نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

هجوم حشرات به عنوان یک سیستم پیچیده رفتار می کند که با دینامیک فضایی غیر خطی و الگوهای نوظهور که از مقیاس های فضایی کوچکتر به بزرگتر تکامل می یابد، مشخص می شود. خاکستر زمرد (EAB) گونه مهاجمی است که میلیون ها درخت خاکستر را در سراسر آمریکای شمالی آلوده کرده و از بین برده است. مدل‌های EAB موجود از روش‌های آماری سنتی استفاده می‌کنند که اغلب نمی‌توانند پیچیدگی مکانی-زمانی ناشی از فرآیندهای آلودگی EAB را بررسی کنند. علاوه بر این، این مطالعات هجوم حشرات به دلیل فقدان داده‌های سری زمانی کافی محدود شده‌اند. هدف از این مطالعه توسعه یک رویکرد شبیه‌سازی زمین برای غلبه بر چالش کمبود داده و نشان دادن آلودگی EAB در مقیاس منطقه‌ای است. سیستم های اطلاعات جغرافیایی (GIS)، ارزیابی چند معیاره (MCE)، و اتوماتای ​​سلولی (CA) برای مدلسازی EAB پراکنده در انواع مختلف منظره فرضی استفاده می شود. نتایج شبیه‌سازی نشان‌دهنده انتشار EAB است و پویایی‌های مختلف گسترش را برای هر چشم‌انداز نشان می‌دهد. محیط های شهری به عنوان در معرض بیشترین خطر برای آلودگی شناسایی شده اند. رویکرد پیشنهادی یک چارچوب نظری و یک ابزار مدل‌سازی را برای نشان دادن انتشار آلودگی EAB ارائه می‌دهد که می‌تواند با مجموعه داده‌های مکانی واقعی و بالقوه در استراتژی‌های مدیریت جنگل استفاده شود.
کلید واژه ها: 

اتوماتای ​​سلولی ; شبیه سازی زمین سیستم های اطلاعات جغرافیایی ; آلودگی حشرات ؛ خاکستر زمرد ; مدل سازی اکولوژیک ; کمبود داده

 

