نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

کاربرد جی ای اس

 

چکیده

این مشارکت هم به نقش اطلاعات جغرافیایی در تحقیقات مشارکتی مناطق ساحلی و هم به پتانسیل آن برای پر کردن شکاف بین تحقیقات و مدیریت مناطق ساحلی می‌پردازد. طی یک دوره یک ساله، داده های ناهمگون (مکانی، زمانی، کیفی و کمی) به دست آمد که شامل فرآیند مصاحبه، ذخیره سازی در پایگاه داده مکانی-زمانی بود. سیستم اطلاعات جغرافیایی (سیستم اطلاعات جغرافیایی) تصاویر لحظه‌ای از الگوهای فعالیت روزانه انسان تولید می‌کند که به آن اجازه می‌دهد تا تضادهای بالقوه فضا-زمان بین فعالیت‌ها را نقشه‌برداری، شناسایی و کمیت کند. علاوه بر این، برای تسهیل تبادل ایده ها و دانش در سطوح مختلف استفاده شد: با نقشه برداری، شبیه سازی، تجزیه و تحلیل GIS و جمع آوری داده ها. نتایج نشان داد که هم داده‌های جمع‌آوری‌شده و هم کارگاه مشارکتی ارزش واقعی را به مدیریت اضافه کردند و بنابراین توسط ذینفعان به خوبی مدیریت شد. ادغام یک GIS پویا می‌تواند مدیریت یکپارچه فعال را با باز کردن مسیر برای بحث‌های بهتر و در عین حال اجازه سناریوهای شبیه‌سازی شده مدیریت را افزایش دهد.
کلید واژه ها: 

GIS ; مدیریت یکپارچه مناطق ساحلی (ICZM) ; فعالیت های دریایی تحت نظارت سناریوهای مدیریتی ؛ کارگاه مشارکتی ; پایگاه داده مکانی – زمانی

 

چ

1. مقدمه

بسیاری از فعالیت های متنوع در امتداد دریاهای ساحلی وجود دارد [ 1 ] که نقش اساسی در جامعه بشری ایفا می کند [ 2 ]. با این حال، آنها اغلب منجر به تعاملات متضاد می شوند [ 3 ] و بنابراین چالشی مداوم برای جامعه و تحقیقات [ 4 ، 5 ] ارائه می دهند. پیتمن و همکاران 6 ] نیازهای اولویت را برای توصیف توزیع مکانی- زمانی فعالیت ها و بررسی بهتر تعارضات موجود یا بالقوه شناسایی کرد. ادغام مولفه های زمانی، در یک زمینه چند فعالیتی، شامل مقیاس های کلان و میانی (جهانی به منطقه ای) برای ارزیابی بهتر شاخص های شدت برای هر فعالیت است [ 7 ، 8 ، 9 ]، 10 ]. علاوه بر این، تحقیقات فضایی ابعاد اجتماعی در محیط‌های ساحلی/دریایی پیشرفت چشمگیری داشته است [ 11 ]. با این حال، مطالعات در نظر گرفتن مقیاس‌های فضایی کوچک مربوط به برنامه‌ریزی دریایی محلی، به عنوان مثال توسط Le Tixerant و همکاران انجام شده است. 12 ] در Iroise Sea (فرانسه) یا توسط Longdill و همکاران. 13 ] در خلیج فراوان (نیوزیلند)، هنوز کمیاب است. شناسایی برهمکنش‌های بالقوه مختلف با قرار دادن مناطق فعالیت [ 14 ، 15 ، 16 ] مشخص شد. متعاقباً تقاطع‌های فضایی به متغیرهای مختلف مرتبط شدند (به عنوان مثالتعداد تجمعی فعالیت ها، وجود/غیاب و درجه تعارضات احتمالی. و چگالی فعالیت در واحد سطح). با این حال، پویایی زمانی در این رویکردها در نظر گرفته نشد.
Opdam [ 17 ] و دیگران استدلال می کنند که ارتباط بین علم و جامعه یک ابزار مرتبط برای بهینه سازی هر گونه برنامه ریزی و مدیریت است. بنابراین، هر انگیزه ای برای تقویت بحث ها و درک نظرات مختلف توسط ذینفعان (تصمیم گیرندگان، کارشناسان، عموم مردم، درگیر در برنامه ریزی محلی) باید ترویج شود. بنابراین برنامه ریزی فضایی راه را برای چنین رویکردی هموار می کند. این یک فرآیند مشارکتی را در بر می گیرد که به موجب آن به چندین ذینفع اجازه می دهد تا به طور فعال استراتژی های مختلف را در یک منطقه مشخص طرح ریزی کنند. این فرآیند برای چندین دهه وجود داشته است، اگرچه این امر به طور متوسط ​​به دلیل پیشرفت های فناوری اطلاعات است، مانند GIS و ابزارهای مبتنی بر GIS که سناریوهای مختلف را نشان می دهند [ 14 ].]. مطالعات قبلی ارزش GIS را در فرآیند مشارکتی برنامه‌ریزی یکپارچه کاربری زمین، با اقدامات حمایت از دانش فضایی محلی و متخصص نشان داده‌اند [ 18 ، 19 ، 20 ]. در واقع، چندین فرآیند ترکیبی شبیه‌سازی سناریوهای مجازی، به‌ویژه در مناطق ساحلی [ 21 ، 22 ] را شامل می‌شوند. با این حال، این مطالعات به شدت بر فناوری اطلاعات جغرافیایی برای بهینه سازی استراتژی های مدیریت و مشارکت عمومی در سهام مدیریت یکپارچه تکیه داشتند [ 23 ، 24 ، 25 ]. با این حال، مطالعات کمی ارزیابی ابزارهای پشتیبانی فضایی تعاملی را بررسی کرده اند [ 20 ، 26]. از این رو، این مشارکت با هدف: (1) ارائه یک روش مبتنی بر GIS برای درک بهتر توزیع مکانی-زمانی فعالیت‌های دریایی تحت نظارت. (2) شناسایی تضادهای بالقوه بین این فعالیت ها. (iii) رویکردی برای به اشتراک گذاشتن داده ها، اطلاعات و دانش در میان ذینفعان ایجاد کند. و (IV) سهم این رویکرد را برای تبادل بهتر بین ذینفعان نسبت به اقدامات و سناریوهای جمعی آزمایش کنید.

