نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

کاربرد جی ای اس

چکیده

محصولات چوبی تناوب کوتاه (SRWC)، مانند صنوبر هیبریدی، پتانسیل این را دارند که به عنوان یک ماده اولیه با ارزش برای سوخت های زیستی سلولزی عمل کنند. برآوردهای مکانی بازده زیست توده تحت رژیم‌های مدیریتی مختلف برای کمک به سهامداران در تصمیم‌گیری بهتر مدیریت و ایجاد سیستم‌های کشت چوبی مناسب برای تولید سوخت زیستی مورد نیاز است. برای حمایت از سهامداران در تصمیمات مدیریتی خود، ما یک رابط وب مبتنی بر GIS با استفاده از یک مدل 3PG اصلاح شده برای پیش‌بینی فضایی بازده زیست توده صنوبر تحت شرایط مدیریتی و آب و هوایی مختلف در منطقه شمال غرب اقیانوس آرام توسعه داده‌ایم. این برنامه با مؤلفه‌های استاندارد HTML5 پیاده‌سازی می‌شود که امکان استفاده از آن را در یک مرورگر مدرن و تنظیم پویا با اندازه صفحه و دستگاه مشتری فراهم می‌کند. علاوه بر این، ذخیره سازی ابری نتایج، آنها را در هر دستگاه دارای اینترنت قابل دسترسی می کند. رابط وب ساده به نظر می رسد، اما در دستکاری پارامترها و تجسم و به اشتراک گذاری نتایج قدرتمند است. به طور کلی، این نرم افزار دارای ویژگی های پویایی است که کاربران را قادر می سازد تا شبیه سازی های رشد محصول SRWC را بر اساس اطلاعات GIS اجرا کنند و به طور قابل توجهی در انتخاب مکان های مناسب رشد مواد اولیه، پیش بینی خواص فیزیولوژیکی مورد نظر خوراک و ترکیب مدیریت و تجزیه و تحلیل سیاست مورد نیاز برای رشد صنوبر هیبریدی کمک می کند. مزارع
کلید واژه ها: 

محصولات چوبی تناوب کوتاه ; مواد اولیه سوخت زیستی ; شبیه سازی رشد زیست توده ; پیش بینی بازده تحلیل فضایی ; برنامه تحت وب

 

 

1. مقدمه

محصولات چوبی تناوب کوتاه (SRWC) به عنوان یک منبع تامین خوراک بالقوه برای تولید سوخت زیستی پایدار در نظر گرفته شده است [ 1 ]. در میان SRWCها، صنوبرهای هیبریدی به دلیل عوامل زیادی از جمله رشد سریع، راندمان فتوسنتزی بالا، سازگاری آسان با آب و هوای جدید و سهولت کشت به طور گسترده برای تولید انرژی زیستی مورد مطالعه قرار گرفته اند [ 2 ، 3 ، 4 ]. مطالعات قبلی نشان داده است که رشد صنوبر در چرخش کوتاه نه تنها می تواند به طور مداوم مواد اولیه تولید سوخت زیستی را تامین کند، بلکه از نظارت محیطی نیز حمایت می کند [ 5 ، 6 ].
برای توسعه صنایع انرژی زیستی پایدار، زنجیره‌های تأمین خوراک کارآمدی که می‌توانند زیست توده را به طور قابل اعتماد و مقرون به صرفه تأمین کنند، مورد نیاز هستند. برای ایجاد چنین زنجیره های تامینی، بسیاری از عوامل موثر بر عرضه زیست توده باید با مشارکت بسیاری از ذینفعان، از جمله مالکان زمین، کشاورزان، بازیگران صنعتی و سیاست گذاران به دقت تجزیه و تحلیل شوند [ 7 ، 8 ، 9 ].]. برخی از عوامل مهم در زنجیره تامین زیست توده عبارتند از بهره وری زمین، تولید زیست توده و هزینه های حمل و نقل، توسعه بازار زیست توده، سیاست ها، اثرات زیست محیطی و پذیرش اجتماعی. به منظور تسهیل یک تحلیل جامع و پیکربندی طراحی منظر برای تامین زیست توده کافی، ذینفعان باید به اطلاعات لازم و قابل اعتماد دسترسی داشته باشند. برای مشارکت مالکان و کشاورزان، آنها باید پتانسیل تولید زیست توده صنوبر در زمین های خود را درک کنند.
پروژه سوخت‌های زیستی جنگلی پیشرفته شمال غربی (AHB)، یک ابتکار تحقیق و توسعه با حمایت مؤسسه ملی غذا و کشاورزی وزارت کشاورزی ایالات متحده (USDA-NIFA)، بر تحقیق در مورد روش‌های پایدار تولید سوخت زیستی از تولید صنوبر در شمال غربی اقیانوس آرام ایالات متحده متمرکز است. منطقه تحت این ابتکار، یک مدل فیزیولوژیکی، به نام 3PG-AHB، برای مدل‌سازی رشد صنوبر تحت چرخش کوتاه با استفاده از مدل 3PG موجود (استفاده از اصول فسفر هیزیولوژیکی در پیش‌بینی رشد رشد ) توسعه داده شد [ 10 ، 11]. مدل جدید چندین ویژگی کلیدی را برای شبیه‌سازی رشد صنوبر به‌عنوان ماده اولیه زیست توده اضافه می‌کند، از جمله گزینه‌ای برای coppicing، یعنی برداشت زیست توده ایستاده با برش در نزدیکی سطح زمین و اجازه دادن به درختان برای جوانه زدن مجدد برای بازه رشد بعدی. اصلاح دیگر شامل روابط آلومتریک مناسب تر برای SRWC ها است. جزئیات مدل 3PG-AHB به طور جداگانه مورد بحث قرار گرفته است [ 11 ].
پتانسیل زیست توده با تغییر در مکان، مدیریت و آب و هوا متفاوت است، و بنابراین، لجستیک در سطح سایت در پیکربندی طراحی منظر برای زنجیره های تامین زیست توده قابل اعتماد مهم است [ 8 ]. به عنوان مثال، در حالی که مالکان زمین خواستار بهترین استراتژی های مدیریتی برای به حداکثر رساندن سود تحت شرایط مختلف آب و هوایی هستند، شرکای صنعتی باید منابع خوراک مقرون به صرفه را شناسایی کنند. به طور مشابه، سیاست گذاران به دنبال انرژی خالص چرخه زندگی و مزایای کربن زیست توده برای ارتقای پایداری زیست محیطی هستند. برای تسهیل ارزیابی لجستیک در سطح سایت توسط ذینفعان مختلف، یک ابزار تعاملی پویا مورد نیاز است که بتواند تخمین‌های صریح فضایی تولید زیست توده را تحت گزینه‌های مدیریتی و شرایط آب و هوایی مختلف ارائه دهد.
کارهای قبلی در ساخت برنامه های کاربردی برای حمایت از تصمیم گیری جغرافیایی و کشاورزی انجام شده است. این ابزارها از فناوری‌های مختلفی استفاده می‌کنند و به مسائلی می‌پردازند که شامل انتخاب و ارزیابی مکان، نظارت مستمر مزرعه و تصمیم‌گیری در زمان واقعی می‌شود [ 12 ، 13 ، 14 ، 15 .]. هدف برنامه 3PG-AHB ارائه یک رابط کاربری ساده و بصری بود که استفاده از آن آسان و راحت باشد. این برنامه همچنین باید به تجزیه و تحلیل حساسیت مدل و کالیبراسیون مکان خاص اجازه دهد تا برای صاحبان زمین مفید باشد. این ابزار شامل دسترسی مستقیم به داده های جغرافیایی موجود برای شمال غربی اقیانوس آرام ایالات متحده است، زیرا در حال حاضر این منطقه مورد علاقه در محدوده مطالعه AHB است. با این حال، تا زمانی که بتوان داده های مربوط به آب و هوا و خاک را به دست آورد، به طور کلی تر نیز کاربرد دارد. توسعه برنامه با گنجاندن فناوری های شخص ثالث به راحتی در دسترس، بسیار ساده شده است. این چرخه توسعه را کوتاه کرد و فرآیند ساخت، آزمایش و انتشار کد را خودکار کرد. شرح نشانه گذاری تکنولوژیکی برنامه در این مقاله ارائه شده است، به طوری که هر بخشی از فرآیند ممکن است به راحتی بازتولید شود. این رویکرد همچنین می تواند توسط کسانی که علاقه مند به توسعه مشابه برای سایر برنامه های کاربردی مدیریت منابع و پشتیبانی تصمیم هستند اتخاذ شود.

