بشر با بسیاری از چالش های زیست محیطی مداوم از جمله تغییرات آب و هوا، از دست دادن تنوع زیستی، جنگل زدایی، افزایش فرسایش خاک، و آلودگی هوا و آب مواجه است. همانطور که جمعیت جهان همچنان در حال افزایش است، رقابت فزاینده برای زمین وجود دارد، افراد بیشتری به مناطق شهری مهاجرت می کنند و تقاضای بیشتری برای عرضه محدود منابع طبیعی زمین ایجاد می شود. اهداف توسعه پایدار (SDGs) که در پایان سپتامبر 2015 توسط کشورهای عضو تصویب خواهد شد، مجموعه ای از اقدامات پشتیبانی شده توسط اهداف متعددی است که همه کشورها باید برای رسیدن به آنها تلاش کنند. تعدادی از SDG ها مسائل کلیدی زیست محیطی را پوشش می دهند اما برای کمک به رسیدن به این اهداف به علم، فناوری و نوآوری نیاز دارند [ 1 ]]. تحلیل فضایی مجموعهای از روشهای قدرتمند را نشان میدهد که میتواند از توسعه راهحلهایی برای بسیاری از مشکلات محیطی مبرمی که با آن روبرو هستیم، پشتیبانی کند. همچنین این پتانسیل را دارد که در عصری که اطلاعات به طور فزاینده ای برچسب جغرافیایی می شود، به ویژه با ظهور تلفن های هوشمند و شهروندان به عنوان حسگر، یک فناوری تحول آفرین باشد [ 2 ]. بنابراین، تمرکز این شماره ویژه بررسی نوع رویکردهایی است که در حال حاضر برای حل مشکلات مختلف زیست محیطی استفاده می شود.
انتظار اولیه این بود که ارسالها به این شماره ویژه نمونهای از تحقیقات پیشرفته در مورد پیشرفت در روشهای تحلیلی فضایی باشد. در عوض، نتیجه تاکید بسیار قویتر بر مشکل زیستمحیطی و ظهور بینشهای زیستمحیطی غنی بوده است که با استفاده از ابزارهای تحلیلی فضایی امکانپذیر شده است. علاوه بر این، این بینش ها برای بسیاری از ذینفعان، از برنامه ریزان شهری گرفته تا مدیران حفاظت و بهره برداران مخزن، ارزش قابل توجهی دارد. همه مقالات تاکید می کنند که چگونه می توان از راهنمایی های حاصل برای تصمیم گیری استفاده کرد. بنابراین، مشکل محیطی انتخاب ابزارهای حاصل از مجموعه ابزار تحلیلی فضایی را هدایت کرده است. بسیاری از روش های کاربردی ممکن است زمانی نوآورانه بوده باشند، اما اکنون آنها رویکردهای قوی هستند که می توانند در جریان های کاری پیچیده برای حل بسیاری از مشکلات مختلف گنجانده شوند. به عنوان مثال، مقالات سیمپسون و وو [3 ] و کورتارلی و همکاران . [ 4] هر دو روش های مختلف درونیابی فضایی را به ترتیب برای تخمین حجم رسوب و نقشه برداری عمق سنجی مقایسه می کنند. درونیابی فضایی روشی است که معمولاً برای تخمین مقادیر در سطح یک سطح استفاده می شود، اما طیف گسترده ای از روش ها و تنظیمات پارامتر موجود به این معنی است که انتخاب روش همیشه ساده نیست. یک مقاله نشان می دهد که درون یابی اسپلاین بهترین راه حل را ارائه می دهد در حالی که کریجینگ مورد علاقه دیگری است. تلاش برای یافتن بهترین روش درونیابی برای همه مشکلات واقع بینانه نیست و تابعی از اندازه نمونه، فاصله نمونه و سایر عوامل خاص سایت است که نویسندگان آن را تصدیق می کنند. با قدرت محاسباتی فعلی رایانه های شخصی و در دسترس بودن محاسبات ابری، مقایسه روش های متعدد برای یافتن روشی که بهترین عملکرد را در یک مکان خاص دارد، یک رویکرد کاملا امکان پذیر است. نقشه عمق سنجی در کورتلیو همکاران [ 4 ] سپس برای استخراج منحنیهای مساحت و حجم به عنوان تابعی از سطح آب استفاده میشود، متغیری که به راحتی اندازهگیری میشود و میتواند به مدیران مخزن اجازه دهد تا ظرفیت تولید برق آبی را نظارت کنند.