2. منطقه مطالعه

خلیج برست، واقع در غربی ترین نوک بریتانی (فرانسه) ( شکل 1 )، یک حوضه دریایی با 180 کیلومتر مربع و عمق 8 متر است. سه نوع فعالیت دریایی در این منطقه وجود دارد: ماهیگیری تجاری، حمل و نقل دریایی و فعالیت های دریایی (ویندسواری، قایقرانی، کایاک سواری، قایقرانی، و غواصی) ( جدول 1 ).). مانند بسیاری از مناطق ساحلی در سراسر جهان، خلیج برست با تضادهای بالقوه ای در میان تعداد فزاینده کاربران فضای دریایی مواجه است. همه فعالیت ها باید با مقررات و سیاست های ساحلی رو به رشد (Natura 2000 و ICZM) مطابقت داشته باشند. Natura 2000 یک شبکه اروپایی از مناطق حفاظت شده طبیعی است که بر اساس دستورالعمل 1992 زیستگاه ها ایجاد شده است. برای هر منطقه Natura 2000، یک برنامه مدیریتی باید پس از یک روش مشاوره با سهامداران ایجاد شود. فرانسه یکی از کشورهای اروپایی است که رویکرد غیرمتمرکز و قراردادی را برای همه فعالیت‌ها در مناطق Natura 2000 اجرا می‌کند [ 27 , 28 ].]. در سال 2012، دو سایت Natura 2000 در خلیج برست، تحت مسئولیت پارک طبیعی Armorique طراحی شد. خلیج برست همچنین با سیاست مدیریت یکپارچه مناطق ساحلی (ICZM) که توسط کمیسیون اروپا صادر شده است، مرتبط است. ICZM از اعضای دولت خود می‌خواهد تا استراتژی‌های مدیریتی را ایجاد کنند که بوسیله آن برنامه‌ریزی فضایی دریایی (سیاست‌های دریایی یا «کتاب آبی») برای کاهش تعارض و ارتقای همکاری بین فعالیت‌ها تشویق شود. در این مطالعه خاص، فرآیند مشارکتی توسط یک آژانس محلی (Pays de Brest) انجام شد.
شکل 1. سایت مطالعه.
جدول 1. فعالیت های دریایی تحت نظارت در خلیج برست.

3. روش ها

در مراحل مختلف در طول مطالعه، طیف وسیعی از فناوری‌های اطلاعات جغرافیایی مورد استفاده قرار گرفته‌اند: (1) مناطق فعالیت‌های دریایی به‌طور مستقیم توسط ذینفعان، با استفاده از روش مصاحبه مبتنی بر GIS ترسیم شد. (2) داده های زمانی با منطقه مرتبط شدند تا مدلی از تعاملات بین فعالیت ها در تاریخ های مختلف ارائه شود. (iii) این GIS پویا برای تولید طیف وسیعی از نقشه‌ها از جمله اجزای مکانی یا مکانی-زمانی در فعالیت‌های مختلف انسانی استفاده شد. (IV) این نقشه ها به تسهیل پیشنهاد شبیه سازی فضایی بر اساس سناریوها کمک کردند. علاوه بر این، این مطالعه بر فعالیت‌های دریایی تحت نظارت که به شیوه‌ای خاص سازمان‌دهی شده و نماینده‌ای برای آن‌ها مشخص شد، متمرکز بود.

3.1. جمع آوری داده ها

محیط دریایی داده های محدودی دارد و به عنوان یک منبع مشترک [ 29 ] در نظر گرفته می شود. با این حال، این مطالعه با هدف شناسایی الگوهای فعالیت روزانه انسان در یک دوره یک ساله انجام شد. در نتیجه، داده های ناهمگن (مکانی، زمانی، کیفی و کمی) به دست آمد و در یک پایگاه داده مکانی-زمانی ذخیره شد. علاوه بر این، با در دسترس بودن یک پایگاه داده کامل از سیستم شناسایی خودکار (AIS) که توسط سرویس ترافیک کشتی استفاده می شود، داده های دقیق روزانه می تواند در طول سال 2009 ثبت شود.
داده های AIS در یک پایگاه داده مکانی-زمانی ذخیره شدند (مرحله 1). مسیرهای روزانه هر قایق از موقعیت آنها که هر 10 ثانیه نظارت می شد استخراج می شد (مرحله 2). این مطالعه خطوط کشتیرانی را به عنوان چند ضلعی در نظر گرفت که تعداد معرف مسیرهای قایق را در بر می گیرد. مرزهای این چند ضلعی ها با استخراج 90 درصد همسطح ها (آستانه دلخواه) از چگالی هسته مسیرها (نوع هسته = دو متغیره نرمال، ضریب پوسته پوسته شدن = 1000000، ضریب هموارسازی (h) = 100، وضوح شطرنجی (40 m) تعیین شد. 3). در نهایت، مجموع قایق ها روزانه برای هر خط کشتیرانی محاسبه شد (مرحله 4) [ 30]. این داده‌ها دقت زمانی روزانه را برای ساده‌سازی شرح فعالیت‌ها حفظ می‌کنند، در حالی که به واقعیت بسته می‌مانند. این، و با استفاده از تجزیه و تحلیل فضایی GIS، امکان شناسایی، تعیین کمیت و نقشه برداری از ترافیک دریایی روزانه، متشکل از حمل و نقل دریایی برای مسافران و کالاها را فراهم کرد.
برای توصیف بیشتر فعالیت‌های تحت نظارت ( جدول 1 )، این مطالعه یک نظرسنجی مصاحبه با استفاده از GIS به عنوان ابزار میانجی برای جمع‌آوری داده‌های مکانی انجام داد. سی و یک مصاحبه با ذینفعان، از طریق چارچوبی انجام شد که امکان تبادل بین محققان و اطلاعات کلیدی را فراهم می کرد ( جدول 2 ). مصاحبه‌های نیمه ساختاریافته بر اساس نظرات اطلاعات کلیدی، که قبلاً شناسایی شده بودند و احتمالاً دانشی در مورد جمعیت هدف داشتند استفاده شد [ 31 ، 32]. در طول جلسه حضوری، هر یک از مطلعین می‌توانند مستقیماً با استفاده از نقشه‌برداری مبتنی بر GIS، فعالیت فضایی را بر روی رایانه لوحی ترسیم کنند. به طور همزمان، داده های زمانی، کمی و کیفی نیز جمع آوری شد. منشأ داده‌های کیفی از دو روش به دست آمد: مصاحبه در مورد تعاملات بالقوه بین فعالیت‌ها – خواه مثبت، خنثی یا منفی – و تحلیل گذشته‌نگر (روزنامه‌های منطقه‌ای/محلی در یک دوره 10 ساله). در نهایت، تمام داده ها در یک ماتریس تعامل مبتنی بر ذینفعان خلاصه شدند [ 33 ، 34 ، 35 ].
علاوه بر این، داده های زمانی، با وضوح روزانه، می تواند نشان دهد که آیا یک فعالیت مشخص وجود دارد یا خیر، در حالی که داده های کمی تعداد قایق های مرتبط با این فعالیت را مشخص می کند. هر دو مجموعه داده متفاوت جمع‌آوری شدند: (i) داده‌های “واقعی” از پایگاه داده سازمان‌های درگیر در نظرسنجی بازیابی شدند (به عنوان مثال ، حمل و نقل دریایی – پایگاه داده AIS، فعالیت‌های دریایی قایقرانی – پایگاه‌داده صورتحساب مرکز دریایی…). (ب) داده‌های «مبتنی بر ذینفعان» از خبرچینان کلیدی که الگوهای فعالیت خود را توصیف کردند ( به عنوان مثال ، یک سال معمولی با فصلی معمولی و/یا با هفته‌ها و روزهای معمولی) به دست آمد.
جدول 2. مصاحبه های نیمه ساختار یافته برای جمع آوری داده ها در هر نوع فعالیت انجام شده است.