1. معرفی

روش‌های مدل‌سازی زمین شبیه‌سازی می‌تواند برای توسعه ابزارهایی برای درک بهتر پدیده‌های پیچیده مکانی-زمانی مانند دینامیک هجوم حشرات جنگلی مورد استفاده قرار گیرد. ماهیت دینامیک هجوم حشرات جنگلی را می توان در انواع مقیاس های مکانی و زمانی مشخص کرد و رفتار سیستم های غیرخطی پیچیده را نشان داد. تجزیه و تحلیل کامل و نمایش پویایی انتشار هجوم حشرات جنگلی به دلیل در دسترس نبودن داده‌های تجربی که می‌تواند گستره‌های مکانی و زمانی کافی را پوشش دهد، محدود است. به عنوان مثال، به منظور کاهش اثرات زیست محیطی، اقتصادی و اجتماعی در سریع ترین زمان ممکن، بسیاری از استراتژی های مدیریتی نیاز دارند که درختان آلوده از چشم انداز حذف شوند. مهار توانایی جمع‌آوری داده‌های فضایی در مقیاس بزرگ که الگوهای پراکندگی در دوره‌های زمانی طولانی را مشخص می‌کند. کمبود داده به ویژه می تواند در ایجاد و آزمایش مدل بسیار محدود کننده باشد [1 ]. روش‌های مدل‌سازی آماری سنتی که از رویکردهای بالا به پایین برای نمایش پراکندگی استفاده می‌کنند، بر مجموعه داده‌های تجربی در مقیاس بزرگ تکیه می‌کنند [ 2 ، 3 ، 4 ]. علاوه بر این، این رویکردها لزوماً به پیچیدگی غیرخطی رفتار حشرات نمی‌پردازند. نمایش‌های جغرافیایی اخیر هجوم حشرات، مانند مدل‌های صریح فضایی با استفاده از سیستم‌های اطلاعات جغرافیایی (GIS)، نمایش‌های مکانی استاتیک ایجاد می‌کنند و قادر به ثبت فرآیندهای مکانی-زمانی، دینامیک فضایی و تغییرات نیستند [5 ]]. روش‌های مدل‌سازی زمین شبیه‌سازی می‌توانند در نمایش پدیده‌های مکانی-زمانی مانند هجوم حشرات به دلیل قابلیت خود در ترکیب پیچیدگی ذاتی این نوع سیستم‌ها بسیار مفید باشند. علاوه بر این، این رویکردهای توسعه‌یافته می‌توانند ابزارهای مفیدی را ارائه دهند که می‌توانند در پیش‌بینی نحوه واکنش شیوع آلودگی حشرات در کاربرد به سناریوهای مختلف مورد استفاده قرار گیرند. بنابراین، بررسی این رویکردها که قادر به غلبه بر این چالش‌ها هستند مفید خواهد بود [ 6 ].
از زمان تهاجم خود به میشیگان در سال 1997، کرم خاکستر زمرد (Agrilus planipennis؛ EAB)، یک گونه مهاجم عجیب و غریب بومی آسیای جنوب شرقی، میلیون ها درخت خاکستر (Fraxinus sp.) را در شمال شرقی ایالات متحده، انتاریو و کبک آلوده کرده و از بین برده است. [ 7 ، 8 ، 9 ، 10 ]. سوسک گونه‌های معمولی از درختان زبان گنجشک بومی آمریکای شمالی مانند خاکستر سبز (F. pennsylvannica)، خاکستر سیاه (F. nigra) و خاکستر سفید (F. americana) را هدف قرار می‌دهد که به موجب آن لاروها از داخل خاکستر تغذیه می‌کنند و یک خاکستر ایجاد می‌کنند. اثر کمربندی که جریان آب و مواد مغذی ضروری برای بقای آن را مختل می کند [ 7 ، 8 ]. درختان آلوده به EAB ممکن است طی سه تا پنج سال بمیرند [ 11]. تشخیص آلودگی اغلب به تأخیر می افتد زیرا علائم خارجی مانند سوراخ های خروجی مشخصه D شکل، کلروز، نازک شدن تاج و خشکی، شاخه های اپیکورمیک و شکاف های پوست به سختی شناسایی می شوند [12 ] .
شناسایی آلودگی EAB در آمریکای شمالی تا سال 2002 به تعویق افتاد، زمانی که این گونه به طور کامل تثبیت شد و با سرعت انتشار تا 12.97 کیلومتر در سال در سراسر منطقه تکثیر شد و یک تهدید اکولوژیکی و اقتصادی بزرگ برای درختان در مناطق شهری و جنگلی ایجاد کرد. مناطق آمریکای شمالی [ 11 ]. اگرچه مطالعات تاثیرات اقتصادی کمی در رابطه با هجوم آفات جنگلی در کانادا وجود دارد [ 13 ]، تخمین زده شده است که ایالات متحده خسارت اقتصادی 10.7 میلیارد دلاری برای درمان و جایگزینی درختان آلوده خیابان [ 14 ] و تا 1 میلیارد اضافی در بازسازی اموال خصوصی [ 15]. تهدیدهای اکولوژیکی برای جنگل‌های شهری گسترده است، زیرا درختان خاکستر شهر طیف گسترده‌ای از مزایای را برای محیط شهری فراهم می‌کنند، از جمله حفظ کیفیت هوا، جلوگیری از فرسایش خاک، تهیه غذا و سرپناه برای حیات وحش، و تنظیم آب و هوا [16 ] . جنگل های روستایی در معرض خطر تغییر ترکیب جنگل هستند که اثرات منفی بر عملکرد اکوسیستم دارد [ 17 ]. درک بهتر از رفتار و گسترش EAB ممکن است به ریشه کنی آفت کمک کند و خسارات اقتصادی و زیست محیطی را کاهش دهد.
شیوع EAB را می توان به عنوان یک سیستم پیچیده در نظر گرفت که در آن پویایی جمعیت و الگوهای مکانی-زمانی آلودگی را می توان به سختی پیش بینی کرد. پیچیدگی آن ناشی از غیر خطی بودن درون سیستم در نتیجه تغییر روابط دینامیکی بین سوسک‌های تطبیقی ​​و میزبان‌های درخت خاکستر آن‌ها است، جایی که رفتار فردی به منظور به حداکثر رساندن تناسب اندام و تضمین بقا تغییر می‌کند. غیر خطی بودن همچنین از بازخورد محیطی ناشی می شود، جایی که رفتار EAB تحت تأثیر عناصری مانند باد، آب و هوا یا تعامل انسانی است. علاوه بر این، پدیده هجوم حشرات در معرض دو شاخه شدن، تغییرات ناگهانی و اغلب غافلگیرکننده در ساختار و عملکرد سیستم در واکنش به حوادثی مانند آتش سوزی جنگل، سیل، تغییرات آب و هوایی و فروپاشی گونه ها است. آلودگی EAB از پایین به بالا هدایت می شود،
رویکردهای مدل‌سازی کنونی رفتار EAB نظری را در مقیاس‌های محلی [ 7 ]، مدل‌سازی پراکندگی EAB در یک زمینه فضایی با استفاده از توابع فروپاشی نمایی احتمال [ 18 ] و معادلات دیفرانسیل [ 19 ] شبیه‌سازی می‌کنند. رابطه بین آلودگی EAB و آب و هوا مورد بررسی قرار گرفته است [ 8 ، 20 ]، و همچنین برآورد اثرات اقتصادی هجوم حشرات [ 14 ، 21 ]. اگرچه مفید است، اما این مطالعات از رویکردهایی استفاده می کنند که آلودگی EAB را به عنوان یک سیستم پیچیده، در درجه اول در یک زمینه ایالات متحده، مورد توجه قرار نمی دهند.
نیاز به توسعه یک رویکرد مدل‌سازی وجود دارد که می‌تواند به درک و پیش‌بینی پویایی مکانی-زمانی گسترش EAB در مقیاس منطقه‌ای کمک کند و EAB را به عنوان یک سیستم پیچیده برای ترکیب مکانیسم‌های مهم ظهور، انطباق و دوشاخه نشان دهد. علاوه بر این، رسیدگی به آلودگی EAB در یک زمینه کانادایی مفید خواهد بود. با این حال، این به معنای مدل سازی در یک محیط کم داده است. به ویژه در جنوب غربی انتاریو، جایی که آلودگی EAB در ابتدا در کانادا شناسایی شد، فاقد داده‌های مکانی است که نشان‌دهنده EAB دنیای واقعی است که در طول زمان در سراسر مناظر جنگلی پخش شده است. این به طور طبیعی چالشی را در ایجاد مدل و آزمایش اینکه مدل چگونه انتشار EAB را ضبط می کند، ایجاد می کند.22 ، 23 ]، اقدامات ریشه کنی زودهنگام مانند حذف درختان آلوده می تواند این یافته ها را مخدوش کند. علاوه بر این، فقدان داده‌های موجودی درخت در منطقه، نمایش محیط جنگل را که EAB منتشر می‌کند، به چالش دیگری تبدیل می‌کند. مدل‌سازی و تجزیه و تحلیل انتشار EAB با استفاده از رویکرد سیستم‌های پیچیده از پایین به بالا ممکن است این پتانسیل را داشته باشد که در عوض از اطلاعات موجود در ادبیات برای نشان دادن پویایی محلی در آلودگی EAB و ایجاد الگوهای گسترش استفاده کند. حتی با فقدان داده‌های سطح سیستم، مدل‌سازی سیستم از پایین به بالا می‌تواند درک ما را از مکانیسم‌های حاکم بر انتشار آلودگی برای کمک به مدیریت مناطق آلوده و حفاظت از مناطقی در کانادا که هنوز تحت تأثیر قرار نگرفته‌اند، بیشتر کند.
رویکرد اتوماتای ​​سلولی (CA) مفهوم‌سازی ریاضی یک سیستم پیچیده است که از روش مدل‌سازی از پایین به بالا استفاده می‌کند و قادر به ادغام سیستم‌های اطلاعات جغرافیایی (GIS) و داده‌های مکانی برای نمایش الگوهای در حال ظهور پدیده‌های مکانی-زمانی است. با نشان دادن پویایی محلی بین آفت و میزبان که از آن الگوهای در مقیاس بزرگ بیرون می‌آیند، مکانیسم‌هایی مانند سازگاری و دوشاخه‌ای که رفتار پیچیده سیستم را هدایت می‌کنند را می‌توان نشان داد. علاوه بر این، در ادبیات گزارش شده است که یک رویکرد از پایین به بالا قادر به نمایش پدیده با کمبود داده‌های مشاهده‌ای است، زیرا اطلاعات از نظر ایجاد پویایی محلی که سیستمی را می‌سازد که یک مدل را می‌سازد در دسترس‌تر است. از کل جمعیت [ 1].
بنابراین، هدف اصلی این مطالعه، کشف استفاده از اتوماتای ​​سلولی برای توسعه یک چارچوب مدل‌سازی زمین شبیه‌سازی است که قادر به ثبت رفتار فضایی-زمانی اضطراری پیچیده گسترش EAB در مقیاس منطقه‌ای با چالش کمبود داده است. GIS، تکنیک های ارزیابی چند معیاره (MCE)، و CA در این مطالعه برای شبیه سازی گسترش EAB در پاسخ به حساسیت درخت خاکستر استفاده شد. این مطالعه از مجموعه داده‌های مکانی برای ایجاد مناظر فرضی برای ویندزور، انتاریو، کانادا در سال 2002 استفاده کرد، جایی که اولین آلودگی EAB در ابتدا شناسایی شد. انواع مختلف منظر، یعنی منظر شهری، چشم انداز روستایی-شهری، و منظر روستایی به منظور نمایش تنظیمات مختلف واقع گرایانه که در آن EAB رخ می دهد، ایجاد شدند. هر یک از این انواع چشم‌انداز از توزیع‌های مختلف و میزبان‌های درخت خاکستر ناهمگن از نظر بیولوژیکی تشکیل شده‌اند. مدل geosimulation توسعه‌یافته جنبه‌های تغییرات محیطی از جمله باد و دما را برای تعیین تأثیر این عوامل در هر چشم‌انداز گنجانده است.
در انتظار در دسترس بودن، اجرای چارچوب مدل EAB CA پیشنهادی بر روی داده‌های مکانی واقعی می‌تواند یک ابزار تصمیم‌گیری قدرتمند برای کمک به توسعه استراتژی برای به حداقل رساندن فعالیت‌های بالقوه مضر و پرهزینه کنترل آفات و در عین حال کاهش مؤثر گسترش گونه‌های حشرات را فراهم کند.

