. بنابراین، نتیجه تجزیه و تحلیل هنوز می تواند بینشی از رابطه بین فعالیت های انسانی و چشم انداز ارائه دهد. استفاده از داده های بیشتر، مانند آمار بلیط یا داده های موقعیت یابی تلفن همراه، در صورت امکان، برای تجزیه و تحلیل دقیق تر مفید خواهد بود.
برای شناسایی درک جامع‌تر و عمیق‌تر از تعامل انسان و منظر باید کارهای تحقیقاتی بیشتری انجام شود، از جمله موارد زیر:

(1)
داده های سنجش مشارکتی مبتنی بر میدان هستند، در حالی که تصاویر سنجش از راه دور مبتنی بر شطرنجی هستند. این دو مجموعه داده اطلاعات را به دو شکل کاملاً متفاوت نشان می‌دهند که برای تجزیه و تحلیل یکپارچه داده‌ها مشکلاتی را به همراه دارد. نحوه ساخت یک مدل یا ابداع روشی برای مقایسه، همپوشانی و ترکیب این دو نوع داده یک مشکل کلیدی برای حل خواهد بود.
(2)
هر نوع داده سنجش مشارکتی توسط گروه خاصی از افراد جمع‌آوری یا ایجاد می‌شود و بنابراین، فعالیت بخشی از کل جمعیت را نشان می‌دهد. برای اینکه نتایج تجزیه و تحلیل مبتنی بر داده‌های سنجش مشارکتی نماینده‌تر باشد، باید از منابع یا اشکال بیشتری از داده‌های سنجش مشارکتی استفاده شود. بنابراین، تجزیه و تحلیل ترکیبی از منابع متعدد داده باید در نظر گرفته شود.
(3)
این مطالعه تعامل بین فعالیت های انسانی و الگوی منظر را از نقطه نظر شدت بررسی می کند و تفاوت نوع جمعیت را نادیده می گیرد. در واقع، تجربه شخصی و عملکرد سودمندی نیز در تأثیر چشم انداز بر انسان نقش دارد. به عنوان مثال، سایت های مورد علاقه بازدیدکنندگان را به دلیل اثر ترمیمی ناشی از احساسات، مانند آرامش، شادی و دوری از زندگی روزمره جذب می کنند [ 53 ، 54 ]، اما برای مردم محلی، ویژگی های بصری مناظر به اندازه آنها مهم نیست. توابع [ 10 ]. بنابراین، چگونگی تأثیر نوع جمعیت بر تعامل بین انسان و منظر در آینده مورد توجه قرار خواهد گرفت.

منابع

  1. ورنر، بی تی; مک نامارا، DE دینامیک سیستم های جفت شده انسان-منظر. ژئومورفولوژی 2007 ، 91 ، 393-407. [ Google Scholar ] [ CrossRef ]
  2. Pan, Y. فعالیت های انسانی و شرایط جغرافیایی. یوننان جئوگر. محیط زیست Res. 1990 ، 2 ، 19-28. [ Google Scholar ]
  3. برد، MA گوپالاکریشنان، س. مک نامارا، دی. اسمیت، MD پیشرفت در مدل های جفت تغییر چشم انداز انسانی و ساحلی. محاسبه کنید. Geosci. 2013 ، 53 ، 30-38. [ Google Scholar ] [ CrossRef ]
  4. لیو، ی. لو، تی. لیو، ز. کنگ، ایکس. لی، جی. Tan, R. تحلیل مقایسه ای تغییر کاربری زمین ساخت و ساز شهری و روستایی و نیروهای محرک: پیامدهای توسعه هماهنگی شهری و روستایی در ووهان، چین مرکزی. Habitat Int. 2015 ، 47 ، 113-125. [ Google Scholar ] [ CrossRef ]
  5. Vitousek، PM; مونی، HA; لوبچنکو، جی. ملیلو، JM تسلط انسان بر اکوسیستم های زمین. علوم 1997 ، 277 ، 494-499. [ Google Scholar ] [ CrossRef ]
  6. لامبین، EF; Geist، HJ تفاوت های منطقه ای در جنگل زدایی مناطق استوایی. Environment 2003 , 45 , 22-36. [ Google Scholar ] [ CrossRef ]
  7. Bucała، A. تأثیر فعالیت های انسانی بر تغییرات کاربری و پوشش زمین و فرآیندهای زیست محیطی در کوه های گورس (کارپات های لهستانی غربی) در 50 سال گذشته. جی. محیط زیست. مدیریت 2014 ، 138 ، 4-14. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  8. Hoozemans, FM; مارچند، م. Pennekamp، HA تحلیل آسیب پذیری جهانی: ارزیابی آسیب پذیری برای جمعیت، تالاب های ساحلی و تولید برنج در مقیاس جهانی ، ویرایش دوم. Delft Hydraul: Delft, The Netherlands, 1993. [ Google Scholar ]