3.2. پایگاه داده مکانی-زمانی (STDB)

واحد مکانی-زمانی (STU) یک واحد ابتدایی مرتبط با یک ویژگی موضوعی است و با داده‌های زمانی و کمی سازگار است (به عنوان مثال ، حمل و نقل دریایی برای هر خط کشتیرانی با یک STU مطابقت دارد). بنابراین، این داده های ناهمگن به طور خاص ساختار یافته و در یک پایگاه داده مکانی-زمانی (STDB) [ 36 ] ( شکل 2 ) برای به دست آوردن یک دیدگاه مکانی-زمانی طبقه بندی شدند. تمام داده های فضایی حاوی STU ها در یک فایل شیپ ذخیره شدند. هر STU حاوی ویژگی های اطلاعات جغرافیایی، نسبت به ماهیت و منبع آن، همراه با شناسه های فعالیت و هندسه است. به این معنی، رویدادهای روزانه فعالیت های مرتبط با داده های کمی (به عنوان مثال، تاریخ، تراکم قایق، کیفیت داده ها و شناسه ها) در یک جدول ذخیره شدند. پنج کلاس کیفیت تعریف شده است، از “بسیار ضعیف” (داده های مبتنی بر ذینفعان که الگوهای فعالیت کهن الگوی فصلی معمولی را نشان می دهد) تا “بسیار خوب” (داده های AIS یا پایگاه داده های صورتحساب مرکز دریایی). برای استفاده از STDB نیاز به استفاده از پرس و جوهای مکانی – زمانی برای ارتباط با ابزارهای مختلف پردازش جغرافیایی دارد. بنابراین، برای خودکارسازی این وظایف، دو ابزار توسط ModelBuilder در ArcGIS برای شناسایی و نقشه‌برداری مکان روزانه فعالیت‌ها در یک دوره یک ساله توسعه داده شد. (2) توزیع چگالی قایق (در هر چند ضلعی) را محاسبه و نقشه برداری کنید.

3.3. تحلیل تضاد مکانی-زمانی

اهداف مطالعه شناسایی، کمی کردن، و واجد شرایط بودن (از طریق زمان و مکان) تعاملات منفی بالقوه بین فعالیت‌های دریایی بود. این فرضیه بیان کرد که تعاملات مکانی-زمانی را می توان با محاسبه تقاطعات مکانی-زمانی نزدیک کرد. و در سال 2009، این گونه تقاطع ها با وضوح روزانه محاسبه شدند. یک ابزار خاص با استفاده از یک الگوریتم که تقاطع های فضایی بین STU ها را محاسبه می کرد، توسعه یافته بود. هر موجودیت فایل حاصل حاوی اطلاعاتی در مورد موضوع فعالیت های مربوطه بود: تاریخ، تعداد تقاطع های زمانی- مکانی، و مجموع تراکم قایق. از آنجایی که فعالیت‌های درون تقاطع‌های مکانی-زمانی هیچ تضاد سیستماتیکی را نشان نمی‌دهند، یک وزن‌دهی برای مطابقت با ماتریس تعامل مبتنی بر خبرچین‌های کلیدی اعمال شد. مقدار شاخص باینری بود: 0 = بدون تعامل یا 1 = تعامل منفی بالقوه. در نهایت، برای اطمینان از تجزیه و تحلیل تقاطع‌های مکانی-زمانی، این مطالعه یک تجمع فضایی را روی یک شبکه شش‌ضلعی یکنواخت و شناسایی نقاط پرت فضایی با استفاده از شاخص محلی خودهمبستگی مکانی (LISA) انجام داد.37 ].
شکل 2. پایگاه داده مکانی-زمانی (STDB).

3.4. فاز حمایت از بحث و ساخت سناریوهای جمعی

کارگاه مشارکتی متشکل از نمایندگان شیلات تجاری محلی و پنج آژانس محلی علاقه مند به مدیریت ساحلی بود. از جمله چندین نفر که نماینده Natura 2000 و ICZM بودند. ساختار جلسه یک ناظر و ناظر را تعیین کرد که واکنش ها و بحث های همه شرکت کنندگان را مدیریت و ضبط می کرد. پرسشنامه‌ای که قبلاً توسط محققان تهیه شده بود، به ارتباط انواع مختلف داده‌ها و اطلاعات در یک فرآیند ICZM سه مرحله‌ای می‌پردازد: تشخیص، برنامه‌ریزی، هماهنگی. همه شرکت کنندگان در مورد اهداف مربوط به روش بررسی پرسشنامه توضیح داده شدند. داده‌های جمع‌آوری‌شده شامل ادراک روش‌شناسی، GIS پویا و ارتباط احتمالی آن برای شروع شبیه‌سازی برای خلیج برست بود. نمونه پرسشنامه:آیا ماتریس یک نمایش مرتبط برای تشخیص، برنامه ریزی، هماهنگی است ؟» علاوه بر این، سه مرحله کارگاه از نظر علاقه شرکت کننده یعنی بازخورد در مورد کار پژوهشی، سناریوهای جمعی و ارزیابی نیز مورد سوال قرار گرفت.