2. روش ها

2.1. الزامات برنامه و طراحی

برای اهداف پروژه، محاسبات مدل واقعی برای اجرا در دو محیط مورد نیاز است: (1) در داخل پایگاه داده Postgres برای مطالعات منطقه ای. و (2) آنلاین، جایی که تجزیه و تحلیل حساسیت و/یا کالیبراسیون را می توان در یک مکان انجام داد. در سناریوی پایگاه داده، ورودی ها و خروجی ها توسط جداول پایگاه داده ارائه می شوند، در حالی که در وب، داده ها در قالب جاوا اسکریپت Object Notation (JSON) مدیریت می شوند. از آنجایی که پر کردن این پارامترها به محیطی که برنامه در آن اجرا می شود بستگی دارد، راه حل بهتر طراحی کد یک رویکرد شی گرا با یک ماژول مدیریت داده ورودی-خروجی مبتنی بر محیط جداگانه بود ( شکل 1).). در هر مرحله زمانی، تعداد ثابتی از توابع وجود دارد که مطابق با معادلات مدل نظری اجرا می‌شوند و در وب‌سایت می‌توان این قطعه کد تابع را در صورت درخواست کاربر برای مشاهده اجرای معادله در معرض دید قرار داد. این مدل به صورت تکراری در یک مرحله زمانی ماهانه برای زمان مشخص شده توسط کاربر بین تاریخ کاشت و تاریخ پایان شبیه‌سازی اجرا می‌شود.
شکل 1. نمودار تعامل مدل.

2.2. مشخصات رابط کاربری

هدف اصلی برای رابط کاربری ارائه یک طراحی ساده و تمیز است که پاسخگو باشد و بتواند با اندازه ها و وضوح های مختلف صفحه نمایش دستگاه سازگار شود.
وب سایت به 3 بخش تقسیم می شود: (1) ورودی ها، نمودارها و خروجی خام با یک نوار ابزار در بالای صفحه که حاوی میانبرهایی برای این 3 بخش است. (2) دکمه اجرا و (3) منوی ورود ( شکل 2 ).
شکل 2. ویژگی های رابط کاربری.
کاربران می توانند با کلیک بر روی دکمه مکان در بخش ورودی ها به صورت بصری یک مکان را روی نقشه انتخاب کنند. این مکان بر روی یک شبکه 8 در 8 کیلومتری تفسیر می شود، که وضوح داده های آب و هوا و خاک است که از پایگاه داده های PRISM و State Soil Geographic جمع آوری شده است [ 16 ، 17 ]. این قطعنامه برای تحلیل انجام شده در پروژه AHB کافی است. با این حال، وضوح بهتری ممکن است در نسخه‌های بعدی برنامه اجرا شود. داده‌های پیش‌فرض آب و هوا و خاک برای هر مکان انتخابی را می‌توان به راحتی با داده‌های ورودی با وضوح بالاتر هر زمان که چنین داده‌هایی در دسترس کاربر قرار داد، بازنویسی کرد.
کاربران کلاس ورودی را با کلیک بر روی یکی از تب ها انتخاب می کنند که متغیرهای آن کلاس و همچنین توضیحات آنها نمایش داده می شود. با کلیک بر روی نام متغیر، مقدار پیش فرض آن نمایش داده می شود که می توان آن را تغییر داد. این رویکرد بزرگنمایی به مقدار ورودی مورد علاقه، رابط برنامه را بهبود بخشیده و به گروه بندی پارامترهای مرتبط به روشی معنادار و شهودی کمک کرده است. کاربرانی که علاقه مند به پارامترهای گونه های محصول هستند، آنها را در برگه “درخت” پیدا می کنند، در حالی که علاقه مند به شیوه های مدیریت مزرعه آنها را در برگه “مدیریت” پیدا می کنند.
نمودارها به ترتیب در حالت های Basic و Interactive برای نمایش ساده و وضوح زمانی دقیق ارائه می شوند ( شکل 3 و شکل 4 ). همچنین دکمه ای برای افزودن، حذف و یادگیری بیشتر در مورد عملکردهای موجود برای نمایش وجود دارد.
شکل 3. بازده زیست توده با آبیاری نصف و آبیاری کامل بر اساس نیاز آبی محصول.
شکل 4. اثرات کسر آبیاری بر عملکرد زیست توده ساقه.
پانل میانبر زمانی مفید است که برنامه در صفحه کوچکتر یک دستگاه دستی مشاهده شود. این به جابجایی سریع بین مکان‌های موجود در سایت به جای پیمایش بالا و پایین بین آنها کمک می‌کند.