2. نظریه سیستم های پیچیده برای مدل سازی آلودگی حشرات

نظریه سیستم های پیچیده از یک رویکرد پایین به بالا برای تجزیه و تحلیل رفتار یک سیستم استفاده می کند، به طور خاص، برای درک اینکه چگونه تعاملات محلی بین عناصر سیستم با رفتار جمعی غیر خطی الگوها را در مقیاس بزرگتر ایجاد می کند. سیستم‌های اکولوژیکی، از جمله هجوم حشرات، به‌عنوان سیستم‌های پیچیده رفتار می‌کنند، زیرا از شبکه‌ای از افراد ناهمگن، تعاملات محلی پویا و پایگاه‌های منابع مختلف تشکیل شده‌اند [ 24 ، 25 ، 26 ]. تغییرات درون سیستم اغلب توسط فرآیندهای غیر خطی [ 27 ]، سازگاری، و تغییرات فردی و محیطی تقویت می‌شوند و رفتارهای نوظهور و غیرقابل پیش‌بینی را پرورش می‌دهند.
اتوماتای ​​سلولی (CA) یک رویکرد مدل‌سازی سیستم‌های پیچیده رایج است که می‌تواند هم دینامیک مکانی و هم زمانی ذاتی پدیده‌های جغرافیایی پویا را به تصویر بکشد [ 28 ]. CA، گسسته در فضا و زمان، از شبکه ای از سلول ها تشکیل شده است که می تواند فضای جغرافیایی را زمانی که به یک چارچوب GIS مبتنی بر شطرنجی متصل می شود، نشان دهد. وضعیت هر سلول در طول زمان به عنوان تابعی از قوانین انتقال ساده و حالات همه سلول ها در همسایگی اطراف تغییر می کند [ 29 ]. ویژگی‌های CA این روش را برای نمایش پدیده‌های پیچیده مکانی-زمانی مناسب می‌سازد. CA را می توان به صورت زیر بیان کرد:

اسایکسyتیمن+1=f(اسایکسyتیمن، نایکسyتیمن)

جایی که اسایکسyتیمنو اسایکسyتیمن+1حالات یک سلول در یک مکان (x,y) در زمان Ti و Ti+1 هستند، نایکسyتیمنهمسایگی اطراف سلول را در زمان Ti در مکان (x,y) نشان می‌دهد و f نشان‌دهنده عملکرد قوانین انتقال است که تعیین می‌کند وضعیت یک سلول در مرحله بعدی Ti+1 چگونه تغییر می‌کند.

روش‌های مدل‌سازی سیستم‌های پیچیده مبتنی بر CA برای شبیه‌سازی پدیده‌های اکولوژیکی استفاده شده است [ 30 ، 31 ، 32 ، 33 ، 34 ]. استفاده از CA برای مدل سازی جمعیت حشرات در جوامع جنگلی نیز در موقعیت های کمیاب داده ها مورد بررسی قرار گرفته است [ 35 ، 36 ]. در مقیاس منطقه‌ای، مدل‌سازی CA رویکرد مناسبی برای شبیه‌سازی الگوهای فضایی مرگ درختان ناشی از هجوم حشرات در یک پوشش خشک جنگلی در حال تغییر و با مقدار ناکافی داده‌های آلودگی درختان [35، 37] و سوسک کاج کوهی است . انتشار [ 38 ].
با توجه به اینکه CA امکان نمایش پویایی پیچیده بین آفت EAB و میزبان درخت خاکستر آن را فراهم می‌کند و پتانسیل آشکارسازی رفتارهای نوظهور را در نتیجه تعامل با انواع منظره فراهم می‌کند، استفاده از روش CA به عنوان یک انتخاب مناسب برای نمایش مفید است. و تجزیه و تحلیل پویایی مکانی-زمانی آلودگی EAB زمانی که فقدان داده در دسترس وجود دارد. با استفاده از GIS، MCE و رویکرد CA، یعنی ساختار سلولی و حالات سلولی گسسته، این مطالعه با هدف بررسی استفاده از یک رویکرد پیچیده برای نشان دادن پویایی پیچیده بین آفت حشره‌خوار خاکستر زمرد و میزبان درخت خاکستر آن است و نمایش آن را ممکن می‌سازد. الگوهای هجوم EAB در مکان و زمان

3. روش ها

3.1. سایت مطالعه و مجموعه داده ها

مدل زمین شبیه‌سازی توسعه‌یافته CA-EAB هجوم حشرات EAB در یک مطالعه موردی فرضی از آلودگی EAB در شهرستان اسکس در ویندزور، انتاریو، کانادا (42°17′ شمالی؛ 83°00’W) استفاده شده است (شکل 1 ) . جایی که اولین آلودگی برای اولین بار در کانادا شناسایی شد. آلودگی EAB برای پوشش دوره از می 2002 تا اوت 2003 شبیه سازی شد. مجموعه داده های مورد استفاده برای این مطالعه به شرح زیر است:

(1)
لایه داده GIS مکان اولیه هجوم EAB را در شهر ویندزور در سال 2002 ارائه می دهد. داده های اضافی از ادبیات اطلاعاتی در مورد میانگین نرخ گسترش در اولین شیوع EAB در آمریکای شمالی در میشیگان ارائه می دهد. ایالات متحده در طول این مدت از طریق پراکندگی طبیعی و طولانی مدت، نرخ گسترش 12-13 کیلومتر در سال را داشت [ 11 ].
(2)
فایل‌های شطرنجی GIS با وضوح فضایی 10 متر برای نمایش سه نوع منظر فرضی مختلف برای جنگل در محیط‌های شهری، حاشیه روستایی-شهری و روستایی در و اطراف شهر ویندزور تولید شدند. لایه های داده شطرنجی با استفاده از داده های کاربری برداری زمین به دست آمده از اطلاعات زمین انتاریو (LIO) [ 39] ایجاد شدند.]. داده های کاربری زمین LIO به دست آمده، توزیع واقعی درختان را در هر یک از سه نوع منظر تعیین کرده است. با این حال، به دلیل در دسترس نبودن داده‌های موجودی درخت برای این منطقه، مکان دقیق درختان خاکستر مشخص نیست. علاوه بر این، ویژگی‌های بیولوژیکی درختان خاکستر مانند سن و اندازه از ادبیات به دست آمد تا ویژگی‌های بیولوژیکی واقعی درختان زبان گنجشک در سه نوع منظره ایجاد شود.
(3)
داده های آب و هوا و هواشناسی دوازده ایستگاه که توسط دولت کانادا توزیع شده است [ 40 ]. این داده ها شامل میانگین جهت باد و داده های دمای ماهانه برای یک دوره دو ساله است.
Ijgi 05 00009 g001 1024
شکل 1. سایت مطالعه، ویندزور، کانادا، که الگوهای فضایی مختلف درختان خاکستر را نشان می دهد که سه منظر شهری، روستایی-شهری حاشیه ای و روستایی را نشان می دهد.
Ijgi 05 00009 g002 1024
شکل 2. ساختار مدل CA-EAB که تکثیر EAB را در مرحله سوسک بالغ در چرخه زندگی EAB ایجاد می کند و از دو مدل فرعی تشکیل شده است، یک مولد حساسیت و یک شبیه ساز دینامیک.