4. نتایج

4.1. جمع آوری داده ها

تجزیه و تحلیل مکانی-زمانی پایگاه داده AIS در مجموع هفت خط کشتیرانی را برای حمل و نقل دریایی در سال 2009 ترسیم کرد. ظرفیت نمایش برای GIS پویا چند مقیاسی به این مطالعه اجازه داد تا لایه‌های داده جغرافیایی را بر اساس مقیاس‌های مورد استفاده توسط ذینفعان ایجاد کند، در حالی که نقشه‌برداری می‌شود. مناطق فعالیت آنها از بین 28 مصاحبه نقشه برداری انجام شده ( جدول 2) برای داده های مکانی، 26 مطلع کلیدی با موفقیت نرم افزار GIS را برای نقشه برداری مناطق فعالیت خود کنترل کردند. در مجموع 123 نهاد مربوط به محل فعالیت ثبت شد. تمام فعالیت ها بدون در نظر گرفتن شرایط جزر و مد و هواشناسی توصیف شدند. مناطق توصیف شده توسط خبرچینان کلیدی برای اعتبار سنجی نقشه برداری شدند و در پایگاه داده جغرافیایی تکمیل شدند. در طول مصاحبه، داده های زمانی مربوط به دوره فعالیت و داده های کمی (تعداد قایق) نیز ثبت شد. این داده‌های ناهمگن امکان نقشه‌برداری از تمام مناطق فعالیت و همچنین ایجاد تقویم‌های فعالیت‌های مرتبط با داده‌های کمی را برای ۲۹ فعالیت فراهم می‌کرد ( شکل 3 و شکل 4 ).
شکل 3. نمونه ای از نقشه فعالیت.
شکل 4. نمونه ای از یک تقویم فعالیت (داده های جمع آوری شده در هر ماه).

4.2. فعالیت های دریایی از دیدگاه مکانی- زمانی

STDB شامل 149 STU است که به 9346 رویداد روزانه مرتبط است که 29 فعالیت را توصیف می کند. تراکم بالقوه قایق مرتبط با هر رخداد به همراه برآورد شاخص‌های کیفیت روزانه، تراکم و داده‌های کیفیت هر رخداد محاسبه شد. اینها به ترتیب بر کیفیت درصد مقایسه ای روزانه برای هر وقوع و تراکم تکیه داشتند. به عنوان مثال، اگر بیش از 50٪ از رخدادها برای هر روز معین به کلاس کیفیت “بسیار ضعیف” تعلق داشته باشند، شاخص کیفیت روزانه رخدادها برای آن روز خاص “بسیار ضعیف” در نظر گرفته می شود. کیفیت شاخص ها از «خوب» تا «بسیار خوب» برای 84 درصد از روزها از نظر وقوع، و 90 درصد از روزها برای تراکم قایق متغیر بود. بدین ترتیب، با استفاده از STDB در GIS مطالعه، عکس‌های فوری زمانی در سال 2009 و یک گام زمانی روزانه در واقع با شاخص‌های کیفیت مربوط به داده‌ها مرتبط است. استفاده متوالی از عکس های فوری به این مطالعه اجازه داد تا یک نمایش فضایی صریح از فعالیت های دریایی تحت نظارت در خلیج برست ایجاد کند.شکل 5 الف). علاوه بر این، این ما را قادر می سازد تا اطلاعات اصلی را تولید کنیم، دقیقاً مانند توزیع فضایی مجموع تجمعی تراکم روزانه قایق برای چندین فعالیت یا منفرد ( شکل 5 B).

4.3. تضادهای مکانی- زمانی بین فعالیت ها

برای سال 2009، تقاطع های مکانی-زمانی بین فعالیت ها ( 820861 = n ) در یک مرحله زمانی روزانه محاسبه شد ( شکل 6)). تقاطع‌های بین فعالیت‌های متضاد بالقوه، مجموع 20 درصد را برای تقاطع‌های مکانی-زمانی نشان می‌دهد. تقاطع های مکانی-زمانی (i) بین حمل و نقل مسافران و فعالیت های دریایی به 87٪ از تقاطع های زمانی- مکانی منفی رسید. (ii) 8٪ بین دنده های غیرفعال و حمل و نقل مسافر. (iii) 3٪ بین حمل و نقل کالا و فعالیت های دریایی. (IV) 2٪ بین فعالیت های دریایی تحت نظارت و رویدادهای ورزش های آبی. تجزیه و تحلیل تکامل زمانی برای تقاطع‌های مکانی-زمانی این مطالعه را قادر ساخت تا حضور تغییرات ماهانه/فصلی و مقادیر شدید را در سال 2009 با در نظر گرفتن فعالیت‌های کلیت یا جفت شناسایی کند. مثلا، مقدار شدید سالانه برای مجموع روزانه تقاطع های مکانی-زمانی بین حمل و نقل مسافر و ورزش های دریایی تحت نظارت تا 20 ژوئن به دست آمده بود. تحلیل فضایی تقاطع‌های مکانی-زمانی منجر به نقشه‌برداری از خوشه‌های قابل‌توجهی برای مقادیر زیاد و پایین شد.p <0.01) با در نظر گرفتن هر روز معین یا دوره کل سال.
برای شناسایی بهتر تضادهای احتمالی بین فعالیت‌های دریایی، تجزیه و تحلیل بیشتر برای متعادل کردن اطلاعات رویکرد فضایی، در برابر رویکرد مکانی-زمانی انجام شده است. در نتیجه، خوشه‌های قابل توجه LISA [ 37 ] مقادیر کم (LL) و بالا (HH) برای تقاطع‌های فضایی منطقه با آنهایی که در تقاطع‌های مکانی-زمانی شناسایی شده‌اند مقایسه شدند. این نشان داد که 70٪ از خوشه های قابل توجه با آنهایی که توسط یک تحلیل فضایی شناسایی شده اند مطابقت ندارند. بنابراین این نتایج نشان داد که ادغام دینامیک مکانی-زمانی برای شناسایی تضادهای بالقوه بین فعالیت‌های دریایی تفاوت قابل‌توجهی در الگو در مقایسه با یک ملاحظات فضایی واحد ایجاد می‌کند ( شکل 7 ).
شکل 5. مناطق فعالیت برای فعالیت های دریایی تحت نظارت در خلیج برست ( A ) و تراکم قایق ها ( B )، به عنوان مثال در روز دوشنبه، 26 اکتبر 2009.
شکل 6. تقاطع های مکانی-زمانی در میان انواع اصلی فعالیت های دریایی تحت نظارت (2009، خلیج برست). تقاطعات فضایی بین مناطق فعالیت در یک مرحله زمانی روزانه انجام شد. تقاطع های زمانی- مکانی منفی با رنگ زرد نقل شده است.
شکل 7. مقایسه خوشه های مهم شناسایی شده توسط تقاطع های فضایی بین مناطق فعالیت با آن هایی که توسط تقاطع های مکانی-زمانی بین مناطق فعالیت شناسایی شده اند (2009، خلیج برست).