2.3. پشتیبانی از تجزیه و تحلیل حساسیت و کالیبراسیون

برای تجزیه و تحلیل تغییرات مدل و آزمایش پارامترها که در مراحل توسعه مدل بسیار مهم هستند، برنامه از گزینه وارد کردن آرایه ای از مقادیر جدا شده با کاما برای حداکثر 2 آرایه در یک زمان پشتیبانی می کند. این به نوبه خود گزینه ای برای مقایسه نتایج برای ورودی های مختلف فراهم می کند. در طول مرحله اعتبارسنجی مدل، این ویژگی می‌تواند برای تجزیه و تحلیل اثرات مختلف پارامترها مورد استفاده قرار گیرد، که یک گام مهم در پارامترسازی گونه‌ها هنگام تنظیم مدل با سایر گونه‌های چوب سخت است.
همان عملکرد برنامه را می توان برای پارامترهای مدیریت مزرعه اعمال کرد که کشاورزان را قادر می سازد تا زمانی از سال را انتخاب کنند که بهترین کار را برای کاشت و پوشش دهی دارد و در مورد استراتژی های آبیاری برای رشد بهینه تصمیم گیری کنند.
بنابراین، تنظیم پارامتر کسر آبیاری بر روی 0، عملکرد کاشت را فقط در کشت دیم، بدون آبیاری تکمیلی، شبیه‌سازی می‌کند، در حالی که تنظیم آن روی 1، عملکرد را در آبیاری کامل شبیه‌سازی می‌کند تا تمام نیازهای آبی درختان را برآورده کند ( شکل 3 ).