3.2. ساختار مدل

مدل CA-EAB از دو جزء زیرمدل تشکیل شده است، از جمله (1) یک ژنراتور حساسیت درخت خاکستر و (2) یک شبیه‌ساز دینامیک هجوم حشرات ( شکل 2)). یک رویکرد ارزیابی چند معیاره برای ایجاد درجه حساسیت خاکستر به آلودگی ادغام شد. مدل پیشنهادی یک GIS مبتنی بر شطرنجی و یک رویکرد CA را برای شبیه‌سازی پویایی بین میزبان آفت و درخت خاکستر، که در مرحله سوسک بالغ رخ می‌دهد، ادغام می‌کند، تنها مرحله‌ای که EABs در طول چرخه حیات EAB فعال هستند. سه سناریو منظر برای کمک به درک بیشتر مکانیسم‌های اساسی ترکیب و تراکم جنگل که بر گسترش EAB حاکم است از جمله توزیع درخت خاکستر، باد و دما استفاده می‌شوند. جزئیات مربوط به اجزای مدل در بخش های زیر ارائه شده است.

3.2.1. مؤلفه مدل 1: حساسیت درخت

هر درخت به عنوان تابعی از ویژگی های فضایی و بیولوژیکی درخت از جمله (1) نوع درخت، درجه متفاوتی از حساسیت به آلودگی EAB را دارد. (2) فاصله از خاکستر آلوده. (3) فاصله از جاده ها؛ (4) فاصله از بزرگراه ها؛ (5) تراکم خاکستر در جایگاه. (6) سن خاکستر؛ (7) اندازه خاکستر، (8) جهت باد. و (9) دمای هوا. مؤلفه مدل I از روش ارزیابی چند معیاره مبتنی بر GIS (MCE) برای تعیین کمیت حساسیت کلی درخت خاکستر به آلودگی EAB بر اساس معیارهای فوق استفاده می کند. توابع حساسیت ( افn)برای ایجاد مقادیر حساسیت برای هر معیار به صورت جداگانه، تعیین می‌کنند که درخت در مقیاسی از 0 (غیر حساس) تا 1 (مستعدترین) چقدر حساس است. هر تابع حساسیت (F1، F2، …، Fn) بر اساس اهمیت نقش آنها در تأثیرگذاری بر حساسیت درخت خاکستر به آلودگی EAB در مقایسه با سایر معیارها وزن می شود. مقادیر حساسیت از همه معیارها برای به دست آوردن حساسیت کلی ترکیب می شوند. MCE به صورت زیر بیان می شود:

y=مسیE(اف1، اف2، اف3…افn)

که در آن حساسیت کلی درخت خاکستر y تابعی از ترکیب وزنی مقادیر حساسیت برای هر معیار است ( اف1،اف2،اف3،…،افn).