4.4. کمک به دانش، بحث و ایجاد سناریوهای جمعی

در طول کارگاه مشارکتی، مدل سازی فعالیت های انسانی در خلیج برست در میان شرکت کنندگان مورد بحث قرار گرفت. آنها به طور مثبت این GIS پویا و پتانسیل بالای آن را از نظر شبیه سازی های فضایی جذب کردند. به عنوان مثال، یک نماینده آژانس محلی مسئول ICZM اظهار داشت:
” شبیه سازی ها نمایش منحصر به فردی از فعالیت های خلیج برست را به ارمغان می آورند .” سه شرکت‌کننده دیگر متوجه شدند که «برنامه‌ریزی» نیاز به شبیه‌سازی بهترین مرحله زمانی (نیم روز) دارد و شرایط هواشناسی و جزر و مدی پیشنهادی نیز باید در نظر گرفته شود.
متعاقبا، از شرکت کنندگان خواسته شد تا به طور جمعی یک سناریوی کلی را برای اجرا پیشنهاد کنند. سه پیشنهاد جداگانه ارائه شد: (1) پیامدهای یک خط حمل‌ونقل جدید در خلیج برست بر فعالیت‌های فعلی چه خواهد بود؟ (ب) با توجه به تقویم‌های فعالیت‌های مختلف، مهمترین دوره استخراج شکوفه‌های فصلی ماکرو جلبکی مهاجم ( Ulva sp .) در نزدیکی بندر برست چه زمانی بوده است؟ (iii) مناطق کم تنش برای هر گونه آبزی پروری بیشتر کجا باید توسعه یابد؟ GIS پویا پاسخ هایی را ارائه کرد. به عنوان مثال، در مورد استخراج شکوفه های فصلی ماکرو جلبکی ( Ulva sp .) که هر سال در نزدیکی بندر برست رخ می دهد ( شکل 8)). نتایج شبیه‌سازی، بیشتر مربوط به فعالیت‌های دریایی، نشان‌دهنده تعاملات بالقوه (88 درصد از تقاطع‌های مکانی-زمانی) و حمل‌ونقل دریایی مسافران (12 درصد) است. با در نظر گرفتن تقاطع‌های مکانی-زمانی و تراکم قایق، دوره‌های کم‌تنش برای استخراج جلبک‌ها در طی 6 تا 18 آوریل، 18 تا 22 مه، و 1 تا 19 سپتامبر تمدید شد.
برای ایجاد بهتر یک ابزار ارزیابی و اهمیت محصولات علمی، پرسشنامه راهنمایی برای هر مرحله اصلی از فرآیند ICZM ارائه کرد ( جدول 3).). اکثر محصولات علمی توسط شرکت کنندگان در سه مرحله 100٪ مفید در نظر گرفته شد: (1) ماتریس و نمودار (داده های غیر مکانی). (ii) اطلس نقشه کشی (داده های مکانی). (iii) اطلاعات جغرافیایی داوطلبانه (منشا داده های مکانی). (IV) تراکم تجمعی قایق، و تقاطع های مکانی-زمانی بین فعالیت ها (محتوای موضوعی داده های مکانی). همه شرکت کنندگان کارگاه را برای ساخت یک سناریوی جمعی کارآمد دانستند. علاوه بر این، بحث‌های ذینفعان نشان داد: (1) درک بهتر زمان و مکان در مورد فعالیت‌های دریایی (روزانه) و نوع تعاملاتی که خلیج را اشغال می‌کند. (2) قدردانی از کارگاه آموزشی که توسط محققان برای حمایت از بحث در “عرصه بی طرف” برگزار شده است. (iii) ساختار جلسه می تواند به طور مثبت درک جمعی از سهام ICZM را تغییر دهد.
همه شرکت‌کنندگان خواستار برگزاری کارگاه دوم برای بحث در مورد نتایج شبیه‌سازی‌ها بر اساس سه سناریو، علاوه بر یک کارگاه مناسب برای تصمیم‌گیرندگان درگیر در ICZM و دیگری مناسب برای ماهیگیران شدند.