  9. فو، بی. لو، ی. چن، ال. سو، سی. یائو، ایکس. لیو، ی. آخرین پیشرفت اکولوژی منظر در جهان. China Acta Ecol. گناه 2008 ، 28 ، 798-804. [ Google Scholar ]
  10. دی جولیو، ام. هولدرگر، آر. توبیاس، S. اثرات زیستگاه و تکه تکه شدن چشم انداز بر انسان و تنوع زیستی در مناظر پرجمعیت. جی. محیط زیست. مدیریت 2009 ، 90 ، 2959-2968. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  11. وزارت حفاظت از جنگل و خاک. طرح مدیریت و گردشگری پارک ملی ساگارماتا 2007–2012 ؛ وزارت حفاظت از جنگل و خاک: کاتماندو، نپال، 2007. [ Google Scholar ]
  12. ناژندرا، اچ. ساوتورث، جی. تاکر، سی. دسترسی به عنوان یک عامل تعیین کننده دگرگونی منظر در غرب هندوراس: پیوند الگو و فرآیند. Landsc. Ecol. 2003 ، 18 ، 141-158. [ Google Scholar ] [ CrossRef ]
  13. فریر، اس. Drielsma، M. سنتز الگو و فرآیند در ارزیابی حفاظت از تنوع زیستی: چارچوب مدل‌سازی کل چشم‌انداز انعطاف‌پذیر. غواصان. توزیع کنید. 2010 ، 16 ، 386-402. [ Google Scholar ] [ CrossRef ]
  14. هادسون، پی اف. LaFevor، MC مدیریت و نظارت بر تأثیرات انسانی بر مناظر برای تغییر محیطی و پایداری. جی. محیط زیست. مدیریت 2014 ، 138 ، 1-3. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  15. یائو، ی. لیانگ، اس. Qin، QM; وانگ، ک. ژائو، اس. نظارت بر خشکسالی سطح زمین بر اساس مدل تبخیر و تعرق ترکیبی. بین المللی J. Appl. زمین Obs. Geoinf. 2011 ، 13 ، 447-457. [ Google Scholar ] [ CrossRef ]
  16. مارتینز، CE; گارسیا مارتین، آ. Longares، ALA; لوئیس، ام. ارزیابی تغییر پوشش جنگلی با استفاده از تکنیک های سنجش از دور و معیارهای چشم انداز در پارک طبیعی مونکایو (اسپانیا). Appl. Geogr. 2015 ، 62 ، 247-255. [ Google Scholar ] [ CrossRef ]
  17. لیو، ایکس. لی، ایکس. تان، ز. چن، ی. منطقه‌بندی حفاظت از زمین‌های کشاورزی تحت محدودیت‌های فضایی با ادغام سنجش از دور، GIS و سیستم‌های ایمنی مصنوعی. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 1829-1848. [ Google Scholar ] [ CrossRef ]
  18. ژو، ک. لیو، ی. تان، آر. Song، Y. پویایی شهری، امنیت زیست محیطی منظر، و پیامدهای سیاست: مطالعه موردی از منطقه ووهان مرکزی چین. شهرها 2014 ، 41 ، 141-153. [ Google Scholar ] [ CrossRef ]
  19. دوفور، اس. رینالدی، م. پی گی، اچ. Michalon، A. دینامیک رودخانه و تأثیرات انسانی چگونه بر الگوی چشم‌انداز دالان‌های رودخانه‌ای تأثیر می‌گذارد؟ درس هایی از رودخانه ماگرا، مرکزی-شمال ایتالیا. Landsc. طرح شهری. 2015 ، 134 ، 107-118. [ Google Scholar ] [ CrossRef ]
  20. سیوان، دبلیو. جینگشی، ال. Cunjian، Y. تغییر زمانی در الگوی فرسایش چشم‌انداز در حوضه رودخانه زرد، چین. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 1077-1092. [ Google Scholar ] [ CrossRef ]
  21. گری، ف. آمیسی، وی. Rocchini، D. تاثیر فعالیت های انسانی بر ناهمگونی چشم انداز مدیترانه ای. Appl. Geogr. 2010 ، 30 ، 370-379. [ Google Scholar ] [ CrossRef ]