ملاک اول ( اف1) از نوع درختی است. درختان خاکستر تنها نوع درختی هستند که در معرض آلودگی EAB هستند. این را می توان به عنوان یک عضویت دوتایی بیان کرد که در آن به سلول های فاقد درختان خاکستر زنده مقدار 0 و سلول های حاوی خاکستر زنده با مقدار 1 اختصاص داده می شود. مدل پیشنهادی با این فرض عمل می‌کند که نوع درخت خاکستر بر سطح حساسیت تأثیر نمی‌گذارد.
معیارهای باقی مانده ( اف2–اف9) با استفاده از توابع حساسیت نشان داده می شوند ( شکل 3 a)، که در آن عضویت یک خاکستر به کلاس “مستعد” یا “غیر حساس” در امتداد یک عضویت در مقیاس تدریجی و نه باینری تعیین می شود. توابع حساسیت بر اساس دانش جمع آوری شده از ادبیات رفتار EAB توسعه یافته است ( شکل 3). تجزیه و تحلیل حساسیت برای تأیید انتخاب توابع خطی انجام شد. استفاده از توابع نمایی مثبت یا منفی نرخ شبیه سازی شده آلودگی را بیش از حد تخمین زده یا دست کم گرفته است. به عنوان مثال، یک تابع نمایی منفی به جای تابع خطی منفی در فاصله از درختان آلوده برای منظر شهری منجر به نرخی از گسترش شد که با نرخ گسترش مشاهده شده در واقعیت مطابقت ندارد. این در نتیجه ارزش های حساسیت بالاتری است که به درختان خاکستر اختصاص داده شده است، که در فاصله نزدیک به آلودگی موجود هستند. با افزایش فاصله، حتی اندکی، حساسیت درختان زبان گنجشک به طور تصاعدی کاهش می یابد. اثر حاصل کاهش نرخ گسترش است که توسط مدل شبیه‌سازی شده است.
فاصله از خاکستر آلوده ( اف2) معیار انتخاب شده است، زیرا نزدیکی خاکستر به سایر درختان خاکستر آلوده یک عامل اصلی است که در حساسیت درختان خاکستر نقش دارد [ 7 ]. بزرگسالان EAB مهاجر در طول عمر خود می توانند به طور متوسط ​​1.4 کیلومتر از محل ظهور خود سفر کنند که نشان می دهد با افزایش فاصله از درختان آلوده، احتمال آلودگی کاهش می یابد. در فاصله 1.4 کیلومتری از درختان آلوده، حساسیت به 0 کاهش می یابد. به این ترتیب، این رابطه را می توان با یک تابع عضویت خطی معکوس نشان داد که در آن درختان هر چه به درختانی که قبلاً آلوده شده اند نزدیکتر باشند، مستعد ابتلا به آلودگی هستند (شکل 3 a . ، (1)).
علاوه بر پراکندگی فاصله کوتاه، به طور فزاینده ای آشکار می شود که پراکندگی در فواصل طولانی نقش برجسته ای در الگوهای فضایی آلودگی EAB ایفا می کند [ 41 ]. بنابراین فاصله از جاده (F3) و بزرگراه (F4) به عنوان معیار انتخاب شده است. همبستگی بین جاده‌ها و بزرگراه‌ها، و ایجاد جمعیت‌های دورافتاده جدید EAB، و مناطق آلوده که جلوتر از جبهه آلودگی اولیه توسعه می‌یابند، شناسایی شده‌اند [ 41 ]. این جمعیت های دورتر معمولاً رشد می کنند، ادغام می شوند و در نهایت سرعت آلودگی را افزایش می دهند [ 42]]. این همبستگی بین شبکه های حمل و نقل و جمعیت های دورتر را می توان به حمل و نقل انسانی مواد خاکستر آلوده مانند انبار مهد کودک، چوب اره و مواد بسته بندی چوب نسبت داد. علاوه بر این، هیزم از طریق مسیرهای غیررسمی در فواصل طولانی حرکت می کند و شناسایی، ردیابی و تنظیم هیزم آلوده را تقریبا غیرممکن می کند [ 43 ]. تحقیقات اخیر نشان می‌دهد که جمعیت‌های دورتر نیز ممکن است به «حرکت حشرات» از طریق اتصال به اتومبیل نسبت داده شوند [ 41 ، 43 ، 44]]. جاده ها و بزرگراه ها نشان دهنده تأثیر انسان بر پراکندگی EAB هستند که در آن درختان خاکستر در نزدیکی جاده ها یا بزرگراه ها حساس ترین هستند. این رابطه را می توان با یک تابع عضویت خطی معکوس نشان داد که در آن درختان هر چه به شبکه های حمل و نقل نزدیک تر باشند بیشتر در معرض آلودگی هستند ( شکل 3 a, (2,3)).
Ijgi 05 00009 g003a 1024 Ijgi 05 00009 g003b 1024
شکل 3. توابع حساسیت برای هر درخت خاکستر نشان دهنده ( الف) (1) فاصله از درختان آلوده. (2) فاصله از جاده ها؛ (3) فاصله از بزرگراه ها؛ (4) تراکم درخت خاکستر در جایگاه. (5) سن درخت خاکستر؛ (6) اندازه درخت خاکستر؛ (7) باد؛ و (8) دمای هوا، ترکیب شده در ( b ) برای ایجاد حساسیت کلی.
سوسک های بالغ برای غذا به منبع برگ درختان خاکستر تکیه می کنند و در نتیجه، ماده های EAB ترجیح می دهند تخم های خود را در مناطقی با نسبت بیشتری از درختان خاکستر در توده بگذارند [42 ] . این نشان می دهد که با افزایش تراکم توده، احتمال آلودگی افزایش می یابد. بنابراین، تراکم درختان زبان گنجشک (اف5)به عنوان یکی از معیارها انتخاب شده است. آستانه چگالی دقیق در ادبیات شناسایی نشده است. با این حال، استفاده از یک تابع حساسیت اجازه می دهد تا نمایش چگالی خاکستر به عنوان تاثیری در تعیین حساسیت درخت خاکستر بدون نیاز به مقادیر آستانه کمی باشد. این تابع به سادگی تغییرات تراکم درختان خاکستر را مقیاس می کند، جایی که تراکم های بالاتر حساسیت به 1 دارند. این رابطه را می توان با یک تابع عضویت خطی نشان داد که در آن توده هایی با تراکم خاکستر بالاتر حساس تر هستند (شکل 3 a, (4) ) . .
معیارهای بعدی مربوط به سن درخت است (اف6)و اندازه درخت (اف7). EAB به دلیل اندازه و سن درخت محدود می شود زیرا خاکسترهایی که DBH کمتر از 5 سانتی متر دارند یا سن آنها کمتر از 10 سال است به شدت در معرض آلودگی نیستند زیرا کامبیوم داخلی نمی تواند آبکش کافی برای حفظ لاروها را فراهم کند [7 ] . حساسیت به آلودگی بر اساس سن درخت با یک تابع عضویت خطی نشان داده می شود که در آن درختان حساس نیستند (عضویت حساسیت 0) اگر کمتر از 10 سال سن داشته باشند. حساسیت با افزایش سن درخت خاکستر تا سن 170 سالگی افزایش می یابد که نشان دهنده حداکثر سن گونه های درخت زبان گنجشک است. درختان زبان گنجشکی که 170 سال سن دارند بیشترین حساسیت را دارند و بنابراین دارای ارزش عضویت 1 هستند ( شکل 3الف، (5)). حساسیت به آلودگی بر اساس اندازه درخت با یک تابع عضویت خطی نشان داده می شود که در آن درختان اگر کمتر از 5 سانتی متر DBH باشند حساس نیستند. حساسیت تا 55 سانتی متر DBH افزایش می یابد که در آن زمان به حداکثر مقدار حساسیت می رسد ( شکل 3 a, (6)).
در ماه ژوئن، زمانی که سوسک های بالغ برای یافتن غذا و تولید مثل پرواز می کنند، جهت اصلی باد در منطقه اسکس به سمت شمال شرقی است. اگرچه قادر به پرواز در سمت باد هستند، گونه‌های حشره‌ای که به فرمون‌ها پاسخ می‌دهند، مانند EAB، معمولاً تا زمانی که با فرومون‌ها مواجه نشوند، به سمت باد پرواز می‌کنند [ 45 ]. بنابراین معیار باد (F8) انتخاب می شود. مشابه معیارهای چگالی خاکستر و دما، استفاده از توابع حساسیت به مقدار آستانه نیاز ندارد. به این ترتیب، حساسیت به هجوم بر اساس باد را می توان با یک تابع عضویت خطی نشان داد که در آن درختانی که در شمال شرقی درختان آلوده هستند، حساس ترین هستند ( شکل 3 a, (7)).
به طور مشابه، با توجه به اینکه عوامل ریزاقلیمی مانند نور، دما، باد و تلاطم همگی بر پراکندگی حشرات تأثیر می‌گذارند، دما به عنوان یک معیار انتخاب می‌شود [ 46 ]. رشد و ظهور EAB به عنوان یک سوسک بالغ به شدت به شرایط آب و هوایی بستگی دارد. به طور خاص، خروج و پرواز تخم در شرایط آب و هوایی گرم و آفتابی محدود است. استفاده از توابع حساسیت برای نشان دادن تأثیر دما بر آلودگی EAB نیازی به مقادیر آستانه ندارد. بنابراین، حساسیت به آلودگی بر اساس دما ( اف9) با یک تابع عضویت خطی نشان داده می شود که در آن درختان در دماهای گرمتر حساس هستند ( شکل 3 a, (8)).
با توجه به مطالعه‌ای که بررسی کرد کدام عوامل غیرزیستی و زیستی کمترین تأثیر را بر انتخاب زیستگاه EAB دارند، هر دو رگرسیون لجستیک و مدل‌سازی Maxent فاصله تا مکان‌های شناخته شده EAB را به‌طور قابل‌توجهی مهم‌تر از هر متغیر دیگری که بر گسترش زیستگاه تأثیر می‌گذارد، شناسایی کرد. EAB [ 47 ]. این در ژنراتور حساسیت با اختصاص بالاترین وزن به فاصله از معیارهای آلودگی گنجانیده شد. عوامل اضافی، مانند بزرگراه‌هایی که بیشتر با وسایل نقلیه حمل‌کننده محصولات تجاری آلوده تردد می‌کنند، در محاسبات MCE نسبت به جاده‌ها وزن بیشتری دارند، زیرا شواهدی وجود دارد که در امتداد بزرگراه‌ها، سرعت انتشار سریع‌تر و حساسیت بالاتر به آلودگی را می‌توان شناسایی کرد. [ 43، 48 ]. معیارهای وزنی به ترتیب اهمیت با توجه به ادبیات ترکیب می شوند: فاصله از آلودگی، باد و دما، سن و اندازه، بزرگراه، جاده ها و تراکم. وزن ها با استفاده از روش فرآیند تحلیل سلسله مراتبی (AHP) [ 49 ] تعیین شد و در جدول 1 به تفصیل آمده است . MCE خروجی y را تولید می کند، یک نمایش جغرافیایی از حساسیت کل خاکستر به آلودگی EAB در مقیاسی از 0 تا 1 به عنوان تابعی از همه معیارها. نقشه سطوح محاسبه شده حساسیت کلی درختان خاکستر به آلودگی EAB در شکل 3 ب ارائه شده است.
جدول
جدول 1. وزن عوامل حساسیتی که در مولفه MCE مدل بدون تأثیر باد یا دما (a) استفاده می‌شوند. از جمله باد یا دما (b) و شامل باد و دما (c).