5. بحث و نتیجه گیری

برای برنامه ریزی محلی دریایی، درک تعامل فعالیت نیاز به دانش قبلی از الگوهای مکانی و زمانی فعالیت ها در مقیاس مربوطه دارد. این مطالعه یک روش مبتنی بر جمع آوری و ادغام داده ها در یک پایگاه داده مکانی-زمانی ارائه می دهد. GIS ما را قادر می سازد تا توزیع مکانی – زمانی فعالیت های تحت نظارت را در یک گام زمانی روزانه در یک مدل گذشته نگر، در یک دوره یک ساله توصیف کنیم. برای تسهیل تشخیص تضادهای احتمالی بین فعالیت‌های دریایی، تقاطع‌های فضایی روزانه محاسبه شد. تجزیه و تحلیل این تقاطع‌های مکانی-زمانی به ما امکان می‌دهد: وقوع تقاطع‌ها را در بین فعالیت‌ها کمی کنیم، بر تکامل زمانی آن‌ها تأکید کنیم، و خوشه‌های فضایی قابل‌توجهی از تقاطع‌های کم/بالا را که برای فضا و زمان رخ می‌دهند، شناسایی کنیم. در حالی که زمان صرف شده و پیچیدگی مطالعه فعالیت پویا انسانی را در نظر می گیریم، این رویکرد به جای در نظر گرفتن تنها مولفه فضایی، ارتباط و دقت اطلاعات زیادی را فراهم می کند. با این حال، اگر با فرض ابهام فعالیت‌های متقابل بالقوه که از طریق تعامل مکانی-زمانی در یک مرحله زمانی روزانه اتفاق می‌افتد، این روش بر دلیل و اهمیت اجرای گام زمانی دقیق‌تر تاکید می‌کند و باید عدم قطعیت مکانی را در نظر گرفت تا بهترین نتایج برای ذینفعان حاصل شود. .
شکل 8. نمونه ای از سناریو: حذف شکوفه های ماکرو جلبکی.
جدول 3. ترکیب پاسخ های ذینفعان به پرسشنامه.
در رویکردهای مدیریت یکپارچه و مشارکتی فعلی مناطق ساحلی، یک چارچوب مبتنی بر GIS به شدت روابط بین محققان و سهامداران را در یک منطقه ساحلی معین از طریق تبادل داده، اطلاعات و شبیه‌سازی ارتقا می‌دهد [ 23 ، 38 ]. مدل توسعه‌یافته در این پروژه شامل یک پایگاه داده چندگانه به همراه یک دستگاه نقشه‌برداری تعاملی است که منجر به شبیه‌سازی‌های مکانی-زمانی عملی فعالیت‌های دریایی می‌شود. بنابراین این نمایش تبادل دانش و ادراک ذینفعانی را که دارای مهارت ها و سوابق مختلف هستند تشویق می کند ( شکل 9). با توجه به رابطه بین محققان مختلف دریایی و کاربران فضا، این مطالعه به ادغام دانش محلی با فرآیند مدیریت (در حال انجام) کمک می کند. ادغام دانش علاقه زیادی را در میان سهامداران فعال در مدیریت مناطق طبیعی برانگیخته است. علاوه بر این، اطلاعات جغرافیایی داوطلبانه توصیف شده توسط خبرچینان کلیدی اغلب تنها راه حل برای به دست آوردن داده های مربوط به فعالیت های آنها است. با این حال، دستیابی به مشارکت عمومی در جمع‌آوری داده‌های مرتبط یکی از چالش‌های موجود برای علم شهروندی است [ 39 ، 40 ]]. از این رو، برای این مطالعه (و با درخواست مسئولین فرآیندهای Natura 2000 و ICZM)، برای مشارکت موفقیت‌آمیز در مدیریت واقعی، از آن زمان تمام داده‌های GIS جمع‌آوری‌شده را به زیرساخت داده‌های مکانی که توسط محققان مدیریت می‌شود، منتقل کرده است ( http:// www.indigeo.fr/ ).
شکل 9. فرآیند اشتراک گذاری پویا GIS.
بعد فضایی معرفی شده توسط نقشه ها به عنوان مصنوعات بصری، تبادل بین محققان و ذینفعان را برای رسیدگی بهتر به مسائل پیچیده تحریک می کند [ 20 ]. با این حال، به نظر می رسد که مؤلفه دینامیکی GIS از اهمیت بالایی برخوردار است. همچنین اطلاعات جدیدی در مورد فعل و انفعالات مکانی-زمانی به دست می‌دهد که به ذینفعان اجازه می‌دهد تا فعالیت‌ها را از نقطه‌نظر وقوع تقاطع واجد شرایط کنند. تکامل در حال انجام هر دو منطقه فعالیت و مکان برای تراکم بالا کم (درگیری های احتمالی) می تواند مورد تاکید قرار گیرد و متعاقبا مورد بحث قرار گیرد. با این وجود، ذینفعان امکان استفاده از GIS را برای آزمایش سناریوها درک می کنند. هنوز تمایلی به استفاده از آن در حوزه عمومی ندارند [ 41]. علاوه بر این، بدیهی است که نه تنها ساخت سناریوهای جمعی مرتبط (که واقعاً می‌توانند شامل شوند) در فرآیند تصمیم‌گیری نیازمند زمان و جلسات بیشتر است، بلکه شبیه‌سازی‌های مبتنی بر سناریوهای رایانه‌ای بالقوه مفید و ضروری برای تبادل سهامداران نیز در در واقع کفایت کمی دارد.
استفاده از مدل‌های کامپیوتری و روش‌های شبیه‌سازی، پرسش‌هایی را در مورد ظهور دموکراسی فنی-اجتماعی [ 42 ] و ابزاری‌سازی آن‌ها در سیاست‌گذاری عمومی [ 23 ، 41 ] روشن می‌کند. اطلاعات و دانش، همراه با پیچیدگی و مدت زمان فرآیند، بیانگر یک موضوع مهم است [ 20 ]. در حال حاضر، این ابزارها فقط به تحقیق محدود می شوند. با این حال، این مطالعه مبنایی را برای توسعه آینده فراهم می کند زیرا به وضوح استفاده از ابزار موفقیت آمیز سهامداران را در شرایط کنترل شده نشان می دهد [ 14 ]]. مؤلفه زمانی اطلاعات ارائه شده توسط این مطالعه، به جای در نظر گرفتن تنها مؤلفه فضایی، اهمیت آن را برای برنامه ریزی تأیید می کند. همچنین لزوم تنظیم ابزارهای فضایی برای یک زمینه خاص را نشان می دهد [ 26 ]. بدون شک، هم رویکرد مبتنی بر GIS و هم شبیه‌سازی‌های رایانه‌ای، در واقع، مشارکت ذینفعان را ارتقا می‌دهند، در حالی که تبادل دانش و پذیرش محصولات علمی را تشویق می‌کنند، به شرطی که برای برآورده کردن نیازهای خاص آنها اصلاح شوند.