2.4. پیاده سازی

فن‌آوری‌های مختلف شخص ثالث (ذکر نام تجاری خاص به منزله تأیید دانشگاه کالیفرنیا نیست) برای اجرای برنامه به منظور کوتاه‌تر کردن چرخه توسعه و ساده‌سازی تعمیر و نگهداری استفاده شد ( شکل 5 ). خدمات وب RESTful (REST) ​​[ 18] برای ارتباط شبکه بین اجزای برنامه استفاده می شود. این سرویس‌ها از درخواست‌های HTTP GET و POST برای پردازش پرس‌و‌جوها و برگرداندن داده‌ها در قالب جاوا اسکریپت Object Notation (JSON) به مرورگر استفاده می‌کنند. سرویس‌های REST به برنامه اجازه می‌دهند تا داده‌ها را به صورت ناهمزمان بارگیری کند، و انعطاف‌پذیری بیشتری را زمانی که چندین کاربر به طور همزمان از برنامه استفاده می‌کنند، فراهم می‌کند. کد مدل پشتیبان به دلیل پذیرش و استانداردسازی گسترده آن به عنوان زبان برنامه نویسی اصلی برای همه مرورگرها، در جاوا اسکریپت (JS) نوشته شده است و با Grunt JS Task Runner [ 19 ] اجرا می شود. رابط کاربری (UI) با Bootstrap، jQuery، OWL Carousel، RequireJS و Font Awesome طراحی شده است [ 20 ، 21 ، 22 ، 23 ، 24].
Bootstrap از قوانین سفارشی Cascading Style Sheet (CSS) برای پیاده‌سازی طرح‌بندی‌های واکنش‌گرا که مطابق با اندازه صفحه هستند، استفاده می‌کند، در حالی که مجموعه‌ای از اجزای CSS و پلاگین‌های jQuery با استفاده آسان را ارائه می‌کند. مدیر بسته Bower هر بسته مورد نیاز را دانلود می‌کند و وابستگی‌های آنها را مدیریت می‌کند و Grunt برنامه را می‌سازد و فایل‌های JS و CSS را فشرده می‌کند [ 19 ، 25 ]. ساخت فعال به مخزن متعهد است.
برای توسعه UI در محیط محلی، Grunt Development Server را می توان راه اندازی کرد. همان ساخت تولید شده توسط Grunt از طریق Apache Cordova/PhoneGap اجرا می‌شود تا برنامه‌های بومی Android و iPhone با محتوایی مشابه برنامه وب تولید شده تولید کند [ 26 ]. یک سرور آپاچی [ 27 ] در سمت سرور دانشگاه اجرا می شود. آخرین ساخت برنامه را از مخزن دریافت می کند و هر زمان که کاربران به وب سایت برنامه دسترسی پیدا می کنند، آن را به مشتری ارائه می دهد.
سرور همچنین میزبان پایگاه داده PostgreSQL است که PostGIS را اجرا می کند و داده های آب و هوا و خاک جمع آوری شده از پایگاه های داده PRISM و StatsGo را ذخیره می کند [ 16 ، 17 ، 28 ، 29 ]. از همان پایگاه داده PostgreSQL برای تخمین های تولید زیست توده در مقیاس چشم انداز استفاده می شود و همان کد 3PG-AHB JS را به عنوان وب سایت در محیط PostgreSQL با کمک افزونه plv8js اجرا می کند [ 30 ]. سرور Jetty، با استفاده از نسخه اصلاح شده google-visualization-java، سفارشی‌سازی شده به گونه‌ای که بتواند جداول را در طرح عمومی پایگاه داده PostgreSQL جستجو کند، داده‌های آب و هوا/خاک را در قالب Google Visualization Source در صورت درخواست از برنامه وب ارائه می‌کند. که هر زمان که کاربر مکان مورد نظر را انتخاب کند اتفاق می افتد [31 ، 32 ]. Google Maps API کد نقشه را برای نمایش نقشه انتخاب مکان [ 33 ] بارگیری می کند. نمودارهای گوگل بسته ای از نمودارها را برای تجسم نتایجی که کاربران در سایت می بینند ارائه می کند [ 34 ]. کیت توسعه استاندارد Google Drive (SDK) چندین سرویس مهم را برای برنامه ارائه می دهد [ 35 ]. مهم ترین آن فضای ذخیره سازی ابری است که هر حساب گوگل با آن مرتبط است و به کاربران امکان می دهد پارامترها و نتایج مدل خود را در فضای ابری ذخیره کنند.
شکل 5. نمای کلی سطح فناوری.
کاربران با اعتبار گوگل وارد می شوند. این امر توسط سرویس Google OAuth امکان پذیر شده است، جایی که پروتکل OAuth یک پروتکل استاندارد است که معمولاً در بسیاری از برنامه های کاربردی سرویس ابری استفاده می شود که امکان احراز هویت شخص ثالث را برای کاربران فراهم می کند [ 36 ، 37 ]. پس از احراز هویت، به برنامه اجازه دسترسی به داده‌های برنامه مدل 3PG-AHB کاربر که در Google Drive ذخیره شده است، داده می‌شود. در آنجا، فایل‌های راه‌اندازی برنامه در قالب JSON ذخیره می‌شوند، در حالی که فایل‌های درختی سفارشی، آب‌وهوا یا خروجی با فرمت متغیر جدا شده با کاما (CSV) ذخیره می‌شوند. این به کاربران امکان می‌دهد تا فایل‌های خود را در فرصتی دیگر بارگیری مجدد کنند یا از عملکرد اشتراک‌گذاری Google Drive استفاده کنند تا به دیگران اجازه دهند داده‌های خود را تغییر داده و استفاده کنند.
علاوه بر فضای ذخیره‌سازی ابری، Google Drive SDK API Realtime را ارائه می‌کند که به چندین کاربر اجازه می‌دهد در یک مدل به طور همزمان با یکدیگر همکاری کنند و تغییرات یکدیگر را ببینند. همچنین API را برای ذخیره و بارگذاری مدل‌های ذخیره‌شده قبلی، Fusion Tables برای پوشش نقشه مکان‌های احتمالی با شبکه 8 در 8 کیلومتری و Google Spreadsheets برای صادرات داده‌های خروجی خام در قالب CSV در صورت تمایل کاربر و آپلود سفارشی کاربر ارائه می‌کند. داده های آب و هوا در قالب CSV، که توسط FileReader API [ 38 ، 39 ، 40 ، 41 ، 42 ] امکان پذیر شده است. ذخیره و بارگذاری داده و همچنین همکاری کاربر از طریق اشیاء جاوا اسکریپت XMLHttpRequest امکان پذیر است [ 43]. GitHub همه فایل‌های کد موجود در مخزن را میزبانی می‌کند، در حالی که REST API GitHub به برنامه وب اجازه می‌دهد تا جدیدترین کد را بارگیری کند و آن را به مدت یک ساعت در حافظه پنهان نگه دارد، یا زمانی که یک برچسب نسخه به درخواست ارائه می‌شود، نسخه قدیمی‌تر مدل می‌تواند به جای آن بارگذاری شد [ 44 ]. این یکی از ویژگی های منحصر به فرد این برنامه است که به توسعه دهندگان این فرصت را می دهد تا عملکرد نسخه های قدیمی و جدیدتر برنامه را هر زمان که کد تغییر می کند مقایسه کنند و اطمینان حاصل کنند که برنامه در صورت دسترسی کاربران، آخرین نسخه مدل را اجرا می کند. .