  22. لو، ی. چن، ال. فو، ب. تجزیه و تحلیل فعالیت های انسانی و الگوی چشم انداز در سطح شهرستان. Acta Ecol. گناه 2004 ، 24 ، 1833-1838. [ Google Scholar ]
  23. گوا، ال. شیا، بی. یو، اس. گونگ، سی. اثر اختلالات انسانی بر تغییرات زمانی-مکانی الگوهای منظر در کوه تایشان. چانه. جی اکو-کشاورزی. 2006 ، 14 ، 235-239. [ Google Scholar ]
  24. گو، دی. ژانگ، ی. فو، جی. ویژگی های الگوی چشم انداز تالاب های ساحلی در خلیج جیائوژو تحت تأثیر فعالیت های انسانی. محیط زیست نظارت کنید. ارزیابی کنید. 2007 ، 124 ، 361-370. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  25. Hoang، HTT; Vanacker، V. ون رومپی، آ. Vu، KC; نگوین، AT تغییر تعاملات انسان و چشم انداز پس از توسعه گردشگری در ارتفاعات شمالی ویتنام. Anthropocene 2014 ، 5 ، 42-51. [ Google Scholar ] [ CrossRef ]
  26. زنگ، اچ. کنگ، ن. تأثیرات انسانی لی، اس جی بر ساختار چشم‌انداز در ذخیره‌گاه طبیعی Wolong. China Acta Ecol. گناه 2001 ، 21 ، 1994-2001. [ Google Scholar ]
  27. گاربارینو، م. لینگوا، ای. مارزانو، آر. اوربیناتی، سی. بوجو، دی. Carrer، M. تعاملات انسانی با چشم انداز جنگلی در دره Khumbu، نپال. Anthropocene 2014 ، 6 ، 39-47. [ Google Scholar ] [ CrossRef ]
  28. گلدمن، جی. شیلتون، ک. جف، بی. استرین، دی. هانسن، ام. راماناتان، ن. ردی، اس. سامانتا ، وی . مرکز بین المللی وودرو ویلسون برای محققان: واشنگتن، دی سی، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  29. ژنگ، ی. ژانگ، ال. ما، ز. Xie، X. Ma، W. توصیه به دوستان و مکان‌ها بر اساس سابقه موقعیت مکانی فردی. ACM Trans. وب 2011 ، 5 . [ Google Scholar ] [ CrossRef ]
  30. لی، جی. Qin، Q. هان، جی. تانگ، لس آنجلس; داده‌های مسیر معدن لی، KH و داده‌های برچسب‌گذاری شده جغرافیایی در رسانه‌های اجتماعی برای استنتاج نقشه راه. ترانس. GIS 2015 ، 19 ، 1-18. [ Google Scholar ] [ CrossRef ]
  31. راتی، سی. ویلیامز، اس. فرانسوی، دی. Pulselli، R. مناظر موبایل: استفاده از داده های مکان از تلفن های همراه برای تجزیه و تحلیل شهری. محیط زیست طرح. B طرح. دس 2006 ، 33 ، 727-748. [ Google Scholar ] [ CrossRef ]
  32. لیو، ی. کانگ، سی. گائو، اس. شیائو، ی. Tian, ​​Y. درک الگوهای سفر درون شهری از داده های مسیر تاکسی. جی. جئوگر. سیستم 2012 ، 14 ، 463-483. [ Google Scholar ] [ CrossRef ]
  33. دفتر کروگرافی گویلین. کروگرافی گویلین (1991–2005) ; دفتر کروگرافی گویلین: گویلین، چین، 2011. [ Google Scholar ]
  34. شیانگ، دبلیو. لی، ایکس. دینگ، تی. هوانگ، ی. او، سی. Lu, S. تجزیه و تحلیل بر روی الگوی چشم انداز پوشش گیاهی رودخانه بالا در حوضه رودخانه لیجیانگ. Guangxi Sci. 2009 ، 16 ، 455-459. [ Google Scholar ]
  35. شیانگ، ی. منگ، جی. تجزیه و تحلیل زمانی و مکانی اختلال گردشگری در الگوی چشم‌انداز در حوضه رودخانه لی گوانگشی. Mt. Res. 2014 ، 32 ، 11-20. [ Google Scholar ]
  36. الگوریتم های ارزیابی خودکار پوشش ابر ایرلندی، RR Landsat-7 برای تصاویر چند طیفی، فراطیفی و فراطیفی. بین المللی Soc. انتخاب کنید مهندس 2000 ، 4049 ، 348-355. [ Google Scholar ]
  37. دفتر ملی آمار جمهوری خلق چین، بولتن آماری اقتصاد ملی و توسعه اجتماعی چین در سال 2012. در دسترس آنلاین: http://www.gov.cn/gzdt/2013-02/22/content_2338098.htm (دسترسی در 2 ژوئن 2016).