منابع

  1. شوارتز، ام ال دایره المعارف علوم ساحلی ؛ Springer: Dordrecht، هلند، 2005; پ. 1242. [ Google Scholar ]
  2. کاتسانواکیس، اس. استلزنمولر، وی. جنوب، ا. سورنسن، تی. جونز، پی. کر، اس. بدالامنتی، ف. آناگنوستو، سی. برین، پی. چست، جی. و همکاران مدیریت فضایی دریایی مبتنی بر اکوسیستم: بررسی مفاهیم، ​​سیاست‌ها، ابزارها و مسائل مهم ساحل اقیانوس. مدیریت 2011 ، 54 ، 807-820. [ Google Scholar ] [ CrossRef ]
  3. جوان، OR; اوشرنکو، جی. اکستروم، جی. Crowder، LB; اوگدن، جی. ویلسون، جی. روز، JC; دوور، اف. Ehler، CN; مک لئود، KL; و همکاران حل بحران در اداره اقیانوس ها: مدیریت مکان محور اکوسیستم های دریایی Environment 2007 , 49 , 20-32. [ Google Scholar ]
  4. لزلی، اچ ام. McLeod، KL مواجهه با چالش های اجرای مدیریت مبتنی بر اکوسیستم دریایی. جلو. Ecol. محیط زیست 2007 ، 5 ، 540-548. [ Google Scholar ] [ CrossRef ]
  5. UNEP. گام برداشتن به سمت مدیریت مبتنی بر اکوسیستم دریایی و ساحلی: راهنمای مقدماتی. مقررات UNEP Seas Rep. Stud. 2011 ، 189 ، 1-68. [ Google Scholar ]
  6. پیتمن، اس جی. کانر، DW; رادکه، ال. Wright، DJ کاربرد طبقه بندی رودخانه و ساحل در مدیریت فضایی دریایی. در رساله ویژگیهای علم رودخانه و ساحل ; Wolanski، E.، McLusky، DS، Eds. Elsevier Academic Press: Waltham, MA, USA, 2012; صص 163-205. [ Google Scholar ]
  7. هالپرن، BS; والبریج، اس. سلکو، کالیفرنیا؛ Kappel، CV; میشلی، اف. دآگروسا، سی. برونو، جی اف. کیسی، KS; ایبرت، سی. فاکس، او؛ و همکاران نقشه جهانی تاثیر انسان بر اکوسیستم های دریایی Science 2008 , 319 , 948-952. [ Google Scholar ] [ CrossRef ]
  8. Ban، NC; علیدینا، HM; نقشه‌برداری تأثیر تجمعی آردرون، JA: پیشرفت‌ها، ارتباط و محدودیت‌ها برای مدیریت و حفاظت دریایی، با استفاده از آب‌های اقیانوس آرام کانادا به عنوان مطالعه موردی. سیاست مارس 2010 ، 34 ، 876-886. [ Google Scholar ] [ CrossRef ]
  9. استلزنمولر، وی. لی، جی. گارناچو، ای. راجرز، ارزیابی SI از یک شبکه باور بیزی – چارچوب GIS به عنوان ابزاری عملی برای حمایت از برنامه ریزی دریایی. مارس آلودگی. گاو نر 2010 ، 60 ، 1743-1754. [ Google Scholar ] [ CrossRef ]
  10. Kappel، CV; هالپرن، BS; ناپولی، N. نقشه برداری اثرات تجمعی فعالیت های انسانی بر اکوسیستم های دریایی . طرح دریا: بوستون، MA، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  11. کوهن، جی. Reineman، DR; کیتینگر، JN پیشرفت و وعده در تحقیقات ابعاد انسانی فضایی برای برنامه ریزی اقیانوسی مبتنی بر اکوسیستم. مارس سیاست 2013 ، 42 ، 31-38. [ Google Scholar ] [ CrossRef ]
  12. Le Tixerant، M. گورملون، اف. تیسوت، سی. Brosset، D. مدل سازی توسعه فعالیت های انسانی در مناطق دریایی ساحلی. جی. ساحل. حفظ کنید. 2010 ، 15 ، 407-416. [ Google Scholar ]
  13. Longdill، کامپیوتر; هیلی، TR; سیاه، KP یک رویکرد GIS یکپارچه برای انتخاب مکان مدیریت آبزی پروری پایدار. ساحل اقیانوس. مدیریت 2008 ، 51 ، 612-624. [ Google Scholar ] [ CrossRef ]
  14. استلزنمولر، وی. لی، جی. جنوب، ا. فودن، جی. راجرز، SI ابزارهای عملی برای پشتیبانی از برنامه ریزی فضایی دریایی: بررسی و برخی از ابزارهای نمونه اولیه. مارس سیاست 2013 ، 38 ، 214-227. [ Google Scholar ] [ CrossRef ]
  15. برودی، SD; هایفیلد، دبلیو. آرلیکاتی، اس. Bierling، DH; اسماعیلوا، RM; لی، ال. Butzler, R. Conflict on the Coast: استفاده از سیستم های اطلاعات جغرافیایی برای ترسیم اختلافات بالقوه زیست محیطی در خلیج ماتاگوردا، تگزاس. محیط زیست مدیریت 2004 ، 34 ، 597-617. [ Google Scholar ]
  16. بک، م. فردانیا، ج. کاچمار، ک. موریسون، پی. Taylor, P. Best Practices for Marine Spatial Planning ; حفاظت از طبیعت: آرلینگتون، ویرجینیا، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  17. Opdam, P. یادگیری علم از عمل. Landsc. Ecol. 2010 ، 35 ، 821-823. [ Google Scholar ] [ CrossRef ]
  18. براون، ME ارزیابی چالش های مدیریت منابع طبیعی در سنگال با استفاده از داده های ارزیابی مشارکتی روستایی و سنجش از دور. توسعه دهنده جهانی 2006 ، 34 ، 751-767. [ Google Scholar ] [ CrossRef ]
  19. هسل، آر. ون دن برگ، جی. کابوره، او. ون کیکم، ا. ورداندوورت، اس. دیپاما، جی.ام. Diallo، B. پیوند روش های برنامه ریزی کاربری زمین مبتنی بر مشارکت و GIS: مطالعه موردی از بورکینافاسو. سیاست کاربری زمین 2009 ، 26 ، 1162-1172. [ Google Scholar ] [ CrossRef ]
  20. آرسینیگاس، جی. یانسن، آر. Rietveld، P. اثربخشی ابزارهای پشتیبانی تصمیم گیری مبتنی بر نقشه مشارکتی: نتایج یک آزمایش. محیط زیست مدل. نرم افزار 2013 ، 39 ، 159-175. [ Google Scholar ] [ CrossRef ]