2.5. تجزیه و تحلیل رابط کاربری

مخاطبان هدف برای این برنامه تا حدودی دامنه خاص هستند و بر روی کاربران با دانش در زمینه مواد اولیه سوخت زیستی تمرکز می کنند. با این حال، امید این است که بتواند علاوه بر محققان، کشاورزان و پرورش دهندگان بالقوه را نیز شامل شود و مردم را در مورد پتانسیل های موجود در این زمینه آموزش دهد. به منظور ارزیابی طراحی رابط کاربری برنامه، ما یک آزمایش اولیه از قابلیت استفاده و عملکرد سایت با استفاده از یک مجموعه نمونه کوچک از 24 مورد استفاده ایجاد کرده‌ایم. داوطلبان عمدتاً دانشجویان فارغ التحصیل و همکاران فوق دکتری بودند و لزوماً نماینده مخاطبین هدف نبودند. به داوطلبان فهرستی از وظایف رایج برای انجام در برنامه اختصاص داده شد. دامنه وظایف نسبتاً باز بود و پاسخ‌ها در مورد عملکرد و دسترسی سایت جمع‌آوری و تجزیه و تحلیل شدند.
اکثر (85٪) رضایت بالا تا بسیار بالا از طراحی و پاسخگویی برنامه را گزارش کردند. فقط یکی برنامه را غیر دوستانه تشخیص داد. اکثر داوطلبان هیچ مشکل عمده ای با وظایف رایج برنامه نداشتند.
با توجه به همسان سازی داده ها، اکثر آنها قادر به شناسایی روش های کشف و جذب داده های اقلیمی و تغییر پارامترها و مدیریت اجراهای مدل بودند. تنوع پارامترها معمولاً به خوبی درک شده بود.
نظرات فردی از بررسی ها به ویژه در مورد افزودن اطلاعات بیشتر در مورد پارامترهای مدل بود. این به کشاورزان و همکاران بالقوه تحقیقاتی به طور یکسان کمک می کند تا با ایجاد تغییرات در پارامترهای ورودی و درک تأثیرات در پیش بینی های حاصل از زیست توده احساس راحتی بیشتری داشته باشند. اجازه دادن به برنامه برای پشتیبانی از بازخورد فوری بیشتر در مورد پارامترها به عنوان یک ویژگی مهم مورد توجه قرار گرفت. تغییراتی که شامل بررسی خودکار محدوده، تجسم مقادیر مورد انتظار و اطلاعات مربوط به بخشی از مدل است که تغییر در یک پارامتر ممکن است بر آن تأثیر بگذارد، همگی به عنوان بهبودهای بالقوه شناسایی شدند.
استفاده‌های پیچیده‌تر از مدل، برای مثال آپلود داده‌های آب‌وهوای خاص در مقابل استفاده از میانگین‌های اختصاص‌یافته به‌طور خودکار، بدون آموزش‌های اضافی دشوارتر شناسایی شدند.
استفاده از محیط ابری نیاز به مالکیت یک حساب Google برای احراز هویت دارد و در نتیجه کاربران برنامه را محدود می کند. با این حال، این تنها زمانی الزامی است که کاربران مایلند اجراهای مدل خود را ذخیره کرده و به اشتراک بگذارند، و به عنوان یک موضوع مهم نگرانی در گروه مطالعه دیده نمی شود.

3. نتایج و بحث

برنامه وب 3PG-AHB در حال حاضر از طریق یک سرور دانشگاه کالیفرنیا، دیویس [ 45 ] قابل دسترسی است. طرح کلی برنامه شامل بخش های ورودی، خروجی های خام و نمودارها، همانطور که در بالا ذکر شد، به همراه نوار ابزار در بالا ( شکل 2) است.). وقتی از طریق دستگاه هایی با صفحه نمایش باریک و بلند مانند تبلت ها و تلفن های هوشمند به آن دسترسی داشته باشید، این طرح تنظیم می شود. در چنین مواردی، قسمت نمودارها در زیر ورودی ها نمایش داده می شود. نوار ابزار می تواند به عنوان میانبر برای پرش بین بخش ها استفاده شود. انتخاب دکمه Location در قسمت Inputs اولین اقدام کاربر هنگام دسترسی به برنامه است. یک پنجره انتخاب مکان با نقشه منطقه شمال غربی اقیانوس آرام که با شبکه 8 در 8 کیلومتری همپوشانی دارد ظاهر می شود. کاربر می تواند منطقه را بزرگنمایی کند یا از دکمه Locate Me برای انتخاب مکان خود استفاده کند. مناطق دیگر نقشه را می توان برای حمایت از تصمیم گیری در جاهای دیگر توسعه داد.
همانطور که قبلا ذکر شد، پارامترهای ورودی برای برنامه به کلاس‌هایی مانند Tree، Plantation، Soil، Weather، Constants، Manage و Setup تقسیم می‌شوند. در زیر هر کلاس، متغیرهای ورودی و توضیحات آنها وجود دارد. پس از انتخاب یک متغیر خاص، کاربر می تواند مقدار پیش فرض را مشاهده و تغییر دهد. پس از هر بار اجرای مدل، خروجی خام و نمودارها نمایش داده می شود. متغیرهای پیش فرض تولید شده عبارتند از: بازده زیست توده ریشه (WR)، ساقه (WS) و شاخ و برگ (WF) در تن متریک خشک در هکتار. یک ماژول تبدیل واحد را می توان پیاده سازی کرد تا خروجی را به واحدهای معمولی یا واحدهایی که به طور خاص توسط کاربر درک می شود تغییر دهد. نمایش نمودارهای اضافی با دکمه افزودن اتفاق می‌افتد، که پنجره جدیدی را باز می‌کند که در آن کاربر می‌تواند همه متغیرهای تولید شده در حین اجرای مدل، نام‌های کامل را ببیند. توضیحات و واحدهای آن متغیرها، و همچنین اجرای هر تابعی که برای محاسبه آنها استفاده می شود – پیوند fn(). این قابلیت مشاهده متغیرها را برای رفتار صحیح و خطا در بررسی کد در مرحله اعتبارسنجی مدل را قادر می سازد.
اگر تجزیه و تحلیل حساسیت یا کالیبراسیون برنامه مورد علاقه باشد، آرایه هایی از مقادیر جدا شده با کاما را می توان به عنوان ورودی ارائه کرد. نمودارهای خروجی دارای متغیرهای حاصل برای هر یک از مقادیر ورودی هستند که با رنگ کدگذاری شده و در همان نمودار برای تجسم آسان و مقایسه سهم آن متغیر در پیش‌بینی رشد زیست توده نمایش داده می‌شوند. علاوه بر نمودارهای پایه که کل فواصل شبیه سازی را نشان می دهند، نمودارهای تعاملی موجود هستند که امکان بزرگنمایی تجسم را تا مدت زمان کوتاه تری فراهم می کنند (مثلاً از سال ها به ماه ها).
همچنین به کاربر این امکان داده می شود که با حساب Google خود وارد شود و نتایج مدل ذخیره شده قبلی را از داخل وب سایت ذخیره، به اشتراک بگذارد و بارگیری کند. فایل را می توان پس از ذخیره از داخل برنامه Google Drive نیز به اشتراک گذاشت. احراز هویت و ذخیره سازی از طریق سرویس های Google انجام می شود و به فضای ابری محلی اجازه می دهد که داده های کاربر در آن ذخیره شود. Google Realtime API که امکان ویرایش همزمان فایل در Google Docs را فراهم می کند نیز برای این اپلیکیشن فعال شده است. کاربران فعال در گوشه سمت راست بالا نمایش داده می شوند و سلول هایی که در حال ویرایش هستند با نام کاربری شناسایی می شوند. این اجازه می دهد تا یک همکاری فوری تر. برای توسعه مدل، آزمایش و اعتبار سنجی، نسخه‌های قبلی برنامه با اضافه کردن URL با پرچم شماره نسخه که به آن نسخه در مخزن GitHub دسترسی دارد، شناسایی می‌شوند. ثابت شده است که این یک دارایی فوق العاده در اعتبارسنجی عملکرد مدل و اطمینان از رفتار صحیح بین نسخه ها است. بدون این پرچم نسخه، برنامه همیشه آخرین کد را از مخزن بارگیری می کند تا کاربر به به روزترین نسخه کد دسترسی پیدا کند.
سایر عملکردها شامل ذخیره خروجی های خام در قالب یک فایل CSV (جدا شده با کاما) است که امکان تجزیه و تحلیل داده های بیشتر را در خارج از برنامه در صورت تمایل کاربر فراهم می کند. ذخیره یک هیبرید خاص از گونه های درختی نیز یک مکمل مهم است. اگر پارامترهای یک هیبرید شناخته شده باشد، مقادیر را می توان به راحتی برای مطالعات هیبرید خاص بارگذاری کرد. آب و هوا یکی دیگر از کلاس های ورودی مهم است که از آپلود داده های سفارشی پشتیبانی می کند، به عنوان مثال برای استفاده از داده های آب و هوای واقعی به جای میانگین هایی که به طور پیش فرض ارائه می شوند. این قابلیت اعتبار مدل را برای مطالعات خارج از منطقه شمال غربی اقیانوس آرام مجاز کرده است.
نظرسنجی کاربران انجام شده بر روی یک مخاطب غیر هدف از داوطلبان، پتانسیل برنامه 3PG-AHB را از نظر طراحی رابط کاربری آزمایش کرده است. حتی اگر شرح کار عمدا مبهم بود، داوطلبان در یافتن اجزای کلیدی برنامه، اجرای سناریوهای تست و ذخیره و به اشتراک گذاری نتایج مشکلی نداشتند. ریسپانسیو بودن و سرعت وب سایت قابل توجه بود که همگی با تصمیمات طراحی و فناوری امکان پذیر شد.