درونیابی فضایی نیز توسط مبعید و همکاران استفاده شده است . [ 5 ] برای ایجاد نقشه سطح عمق خاک، که علاوه بر نوع، شیب و جنبه خاک، برای بررسی اثرات آنها بر پایداری گرمک استفاده می شود. استفاده از ماتریسهای انتقال برای ردیابی تغییرات چشمانداز در طول زمان و روشهای فضایی برای تجزیه و تحلیل ارتباط بین عوامل فوقالذکر و پویایی مناطق گرمسیری به بازگشایی تغییرات پیچیدهای که در بخشی از جنگل فونتینبلو در فرانسه در طول ۶۰ سال گذشته رخ داده است، کمک کرده است. به طور خاص، توصیه هایی را برای مدیران زمین در مورد انتخاب مناطق گرمسیری با بیشترین پتانسیل برای پایداری برای حفاظت و بازسازی بعدی ارائه می دهد.
در حوزه حفاظت، اما با تمرکز بر پرندگان، آمار فضایی و رگرسیون وزنی جغرافیایی توسط هالووی و میلر [ 6 ] استفاده شده است.] برای بررسی اینکه چگونه مقیاسی که در آن تجزیه و تحلیل انجام می شود بر نتایج تأثیر می گذارد. نویسندگان بررسی میکنند که چگونه نقاط داغ و نقاط سرد غنای گونهای با جمعآوری دادهها به اندازههای شبکهای بزرگتر و همچنین چگونگی تغییر روابط بین غنای گونهها و بارش، دما، ارتفاع و شاخص پوشش گیاهی سنجش از دور در مقیاسهای افزایشیافته را بررسی میکنند. نتایج نشان میدهد که در برخی مناطق، جهت رابطه به طور کامل با تغییر مقیاس تغییر میکند در حالی که برخی دیگر ثبات را در مقیاسهای افزایشی نشان میدهند. این امر پیامدهایی برای استراتژی های مدیریتی دارد که بر اساس این نتایج اعمال می شوند و توجه را به نیاز به مطالعه روابط اکولوژیکی در مقیاس های چندگانه جلب می کند.
دو مقاله نهایی بر روی مسائل زیست محیطی شهری متمرکز شده است. مقاله مورنو و همکاران . [ 7 ] پوشش تاج درخت، سطوح غیرقابل نفوذ/نفوذ و ساختمان ها را در بیش از 500 مدرسه در لس آنجلس در نظر می گیرد که پیامدهایی برای توسعه سیاست های ایمنی خورشید دارد. دیجیتالی کردن این اطلاعات از تصاویر با وضوح بسیار بالا و به کارگیری برخی از آمارهای اکتشافی، نشان داد که درختان کمتر و مکانیابی کمتر مطلوب در مناطق محروم بیشتر اتفاق میافتد. سپس از دادهها برای ایجاد گزارشهای سایت مدرسه با استفاده از رویکرد داستان سرایی به عنوان راهی برای برقراری ارتباط هوشمندانه با نتایج و ارائه یک سیستم هشدار اولیه که میتواند در برنامهریزی ایمنی خورشید در آینده استفاده شود، استفاده شد. مقاله میتسوا [ 8] با یک مشکل شهری متفاوت، یعنی.، تاثیر احتمالی تغییر آب و هوا بر حوضه آبخیز نزدیک سینسیناتی، اوهایو با استفاده از جفت مدلها. یک مدل رشد شهری مبتنی بر اتوماتای سلولی برای پیشبینی تغییر در منطقه شهری تا سال 2030 استفاده شد. دو سناریو مختلف تغییر اقلیم انتخاب شد، دادهها کوچکتر شدند و سپس در یک مدل هیدرولوژیکی برای حوضه مورد استفاده قرار گرفتند و اثرات آن بر سیل 100 ساله بررسی شد. و در جریان های کم با استفاده از شبیهسازی مونت کارلو برای محاسبه عدم قطعیتهای مربوط به اقلیم و مدلهای هیدرولوژیکی، احتمالات پاسخ هیدرولوژیکی به دست آمد. نتایج نشان داد احتمال افزایش بیش از سیل 100 ساله و پتانسیل خشکسالی در تابستان، با کاهش جریان رودخانه در نتیجه تغییرات آب و هوایی پیش بینی شده است.