3.2.2. مؤلفه مدل II: شبیه ساز دینامیک فضایی

مؤلفه دوم مدل آلودگی EAB پویایی گسترش EAB را در پاسخ به مقادیر حساسیت تولید شده برای درختان خاکستر در مؤلفه مدل I در مناظر مختلف شبیه‌سازی می‌کند. این مدل با استفاده از نرخ‌های پراکندگی در جهان واقعی که در ادبیات شناسایی شده است، برای به دست آوردن نرخ گسترش 12-13 کیلومتر در سال از طریق پراکندگی طبیعی، میانگین نرخ ثبت شده گسترش کالیبره شده است (به بخش 3.4 مراجعه کنید .). CA در جزء II بر اساس عملکرد قوانین انتقال به شرح زیر است: اگر درختان خاکستر غیر آلوده در همسایگی درخت خاکستر آلوده وجود داشته باشد، آنگاه درختان خاکستری که بیشترین حساسیت را در برابر آلودگی دارند آلوده می شوند. حساسیت بالا به عنوان داشتن مقدار بیشتر از 0.6 تعریف می شود. درختان با حساسیت کمتر از 0.6 آلوده نمی شوند. درختانی که قبلاً آلوده شده اند آلوده می مانند و در نهایت می میرند.
مرکز هجوم EAB در ویندزور، انتاریو از مجموعه داده‌های مکانی به‌دست‌آمده توسط CFIA به‌دست آمد و برای اولیه‌سازی شبیه‌سازی استفاده شد. در دنیای واقعی، EAB هر سال از اواخر ماه مه تا اوایل آگوست پراکنده می شود، زمانی که بزرگسالان EAB پرواز می کنند تا تخم های خود را در مستعدترین درختان بگذارند. مدل CA-EAB آلودگی را در مجموع 24 تکرار ( Ti +24 ) شبیه سازی می کند، که در آن هر تکرار معادل وضوح زمانی 10 روز است که دوره کلی دو سال را پوشش می دهد. با هر تکرار، از می 2002 ( Ti +1 ) تا اوت 2003 ( Ti +24))، این مدل هجوم جدید درختان زبان گنجشک را شبیه‌سازی می‌کند و حساسیت درختان غیرآلوده را به عنوان تابعی از نزدیکی آنها به دیگر درختان خاکستر آلوده، سن و اندازه تغییر می‌دهد.

3.3. سناریوها

3.3.1. سناریوهای منظره

به منظور نمایش واقعی مناظری که در آن هجوم EAB منتشر می شود و بررسی تفاوت در پویایی انتشار، سه سناریوی منظر منحصر به فرد توسعه داده شد ( شکل 1 ). این مناظر بر اساس ترتیبات فضایی مختلف و ویژگی‌های بیولوژیکی میزبان درخت خاکستر موجود در سراسر جنوب غربی انتاریو با استفاده از داده‌های مکانی و ادبیات است. آنها به شرح زیر توصیف می شوند:
سناریوی منظر شهری توسط شهر ویندزور نشان داده شده است. ویندزور عمدتاً از فضاهای مسکونی، تجاری، صنعتی و برخی از فضاهای تفریحی تشکیل شده است که در انتهای غربی شهر واقع شده است. درختان خاکستر در امتداد خیابان‌های شهر، در مناظر دارایی خصوصی، و در سراسر پارک‌های شهری و فضاهای باز، گونه‌های درختی اصلی جنوب غربی انتاریوی شهری هستند [ 16 ]. درختان زبان گنجشک شهری معمولاً 10 سال یا بیشتر سن دارند که کاشته می شوند، اکثریت خاکستر شهری 10 سال یا بیشتر با DBH 5 سانتی متر یا بیشتر در نظر گرفته می شود.
سناریوی حاشیه روستایی-شهری در مرزی قرار دارد که بین شهر ویندزور، انتاریو و زمین‌های کشاورزی در امتداد مرزهای آن قرار دارد. این منطقه از موزاییکی از منظر شهری شامل مناطق مسکونی و تجاری، محصولات زراعی، مراتع، بخش‌های وسیعی از زمین‌های کشاورزی متروکه، زمین‌های بایر و مناطق جنگلی تشکیل شده است. مناطق جنگلی معمولاً از حداقل 7 درصد از گونه‌های درختان خاکستر تشکیل شده‌اند که به‌طور تصادفی و به‌طور گسترده در سراسر چشم‌انداز پراکنده شده‌اند و از طریق راهروهای کوچک درختان در امتداد جاده‌ها، بین زمین‌های کشاورزی و در امتداد آبراه‌ها به هم متصل می‌شوند.
سناریوی چشم‌انداز روستایی عمدتاً شامل بخش‌هایی از مناطق جنگلی و زمین‌های کشاورزی، از جمله زمین‌های زراعی و مرتعی است. مناطق جنگلی با راهروهایی از درختان در امتداد مزارع کشاورزی، جاده ها و آبراه ها به هم متصل می شوند. درختان زبان گنجشک روستایی به طور متوسط ​​تا 170 سال با حداکثر DBH 55 سانتی متر عمر می کنند.

3.3.2. سناریوهای اقلیمی

سناریوی باد به منظور نشان دادن عوامل مکانی-زمانی که بر آلودگی EAB تأثیر می‌گذارد، توسعه داده شده است، یک سناریوی باد توسعه داده شد. جهت باد غالب در تمام ماه های تابستان از ماه می تا آگوست شمال شرقی است (شبکه هواشناسی انتاریو، 2015). یک مدل فرعی CA اضافی، اثر باد را بر انتشار EAB شبیه‌سازی می‌کند که در آن تمام درختان خاکستر واقع در شمال شرقی درخت خاکستر آلوده دارای حساسیت بیشتری هستند.
به منظور نمایش بهتر اثرات ریزاقلیمی که بر آلودگی EAB در دنیای واقعی تأثیر می گذارد، سناریوهای آب و هوابرای سال های 2002 و 2003 برای نشان دادن تأثیر دمای سطح و باد بر حرکت EAB بزرگسالان در مقیاس منطقه ای توسعه یافتند. EAB بزرگسالان فقط در ماه های تابستان از مه تا آگوست فعال هستند. به این ترتیب، دو سناریو دما با استفاده از داده های دمایی ماهانه از سال 2002 با میانگین دمای 22 درجه سانتی گراد و از سال 2003 با میانگین دمای 26 درجه سانتی گراد در نظر گرفته شده است. داده های آب و هوا و هواشناسی از دوازده ایستگاه هواشناسی انتاریو در منطقه با درونیابی GIS با استفاده از وزن دهی فاصله معکوس (IDW) برای نمایش دمای سطح به طور مداوم در هر سناریوی چشم انداز با وضوح فضایی 10 متر استفاده شد.
باد و دما در هر سه سناریوی چشم‌انداز با هدف ایجاد نتایج شبیه‌سازی که الگوهای واقعی‌تر گسترش را در سناریوهای ترکیبی منظر، آب و هوا و باد ایجاد می‌کنند، ترکیب شدند . الگوهای فضایی EAB تحت تأثیر تغییرات زمانی ماهانه در دما و باد قرار می‌گیرند، نه اینکه صرفاً به ویژگی‌های مشتق شده فضایی درخت خاکستر واکنش نشان دهند. باد و دما به MCE اضافه شدند و وزن آنها کمتر از فاصله آلودگی بود.