4. نتیجه گیری

توسعه و نگهداری یک برنامه آنلاین نیاز به تعادل در استفاده از اجزای شخص ثالث دارد. مدل 3PG-AHB به شدت بر کتابخانه ها و ابزارهای توسعه یافته توسط گروه های دیگر تکیه دارد. این امر زمان توسعه را به میزان قابل توجهی سرعت می بخشد، اما همچنین برنامه را با توجه به تغییرات در آن فناوری ها به طور بالقوه شکننده می کند. استفاده از چارچوب‌های ساخت کد، و همچنین انتخاب برای استقرار چندین نسخه از برنامه باید این نگرانی را تعدیل کند. در عین حال، نگهداری از داده های مکانی هنوز به یک سرویس میزبانی نیاز دارد.
بسته‌های فناوری مورد استفاده برای ساخت برنامه را می‌توان به آسانی برای سایر مدل‌های سری زمانی و مکانی استفاده کرد. اجزای مدل، مانند روش های به اشتراک گذاری مدل، مدیریت داده ها و انتخاب های تجسمی را می توان در برنامه های کاربردی دیگر نیز گنجاند.
علاوه بر بهبودهای ورودی پارامتر که در بالا مورد بحث قرار گرفت، این مدل را می‌توان بیشتر در پشتیبانی تصمیم‌گیری کشاورزی گسترش داد، و به کاربران کمک می‌کند بهترین هیبریدهای صنوبر را برای رشد انتخاب کنند، زیرا پارامترهای مناسب صنوبرهای هیبریدی و سایر چوب‌های سخت در دسترس قرار می‌گیرد. با کمی تغییر، برنامه می تواند به کتابخانه ای برای این مجموعه داده های ورودی تبدیل شود.
اپلیکیشن 3PG-AHB شامل قلاب های برنامه نویسی تخصصی است که آن را به گوگل آنالیتیکس متصل می کند تا پس از انتشار برای عموم قابل نظارت بیشتر باشد. این نتایج امکان اختصاص منابع مناسب برای پشتیبانی از هجوم کاربران، آزمایش برنامه بر روی مرورگرهای رایج و اطمینان از برآورده شدن زیرساخت نیازهای کاربران را فراهم می کند.
برنامه 3PG-AHB می تواند اهداف متعددی را خارج از محدوده اصلی بدون تغییر در کد انجام دهد. پرورش صنوبر برای اهدافی غیر از تولید سوخت زیستی، مانند صنایع خمیر و چوب، نیازی به چرخش کوتاه مدت ندارد. اگر کاربران ترجیح می‌دهند شبیه‌سازی را برای سناریوهای غیرهمپیمان اجرا کنند، تاریخ coppice فقط باید با تاریخ پایان شبیه‌سازی در کلاس «مدیریت» پارامترهای ورودی تنظیم شود. در حالی که پیش‌بینی می‌شود مدل تحت این شرایط عملکرد خوبی داشته باشد، اعتبارسنجی و تحلیل حساسیت تنها برای SRWC کوتاه‌مدت تکمیل شده است. به منظور حمایت از رشد محصولات غیر چوب سخت، مدل‌سازی تغییرات گسترده‌تر ضروری است، به طور بالقوه شامل جایگزینی کامل مدل فیزیولوژیکی زیربنایی به نفع سایر،
برنامه 3PG-AHB به عنوان یک ابزار تسهیل کننده برای بررسی مواد اولیه سوخت زیستی در نظر گرفته شده است و برای سهولت استفاده کلی، ادغام خودکار داده های مکانی، تجسم های غنی از اطلاعات و دسترسی ساده به تجزیه و تحلیل حساسیت همراه با کالیبراسیون داده های ورودی برای حمایت از تصمیمات تولید طراحی شده است. . تحلیل‌ها و پیش‌بینی‌های مدل باید امکان تصمیم‌گیری‌های بلندمدت مؤثرتری را در مورد طراحی پایدار زنجیره تامین مواد اولیه سوخت زیستی و همچنین تصمیم‌گیری‌های بلادرنگ در این زمینه فراهم کند. علاوه بر کمک به مالکان زمین در تصمیم گیری آگاهانه، این برنامه باید به آموزش عمومی در مورد امکانات جدید، تسهیل همکاری بین محققان و تقویت سایر تلاش های مدل سازی انرژی زیستی تجدیدپذیر کمک کند.