  38. دفتر آمار منطقه خودمختار گوانگشی ژوانگ، بولتن آماری اقتصاد و توسعه اجتماعی گوانگشی در سال 2012. در دسترس به صورت آنلاین: http://www.gxtj.gov.cn/fzlm/zdgz/201304/t20130401_26110 6 ژوئن (26110.html) ).
  39. لوکاس، آر. رولندز، ای. براون، ا. کیورث، اس. Bunting، P. طبقه‌بندی مبتنی بر قانون تصاویر ماهواره‌ای چند زمانی برای نقشه‌برداری رویشگاه و پوشش زمین کشاورزی. ISPRS J. Photogramm. Remote Sens. 2007 , 62 , 165-185. [ Google Scholar ] [ CrossRef ]
  40. رحمان، دکتر سها، ر. Saha، SK تقسیم‌بندی با وضوح چندگانه برای طبقه‌بندی مبتنی بر شی و ارزیابی دقت طبقه‌بندی کاربری/پوشش زمین با استفاده از داده‌های سنجش از دور. J. شرکت هندی Remote Sens. 2008 , 36 , 189-201. [ Google Scholar ] [ CrossRef ]
  41. ساورا، اس. شبیه سازی الگوهای چشم انداز مارتینز، ام جی با روش خوشه های تصادفی اصلاح شده. Landsc. Ecol. 2000 ، 15 ، 661-678. [ Google Scholar ] [ CrossRef ]
  42. نیل، ام سی; مک گریگال، ک. کوشمن، SA رفتار معیارهای چشم انداز در سطح کلاس در میان گرادیان های تجمع کلاس و منطقه. Landsc. Ecol. 2004 ، 19 ، 435-455. [ Google Scholar ] [ CrossRef ]
  43. مک گریگال، ک. مارکز، برنامه تحلیل الگوی فضایی BJ برای کمی سازی ساختار چشم انداز . گزارش فنی عمومی PNW-GTR-351; وزارت کشاورزی ایالات متحده، خدمات جنگل، ایستگاه تحقیقاتی شمال غربی اقیانوس آرام: پورتلند، OR، ایالات متحده آمریکا، 1995. [ Google Scholar ]
  44. ژائو، ی. Qin، QM; لی، جی. زی، سی. الگوریتم تطبیق نقشه بزرگراه چن، RQ بر اساس داده‌های شناور خودرو. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2012، مونیخ، آلمان، 22 تا 27 ژوئیه 2012.