  21. جود، اس آر سرمایه گذاری نقش بالقوه تکنیک های تجسم در مدیریت مشارکتی ساحلی. ساحل. مدیریت 2008 ، 36 ، 331-349. [ Google Scholar ] [ CrossRef ]
  22. جود، اس آر. جونز، AP; واتکینسون، آر. براون، آی. گیل، JA توسعه یک روش تجسم برای مدیریت یکپارچه ساحلی. ساحل. مدیریت 2007 ، 35 ، 525-544. [ Google Scholar ] [ CrossRef ]
  23. گورملون، اف. Chlous-Ducharme، F. روان، م. کربیریو، سی. Bioret, F. بازی نقش آفرینی که از فرآیند مدلسازی توسعه یافته است: ابزار مشارکتی مرتبط برای توسعه پایدار؟ یک آزمایش ساخت مشترک در یک ذخیره‌گاه زیست کره جزیره‌ای سیاست کاربری زمین 2013 ، 32 ، 96-107. [ Google Scholar ] [ CrossRef ]
  24. اسمیت، جی. Brennan، RE راه خود را با نقشه برداری گم می کنیم: تفکر انتقادی در مورد برنامه ریزی فضایی دریایی در اسکاتلند. ساحل اقیانوس. مدیریت 2012 ، 69 ، 210-216. [ Google Scholar ] [ CrossRef ]
  25. الکساندر، کالیفرنیا؛ یانسن، آر. آرسینیگاس، جی. O’Higgins، TG; ایکلبوم، تی. برنامه‌ریزی فضایی دریایی تعاملی وایلدینگ، TA: قرار دادن آرایه‌های انرژی جزر و مدی در اطراف Mull of Kintyre. PLoS One 2012 , 7 . [ Google Scholar ] [ CrossRef ]
  26. ایکلبوم، تی. Janssen, R. ابزارهای فضایی تعاملی برای طراحی استراتژی های سازگاری منطقه ای. جی. محیط زیست. مدیریت 2013 ، 127 ، S6–S14. [ Google Scholar ] [ CrossRef ]
  27. Buller, H. «space productif»، «théâtre de la nature» و «territoires de développement local»: منطق مخالف سیاست توسعه روستایی معاصر فرانسه. بین المللی طرح. گل میخ. 2004 ، 9 ، 101-119. [ Google Scholar ] [ CrossRef ]
  28. McCauley، D. توسعه پایدار و “چالش حکومتی”: تجربه فرانسه با Natura 2000. Eur. محیط زیست 2008 ، 18 ، 152-167. [ Google Scholar ] [ CrossRef ]
  29. سنت مارتین، کی. هال آربر، ام. لایه گمشده: ژئوتکنولوژی ها، جوامع و پیامدهای برنامه ریزی فضایی دریایی. مارس سیاست 2008 ، 32 ، 779-786. [ Google Scholar ] [ CrossRef ]
  30. لو گویادر، دی. بروست، دی. Gourmelon, F. Exploitation de données AIS (سیستم شناسایی خودکار) pour la cartographie du transport maritime. Mappemonde 2011 ، 104 ، 1-15. [ Google Scholar ]
  31. ترمبلی، M.-A. تکنیک اطلاع رسانی کلیدی: یک برنامه غیر قوم نگاری. صبح. آنتروپل 1957 ، 59 ، 688-701. [ Google Scholar ]
  32. روبین، ا. Babbie، ارزیابی برنامه ER. در روش تحقیق مددکاری اجتماعی ; Wadsworth Publishing Company: Belmond, IA, USA, 2005; صص 324-325. [ Google Scholar ]
  33. Couper، AD The Times Atlas of the Oceans ; ون نوستراند راینهولد: نیویورک، نیویورک، ایالات متحده آمریکا، 1983. [ Google Scholar ]
  34. Vallega، A. به سوی مدیریت پایدار دریای مدیترانه. مارس سیاست 1995 ، 19 ، 47-64. [ Google Scholar ] [ CrossRef ]
  35. اهلر، سی. Douvere, F. Marine Spatial Planning: A گام به گام رویکرد به سمت مدیریت مبتنی بر اکوسیستم EBM . کمیسیون اقیانوس شناسی بین دولتی و انسان و زیست کره – یونسکو: پاریس، فرانسه، 2009. [ Google Scholar ]
  36. Le Guyader، D. Modélisation des Activités Humaines en mer Côtière. دکتری پایان نامه، Université de Bretagne Occidentale، برست، فرانسه، 2012. [ Google Scholar ]
  37. آنسلین، ال. سیبری، آی. Kho, Y. GeoDa: مقدمه ای بر تجزیه و تحلیل داده های مکانی. Geogr. مقعدی 2006 ، 38 ، 5-22. [ Google Scholar ] [ CrossRef ]
  38. بارتو، او. Le Page, C. استفاده از شبیه سازی اجتماعی برای کشف پویایی در Stake در تحقیقات مشارکتی. جی آرتیف. Soc. بنابراین. شبیه سازی 2011، 14. در دسترس آنلاین: http://jasss.soc.surrey.ac.uk/14/4/12.html (در 14 اوت 2013 قابل دسترسی است).
  39. ایروینگ، الف. علوم شهروندی: مطالعه ای در مورد افراد، تخصص و توسعه پایدار . Routledge: آکسفورد، انگلستان، 1995; پ. 202. [ Google Scholar ]
  40. Goodchild، MF Citizens به عنوان حسگرهای داوطلبانه: زیرساخت داده های مکانی در دنیای وب 2.0. بین المللی جی. اسپات. زیرساخت داده Res. 2007 ، 2 ، 24-32. [ Google Scholar ]
  41. بکو، ن. نیف، ا. Schreinemachers، P. Sangkapitux، C. شبیه سازی کامپیوتری مشارکتی برای حمایت از تصمیم گیری جمعی: پتانسیل و محدودیت های مشارکت ذینفعان. سیاست کاربری زمین 2008 ، 25 ، 498-509. [ Google Scholar ] [ CrossRef ]
  42. استیارت، پی. برزمن، م. بیلو، جی پی؛ بریوز، اچ. هوبرت، بی. اولیویر، جی. Roche, B. نقش دانش و تحقیق در تسهیل یادگیری اجتماعی در میان سهامداران در مدیریت منابع طبیعی در تالاب های ساحلی اقیانوس اطلس فرانسه. محیط زیست علمی سیاست 2007 ، 10 ، 537-550. [ Google Scholar ] [ CrossRef ]

بدون نظر

دیدگاهتان را بنویسید

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