مراجع و یادداشت ها

  1. هینچی، م. روتمن، دبلیو. مولیناکس، ال. ژانگ، سی. چانگ، اس. کانینگهام، ام. پیرسون، ال. نهرا، N. محصولات چوبی با چرخش کوتاه برای کاربردهای انرژی زیستی و سوخت های زیستی. سلول های آزمایشگاهی توسعه دهنده Biol.-Plant 2009 ، 45 ، 619-629. [ Google Scholar ] [ CrossRef ]
  2. وانگ، دی. لباور، دی. دیتزه، ام Ecol. Appl. 2013 ، 23 ، 944-958. [ Google Scholar ] [ CrossRef ]
  3. برادشاو، اچ. سئولمنز، آر. دیویس، جی. Stettler, R. سیستم های مدل در حال ظهور در زیست شناسی گیاهی: صنوبر ( Populus ) به عنوان یک درخت جنگلی مدل. J. تنظیم رشد گیاه. 2000 ، 19 ، 306-313. [ Google Scholar ] [ CrossRef ]
  4. مید، فرصت های دی جی برای بهبود بهره وری مزرعه. چقدر؟ چقدر سریع چقدر واقع بینانه؟ Biomass Bioenergy 2005 ، 28 ، 249-266. [ Google Scholar ] [ CrossRef ]
  5. آبراهامسون، ال. رابیسون، دی. ولک، تی. وایت، ای. نوهاوزر، ای. بنجامین، دبلیو. پیترسون، جی. پایداری و مسائل زیست محیطی مرتبط با توسعه بیوانرژی بید در نیویورک (ایالات متحده آمریکا). Biomass Bioenergy 1998 ، 15 ، 17-22. [ Google Scholar ] [ CrossRef ]
  6. آمیچف، توسط; جانستون، ام. ون ریس، رشد صنوبر هیبریدی KC در سیستم‌های تولید انرژی زیستی: پیش‌بینی زیست توده با یک مدل مبتنی بر فرآیند ساده (3PG). Biomass Bioenergy 2010 ، 34 ، 687-702. [ Google Scholar ] [ CrossRef ]
  7. Gan, J. تامین زیست توده، انرژی زیستی و کاهش کربن: روش و کاربرد. سیاست انرژی 2007 ، 35 ، 6003-6009. [ Google Scholar ] [ CrossRef ]
  8. عودو، من. ژانگ، جی. عدم قطعیت ها و مفاهیم پایداری در مدیریت زنجیره تامین سوخت زیستی: بررسی. تمدید کنید. حفظ کنید. Energy Rev. 2012 , 16 , 1359-1368. [ Google Scholar ] [ CrossRef ]
  9. دیل، وی.اچ. افرویمسون، RA; Kline، KL; Langholtz، MH; لیبی، PN; اولادوسو، GA؛ دیویس، ام آر. داونینگ، من. هیلیارد، شاخص‌های MR برای ارزیابی پایداری اجتماعی-اقتصادی سیستم‌های انرژی زیستی: فهرست کوتاهی از اقدامات عملی. Ecol. اندیک. 2013 ، 26 ، 87-102. [ Google Scholar ] [ CrossRef ]
  10. لندسبرگ، جی. Waring، R. مدل تعمیم یافته بهره وری جنگل با استفاده از مفاهیم ساده شده از کارایی استفاده از تشعشع، تعادل کربن و پارتیشن بندی. برای. Ecol. مدیریت 1997 ، 95 ، 209-228. [ Google Scholar ] [ CrossRef ]
  11. هارت، کیو. پریلپووا، او. مرز، ج. جنکینز، ب. مدل‌سازی رشد صنوبر به عنوان یک محصول چوبی با چرخش کوتاه برای سوخت‌های زیستی. PLoS One 2014 . تحت بررسی [ Google Scholar ]
  12. آشپزخانه، NR فن آوری های نوظهور برای تصمیم گیری های کشاورزی در زمان واقعی و یکپارچه. محاسبه کنید. الکترون. کشاورزی 2008 ، 61 ، 1-3. [ Google Scholar ] [ CrossRef ]
  13. Landschoot، S. واگمن، دبلیو. Audenaert، K. دامم، PV; واندپیت، جی. Baets، BD; Haesaert, G. یک ابزار وب مخصوص میدان برای پیش‌بینی بلایت سر فوزاریوم و محتوای دئوکسی نیوالنول در بلژیک. محاسبه کنید. الکترون. کشاورزی 2013 ، 93 ، 140-148. [ Google Scholar ] [ CrossRef ]
  14. روسی، وی. سالیناری، ف. پونی، اس. کافی، تی. Bettati، T. پرداختن به مشکل پیاده سازی در سیستم های پشتیبانی تصمیم گیری کشاورزی: ​​مثال vite.net. محاسبه کنید. الکترون. کشاورزی 2014 ، 100 ، 88-99. [ Google Scholar ] [ CrossRef ]
  15. کالوکسیلوس، ا. گروماس، ا. ساریس، وی. کاتسیکاس، ال. ماگدالینوس، پ. آنتونیو، ای. پولیتوپولو، ز. ولفرت، اس. بروستر، سی. ایگنمن، آر. و همکاران سیستم مدیریت مزرعه مبتنی بر ابر: معماری و پیاده سازی محاسبه کنید. الکترون. کشاورزی 2014 ، 100 ، 168-179. [ Google Scholar ] [ CrossRef ]
  16. گروه آب و هوای PRISM. در دسترس آنلاین: http://www.prism.oregonstate.edu/ (در 1 ژوئیه 2013 قابل دسترسی است).