  45. Rosenblatt، M. اظهارات در مورد برخی از برآوردهای ناپارامتری یک تابع چگالی. ان ریاضی. آمار 1956 ، 27 ، 832-837. [ Google Scholar ] [ CrossRef ]
  46. Parzen, E. در مورد تخمین یک تابع چگالی احتمال و حالت. ان ریاضی. آمار 1962 ، 33 ، 1065-1076. [ Google Scholar ] [ CrossRef ]
  47. کنگ، NN; زنگ، اچ. Li، SJ مطالعه ای از ویژگی های توزیع فضایی تأثیر چشم انداز انسانی در ذخیره گاه ملی Wolong، استان سیچوان. Acta Sci. نات. دانشگاه پکین. 2002 ، 38 ، 393-399. [ Google Scholar ]
  48. اولریش، آر. پاسخ زیباشناختی و عاطفی به محیط طبیعی. در رفتار و محیط طبیعی ; Altman, I., Wohlwill, J., Eds. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 1983; صص 85-125. [ Google Scholar ]
  49. هونزیکر، ام. Kienast، F. اثرات بالقوه تغییر فعالیت‌های کشاورزی بر زیبایی منظره – یک تکنیک اولیه برای ارزیابی سریع خودکار. Landsc. Ecol. 1999 ، 14 ، 161-176. [ Google Scholar ] [ CrossRef ]
  50. مائو، ایکس. منگ، جی. وانگ، Q. مدل سازی اثرات گردشگری و تنظیم زمین بر تغییر کاربری زمین در مناطق توریستی: مطالعه موردی حوضه رودخانه لیجیانگ در گویلین، چین. سیاست کاربری زمین 2014 ، 41 ، 368-377. [ Google Scholar ] [ CrossRef ]
  51. فو، بی. ژائو، دبلیو. چن، ال. پیشرفت و چشم انداز پیشرفت های جغرافیایی-اکولوژیکی. Acta Geogr. گناه 2006 ، 61 ، 1123-1131. [ Google Scholar ]
  52. وو، جی. اکولوژی چشم انداز: الگو، فرآیند، مقیاس و سلسله مراتب . انتشارات آموزش عالی: پکن، چین، 2007. [ Google Scholar ]
  53. کورپلا، ک. هارتیگ، تی. کیفیت های ترمیمی مکان های مورد علاقه. جی. محیط زیست. روانی 1996 ، 16 ، 221-233. [ Google Scholar ] [ CrossRef ]
  54. Korpela، KM; هارتیگ، تی. قیصر، FG; Fuhrer, U. تجربه ترمیمی و خود تنظیمی در مکان های مورد علاقه. محیط زیست رفتار 2001 ، 33 ، 572-589. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00104 g001 1024
شکل 1. موقعیت منطقه مورد مطالعه.
Ijgi 05 00104 g002 1024
شکل 2. تصویر ترکیبی رنگ نادرست حوضه رودخانه لیجیانگ: ( a ) 2009; ( ب ) 2013.
Ijgi 05 00104 g003 1024
شکل 3. تجزیه و تحلیل فعالیت های انسانی در حوضه رودخانه لیجیانگ. ( الف ) مسیرهای GPS خام؛ ( ب ) مسیرهای GPS پس از پیش پردازش؛ ( ج ) توزیع شدت. ( د ) درجه شدت.
Ijgi 05 00104 g004 1024
شکل 4. نمودار جریان تجزیه و تحلیل تعامل بین فعالیت های انسانی و چشم انداز.
Ijgi 05 00104 g005 1024
شکل 5. کاربری/پوشش زمین در حوضه رودخانه لیجیانگ: ( a ) 2009; ( ب ) 2013.
Ijgi 05 00104 g006 1024
شکل 6. درصد زمین برای درجات مختلف شدت فعالیت انسانی: ( الف ) 2009; ( ب ) 2013.
Ijgi 05 00104 g007 1024
شکل 7. تغییر درصد زمین با شدت فعالیت انسانی بین سال‌های 2009 و 2013. ( الف ) وودلند. ب ) آب؛ ( ج ) زمین ساخته شده؛ ( د ) زمین کشاورزی؛ ( ه ) دیگران.
Ijgi 05 00104 g008 1024
شکل 8. تغییر چگالی لکه با شدت فعالیت انسانی در سطح چشم انداز.
Ijgi 05 00104 g009a 1024 Ijgi 05 00104 g009b 1024
شکل 9. تغییر چگالی لکه با شدت فعالیت انسانی در سطح کلاس: ( الف ) 2009; ( ب ) 2013.
جدول
جدول 1. بخشی از داده های ردیابی GPS در حوضه رودخانه لیجیانگ.
جدول
جدول 2. استاندارد درجه بندی شدت فعالیت انسانی.
جدول
جدول 3. معیارها در سطح چشم‌انداز در حوضه رودخانه لیجیانگ بین سال‌های 2009 و 2013 (PD = تراکم لکه، ED = تراکم لبه، SHDI = شاخص تنوع شانون، CONTAG = شاخص سرایت، PROX_MN = میانگین شاخص نزدیکی، SHAPE_M = میانگین شاخص نزدیکی، SHAPE_M TCA = سطح کل هسته، DCAD = چگالی ناحیه هسته منفصل).
جدول
جدول 4. معیارها در سطح کلاس در حوضه رودخانه لیجیانگ بین سال های 2009 و 2013.

;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