انتظار دیگر این بود که مطالب ارسالی به این شماره ویژه از “داده های بزرگ” محیطی استفاده کنند یا حداقل به آنها اشاره کنند. این اصطلاح در همه جا رایج شده است، و برای کاربردهای زیست محیطی، یکی از مرتبط ترین منابع داده های بزرگ از رصد زمین است، به ویژه با باز شدن بایگانی Landsat [ 9 ] و ماهواره های Sentinel 1 و 2 که اخیراً پرتاب شده اند [ 10 ]. با این حال، آنچه واقعاً کمبود دارد ، دادههای درجا برای کالیبراسیون، اعتبارسنجی و مدلسازی محیطی به طور کلی است [ 11 ، 12 ]. هزینه های زیادی در ارتباط با جمع آوری داده های حرفه ای در این زمینه وجود دارد که میزان داده های قابل جمع آوری را محدود می کند. مقاله سیمپسون و وو [ 3] با بررسی اثر کاهش اندازه نمونه بر دقت حجم رسوب در یک مخزن در داکوتای جنوبی به این موضوع پرداخته است. آنها نشان دادند که دستاوردهای کمی در دقت بالای 50 درصد از حجم نمونه جمع آوری شده آنها وجود دارد، که راهنمایی ارزشمندی برای بررسی های آینده در محیطی با کاهش بودجه ارائه می دهد.
تحلیل فضایی همچنان نقش مهمی در کمک به حل بسیاری از مشکلات زیست محیطی ایفا خواهد کرد. آنچه این مقالات نشان دادهاند، مزایای این رویکردها از نظر به دست آوردن درک عمیقتر از فضای مشکل و چگونگی تبدیل این دانش به راهنماییهای ارزشمند برای تصمیمگیرندگان است. تبدیل این موضوع از تحقیقات ارزشمند به تصمیم گیری واقعی، چالش واقعی آینده است.
منابع
- Colglazier، W. دستور کار توسعه پایدار: 2030. علم 2015 ، 349 ، 1048-1050. [ Google Scholar ]
- Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ]
- سیمپسون، جی. Wu, YH دقت و تلاش درون یابی و نمونه برداری: آیا GIS می تواند به کاهش هزینه های میدانی کمک کند؟ ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 1317-1333. [ Google Scholar ]
- کورتارلی، ام. لیائو، جی. اوگاشاوارا، آی. لورنتستی، جی. Stech، J. ارزیابی روشهای درونیابی فضایی برای نقشهبرداری عمقسنجی یک مخزن هیدروالکتریک آمازون برای کمک به تصمیمگیری برای مدیریت آب. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 220-235. [ Google Scholar ]
- مبعید، س. ماچون، ن. لالان، ا. ریرا، بی. پویایی فضایی-زمانی جوامع جنگلی-هاتلند بیش از 60 سال در فونتنبلو، فرانسه. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 957-973. [ Google Scholar ]
- هالووی، پی. میلر، ج.ای.کاوش مقیاس فضایی، خودهمبستگی و ناپایداری الگوهای غنای گونههای پرندگان. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 783-798. [ Google Scholar ]
- مورنو، آ. تانگنبرگ، جی. هیلتون، BN; هیلتون، جی کی ارزیابی زیست محیطی تاج درخت سایه مدرسه و پیامدهای آن برای سیاست های ایمنی در برابر نور خورشید: منطقه مدرسه یکپارچه لس آنجلس. ISPRS Int. J. Geo-Inf. 2015 ، 4 ، 607-625. [ Google Scholar ]
- میتسوا، دی. مدلسازی تغییر کاربری زمین با پیشبینیهای اقلیمی برای تخمین تغییرپذیری فصلی رواناب از یک حوضه شهری در نزدیکی سینسیناتی، اوهایو. ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 1256-1277. [ Google Scholar ]
- Wulder، MA; ماسک، جی جی. کوهن، WB; لاولند، TR; Woodcock، CE باز کردن بایگانی: چگونه داده های رایگان، وعده علم و نظارت لندست را فعال کرده است. سنسور از راه دور محیط. 2012 ، 122 ، 2-10. [ Google Scholar ]
- برگر، ام. Aschbacher, J. Preface: The Sentinel missions- فرصت های جدید برای علم. سنسور از راه دور محیط. 2012 ، 120 ، 1-2. [ Google Scholar ]
- ببینید، LM Limits to GeoComputation. در GeoComputation ، ویرایش دوم. آبراهارت، RJ، نگاه کنید، LM، ویرایش. CRC Press: Boca Raton، FL، USA، 2014; صص 417-428. [ Google Scholar ]
- ببینید، L. فریتز، اس. McCallum، I. داده های ماهواره ای: فراتر از اشتراک گذاری مشاهدات زمین. طبیعت 2014 . [ Google Scholar ] [ CrossRef ]
© 2015 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/4.0/) توزیع شده است
بدون نظر