  17. جغرافیای خاک دولتی NRCS. در دسترس آنلاین: http://www.nrcs.usda.gov/wps/portal/nrcs/main/soils/survey/geo/ (در 1 ژوئیه 2013 قابل دسترسی است).
  18. خدمات وب RESTful: اصول. در دسترس آنلاین: https://www.ibm.com/developerworks/webservices/library/ws-restful/ (در تاریخ 1 ژوئیه 2013 قابل دسترسی است).
  19. غرغر کردن در دسترس آنلاین: http://gruntjs.com/ (در 1 ژوئیه 2013 قابل دسترسی است).
  20. بوت استرپ. در دسترس آنلاین: http://getbootstrap.com/ (در 1 ژوئیه 2013 قابل دسترسی است).
  21. جی کوئری. در دسترس آنلاین: http://jquery.com/ (در 1 ژوئیه 2013 قابل دسترسی است).
  22. چرخ فلک جغد. در دسترس آنلاین: http://owlgraphic.com/owlcarousel/ (در 1 ژوئیه 2013 قابل دسترسی است).
  23. RequireJS. در دسترس آنلاین: http://requirejs.org/ (در 1 ژوئیه 2013 قابل دسترسی است).
  24. فونت عالی. در دسترس آنلاین: http://fortawesome.github.io/Font-Awesome/ (در 1 ژوئیه 2013 قابل دسترسی است).
  25. بوور. در دسترس آنلاین: http://bower.io/ (در 1 ژوئیه 2013 قابل دسترسی است).
  26. PhoneGap. در دسترس آنلاین: http://phonegap.com/ (در 1 ژوئیه 2013 قابل دسترسی است).
  27. پروژه Apache HTTP Server. در دسترس آنلاین: https://httpd.apache.org/ (در 1 ژوئیه 2013 قابل دسترسی است).
  28. PostgreSQL. در دسترس آنلاین: http://www.postgresql.org/ (در 1 ژوئیه 2013 قابل دسترسی است).
  29. PostGIS. در دسترس آنلاین: http://postgis.net/ (در 1 ژوئیه 2013 قابل دسترسی است).
  30. plv8js. در دسترس آنلاین: https://code.google.com/p/plv8js/ (در 1 ژوئیه 2013 قابل دسترسی است).
  31. موتور سرولت جتی و سرور http. در دسترس آنلاین: http://www.eclipse.org/jetty/ (در 1 ژوئیه 2013 قابل دسترسی است).
  32. تجسم گوگل در جاوا. در دسترس آنلاین: https://code.google.com/p/google-visualization-java/ (در 1 ژوئیه 2013 قابل دسترسی است).
  33. Google Maps API. در دسترس آنلاین: https://developers.google.com/maps/ (در 1 ژوئیه 2013 قابل دسترسی است).
  34. نمودارهای گوگل در دسترس آنلاین: https://developers.google.com/chart/ (در 1 ژوئیه 2013 قابل دسترسی است).
  35. Google Drive SDK. در دسترس آنلاین: https://developers.google.com/drive/ (در 1 ژوئیه 2013 قابل دسترسی است).
  36. احراز هویت گوگل در دسترس آنلاین: https://developers.google.com/accounts/docs/OAuth2/ (در 1 ژوئیه 2013 قابل دسترسی است).
  37. سوگند. در دسترس آنلاین: http://oauth.net/ (در 1 ژوئیه 2013 قابل دسترسی است).
  38. Realtime API. در دسترس آنلاین: https://developers.google.com/drive/realtime/reference/ (در 1 ژوئیه 2013 قابل دسترسی است).
  39. Google Drive SDK API. در دسترس آنلاین: https://developers.google.com/drive/v2/reference/ (در 1 ژوئیه 2013 قابل دسترسی است).
  40. Google Spreadsheets API. در دسترس آنلاین: https://developers.google.com/google-apps/spreadsheets/ (در 1 ژوئیه 2013 قابل دسترسی است).
  41. جداول فیوژن گوگل در دسترس آنلاین: https://support.google.com/fusiontables/answer/2571232?hl=en/ (در تاریخ 1 ژوئیه 2013 قابل دسترسی است).
  42. فایل خوان. در دسترس آنلاین: https://developer.mozilla.org/en-US/docs/Web/API/FileReader (در 1 ژوئیه 2013 قابل دسترسی است).
  43. XMLHttpRequest. در دسترس آنلاین: https://developer.mozilla.org/en-US/docs/Web/API/XMLHttpRequest (در 1 ژوئیه 2013 قابل دسترسی است).
  44. Github. در دسترس آنلاین: https://github.com/ (در 1 ژوئیه 2013 قابل دسترسی است).
  45. برنامه وب 3PG-AHB. در دسترس آنلاین: http://alder.bioenergy.casil.ucdavis.edu/3pgModel/ (در 1 ژوئیه 2013 قابل دسترسی است).

بدون نظر

دیدگاهتان را بنویسید

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