3.4. کالیبراسیون مدل

فرآیند کالیبراسیون از نرخ‌های گسترش شناسایی شده در ادبیات استفاده می‌کند. در اولین شیوع EAB در آمریکای شمالی در میشیگان، ایالات متحده نرخ انتشار 12-13 کیلومتر در سال از طریق پراکندگی طبیعی داشت [ 11 ]. مسافت 20+ کیلومتر تا حداکثر مسافت ثبت شده 42 کیلومتر در برخی مناطق مشاهده شده است. این فواصل طولانی گسترش EAB را فقط می توان از طریق مکانیسم حرکت به کمک انسان از طریق حمل و نقل محصولات آلوده به خاکستر یا حرکت EAB بر روی وسایل نقلیه توضیح داد [ 18 , 41] .]. این نرخ‌های گسترش با نرخ‌های پایه گسترش برای هر چشم‌انداز مطابقت دارد، بدون هیچ گونه تأثیر باد و دما. میانگین نرخ گسترش بین تمام مناظر شبیه سازی شده برای سال 2002 9.9 کیلومتر با حداکثر فاصله 31 کیلومتر بود. میانگین نرخ گسترش بین تمام مناظر شبیه سازی شده برای سال 2003 10.5 کیلومتر در سال با حداکثر فاصله 32 کیلومتر بود. نرخ گسترش به‌دست‌آمده با خروجی‌های مدل نزدیک به نرخ‌های آلودگی در جهان واقعی برای منطقه است.
پارامترهای زیر که در طول این فرآیند تنظیم شده‌اند، مناسب‌ترین استفاده از اندازه‌های همسایگی برای هر سناریوی منظر و مقدار مناسب حساسیت است که به موجب آن درخت ممکن است از حالت غیر آلوده به آلوده تبدیل شود. هر چشم انداز استفاده از اندازه های مختلف محله ها را برای اعمال قوانین انتقال آزمایش کرد. مشخص شد که سناریوهای منظر شهری ، حاشیه روستایی- شهری ، منظر روستاییاستفاده از محله های گسترده مور به ترتیب با ابعاد 1.5 × 1.5 کیلومتر، 2 کیلومتر × 2 کیلومتر و 1.7 کیلومتر × 1.7 کیلومتر، واقعی ترین نتایج را ایجاد کرد. محله هایی با اندازه کوچکتر، انتشار مداوم آلودگی را ثبت نکردند، بلکه انتشار آلودگی به طور کلی متوقف شد. علاوه بر این، مقادیر حساسیت برای یافتن ارزش قطع مناسب برای درختانی که حساسیت مناسبی برای آلودگی ندارند، مورد آزمایش قرار گرفتند. مقدار حساسیت 0.6+ انتخاب شد که در آن تنها درختان خاکستر با این مقدار یا بالاتر پتانسیل آلوده شدن را داشته باشند. مقدار 0.6 تضمین می کند که الگوهای آلودگی EAB نزدیک به واقعیت شبیه سازی شده است.

4. نتایج

مدل آلودگی CA-EAB با استفاده از نرم افزارهای ArcGIS [ 50 ] و IDRISI [ 51 ] ESRI پیاده سازی شد . نتایج شبیه‌سازی برای یک دوره دو ساله برای سال‌های 2002 و 2003 برای هر یک از سناریوهای چشم‌انداز تولید شد. سناریوهای آب و هوا و باد برای هر یک از سناریوهای چشم انداز به طور مستقل و همچنین ترکیبی اعمال شدند.

4.1. سناریوهای منظره

نتایج شبیه سازی برای الگوهای تولید شده از آلودگی EAB از ماه می تا آگوست 2002 و 2003 در شکل 4 ، شکل 5 و شکل 6 به ترتیب برای سناریوی منظر شهری، سناریوی حاشیه روستایی-شهری ، و سناریوی منظر روستایی ارائه شده است . درصد کل درختان آلوده در طول زمان در شکل 7 برای هر سه سناریو منظر ارائه شده است.
Ijgi 05 00009 g004 1024
شکل 4. نتایج شبیه سازی الگوهای فضایی آلودگی EAB تولید شده برای ( a ) می 2002; ( ب ) ژوئن 2002; ( ج ) جولای 2002; ( د ) اوت 2002; ( ه ) می 2003; ( و ) ژوئن 2003; ( g ) ژوئیه 2003 و ( h ) اوت 2003 برای سناریوی منظر شهری.
نتایج شبیه‌سازی به‌دست‌آمده برای سناریوی منظر شهری ( شکل 4 ) نشان می‌دهد که نرخ گسترش تا اواخر جولای 2002، زمانی که اکثر درختان خاکستر حساس آلوده شدند، بالا بود. در سال 2003، نرخ اسپرد EAB کاهش یافت. با این حال، درختان خاکستر جدید تا پایان شبیه سازی به آلوده شدن ادامه دادند. در مجموع، 48 درصد از درختان زبان گنجشک پس از دو سال آلوده شدند ( شکل 7 الف).
گسترش آلودگی به‌دست‌آمده برای سناریوی حاشیه روستایی-شهری ( شکل 5 ) با افزایش تدریجی خطی تا اوایل ژوئیه 2002 آغاز شد، زمانی که آلودگی کاهش یافت، و خاکستر جدید برای بقیه زمان تا پایان دوره آلوده نشد. شبیه سازی در آگوست 2003. در سناریوی حاشیه روستایی-شهری، 10 درصد از درختان سالم خاکستر پس از دو سال آلوده شدند ( شکل 7 ب).
الگوهای شبیه سازی شده برای سناریوی منظر روستایی ( شکل 6 ) نشان می دهد که آلودگی EAB با دو سناریوی منظر دیگر متفاوت است. نرخ گسترش به سرعت افزایش یافت زیرا مناطق جنگلی متشکل از تراکم بالای درختان زبان گنجشک آلوده شدند. نرخ آلودگی به عنوان خاکستر آلوده به EAB با تراکم کمتر که در آن مناطق جنگلی از هم جدا شدند، کاهش یافت، و پس از اینکه EAB منطقه جنگلی دیگری را آلوده کرد، دوباره افزایش یافت. 34 درصد از درختان سالم خاکستر پس از دو سال آلوده شدند ( شکل 7 ج) برای سناریوی منظر روستایی.
نتایج به‌دست‌آمده نشان می‌دهد که سناریوی منظر شهری بیشترین مستعد ابتلا به آلودگی بوده و سریع‌ترین نرخ گسترش و بیشترین درصد آلودگی را نشان می‌دهد. سناریوی حاشیه روستایی-شهری کمترین حساسیت را نسبت به آلودگی EAB نشان داد، که کندترین سرعت گسترش و کمترین درصد آلودگی را نشان داد. نرخ گسترش و درصد خاکستر آلوده برای سناریوی منظر روستایی بین این دو کاهش یافت.

4.2. سناریوهای اقلیمی

خروجی های شبیه سازی در پاسخ به سناریوهای دما و باد اجرا شده در چشم انداز تغییر کردند. الگوهای فضایی گسترش برای می 2002 (Ti+3) و ژوئن 2002 (Ti+6) تولید شد و برای سادگی فقط برای سناریوی منظر شهری ( شکل 8 ) ارائه شد ، جایی که نتایج شبیه‌سازی برای منظر شهری بدون اثرات اقلیمی در شکل 8 الف، اثرات دما بر چشم انداز در شکل 8 ب، اثرات باد بر چشم انداز در شکل 8 ارائه شده است.ج و ترکیبی از اثرات باد و آب و هوا در شکل 8 د. از آنجایی که میزان اسپرد در ماه های می و ژوئن بارزتر است، مقایسه در این دو ماه برای مشاهده تنوع در الگوها بسیار مفید است. علاوه بر این، میزان گسترش در هر منظر با تأثیر آب و هوا در نمودار در شکل 7 ارائه شده است .
Ijgi 05 00009 g005 1024
شکل 5. نتایج شبیه سازی آلودگی EAB تولید شده برای سال های ( a ) 2002 و ( b ) 2003 برای سناریوی منظره حاشیه روستایی-شهری.
دما – اثرات دما بر الگوهای گسترش EAB در مدل گنجانده شده است و نتایج در شکل 8 ب و شکل 7 ارائه شده است . بر اساس مجموعه داده های آب و هوایی دنیای واقعی، سایت مورد مطالعه در تابستان 2003 دمای گرم تری را نسبت به سال 2002 تجربه کرد و به این ترتیب، نرخ انتشار حشرات در مدل در سال 2003 بالاتر بود. در مدل، محدودیت های دما در ماه های سردتر گسترش می یابد. و در ماه های گرمتر گسترش را تسریع می کند. الگوی فضایی ایجاد شده در مقایسه با نتایج شبیه سازی که دما را در نظر نمی گیرند قابل مشاهده است ( شکل 8 ب) ( شکل 8 ب)آ). نرخ گسترش در هر چشم انداز در می 2003 کاهش یافت که منعکس کننده دمای خنک تر مشخصه این ماه های خاص بود که به نوبه خود حساسیت درختان زبان گنجشک را در منطقه کاهش داد و منجر به کاهش میزان آلودگی شد (شکل 7 ) .
مطابق با تمام سناریوها، حتی با تأثیر دما، سناریوی منظر شهری سریع‌ترین نرخ گسترش و بالاترین درصد آلودگی را نشان داد. سناریوی منظر شهری هجوم در مجموع 70.5 درصد از کل خاکستر در چشم انداز را با استفاده از دماهای 2002 تا 2003 شبیه سازی کرد ( شکل 7 a). نتایج شبیه‌سازی برای سناریوی حاشیه شهری-روستایی نشان‌دهنده کمترین میزان انتشار و کمترین درصد آلودگی با مجموع 3.3 درصد از کل خاکستر تا سال 2003 است ( شکل 7 ب). در نهایت، سناریوی منظر روستاییدر مجموع 40.7 درصد از کل خاکستر موجود در منظره در پاسخ به دمای سال 2003 آلوده می شود ( شکل 7 ج).
باد – نتایج شبیه‌سازی نشان می‌دهد که باد در برخی از سناریوهای چشم‌انداز گسترش را تسریع می‌کند و در برخی دیگر محدودیت‌ها را گسترش می‌دهد. به عنوان مثال، در سناریوی منظر شهری، باد گسترش EAB را تسریع کرد، و گسترش آلودگی EAB را در فواصل شمال شرقی، در جهت پایین باد نسبت به آلودگی اولیه تسهیل کرد ( شکل 8 ج). در نتیجه، در مجموع 65 درصد از کل خاکستر طی یک دوره دو ساله در سناریوی منظر شهری ( شکل 7 الف)، 20 درصد بیشتر از شبیه سازی پایه بدون تأثیرات آب و هوا، آلوده شد.
Ijgi 05 00009 g006 1024
شکل 6. نتایج شبیه سازی الگوهای فضایی آلودگی EAB تولید شده برای سال های ( a ) 2002 و ( b ) 2003 برای سناریوی منظر روستایی.
Ijgi 05 00009 g007 1024
شکل 7. نمودارهایی که درصد تمام درختان خاکستر آلوده به این موارد را نشان می دهند: ( الف ) منظر شهری. ( ب ) چشم انداز حاشیه روستایی- شهری. و ( ج ) سناریوهای چشم انداز روستایی.
در مقابل، باد EAB را در سناریوی حاشیه شهری-روستایی محدود می کند . درختان حساس کمتری در نواحی آلوده اولیه به سمت پایین باد وجود داشت و به این ترتیب باد گسترش را به حداقل رساند. در مجموع، 2.7٪ از کل درختان زبان گنجشک در طی یک دوره دو ساله آلوده شدند ( شکل 7 ب)، که کاهش 7٪ در خاکستر آلوده شد. به طور مشابه، باد به عنوان یک محدودیت برای سناریوی چشم انداز روستایی عمل می کند که در مجموع 20.3 درصد از کل خاکستر طی یک دوره دو ساله آلوده شد ( شکل 7 ج)، و درصد خاکستر آلوده را 14 درصد کاهش داد.
مطابق با مجموعه سناریوهای قبلی، سناریوی منظر شهری بالاترین درصد آلودگی کل را تجربه کرد، پس از آن سناریوی منظر روستایی و در نهایت سناریوی حاشیه روستایی-شهری قرار گرفتند .
منظره، باد و دما- اثرات ترکیبی باد و دما در شبیه سازی گنجانده شده است. به دلایل سادگی، خروجی های فضایی فقط برای سناریوی منظر شهری در شکل 8 d ارائه شده است. نرخ گسترش برای اثرات ترکیبی باد و دما برای سناریوی منظر شهری در شکل 7 الف، سناریوی حاشیه شهری- روستایی در شکل 7 ب، و سناریوی منظر روستایی در شکل 7 ارائه شده است.ج. در مدل، باد انتشار را در چشم انداز محدود یا تسریع می کند. این الگو در ترکیب با دما به عنوان یک معیار ثابت می ماند، اما در پاسخ به دمای ماهانه نیز تغییراتی را اضافه می کند. سناریوها، با استفاده از معیارهای ترکیبی باد و دما در MCE وزن‌دار، الگوهای فضایی دقیق‌تری از گسترش ایجاد کردند، که در آن گسترش در ماه‌های سردتر محدود و در ماه‌های گرم‌تر افزایش می‌یابد و علاوه بر این، جهت شمال شرقی انتشار آلودگی در یک منطقه را به تصویر می‌کشد. مقیاس، مطابق با مجموعه داده های EAB دنیای واقعی.
Ijgi 05 00009 g008 1024
شکل 8. نتایج شبیه سازی تولید شده برای می و ژوئن 2002 در مقایسه الگوهای فضایی گسترش EAB برای ( a ) سناریوی منظر شهری و تغییرات آن با ( b ) دما ( c ) باد و ( d ) ترکیبی از باد و دما.
سناریوی منظر شهری با حفظ سازگاری با تمام سناریوهای دیگر، سریع‌ترین نرخ گسترش و بالاترین درصد آلودگی را با مجموع 73.3 درصد از کل خاکستر آلوده از سال 2002 تا 2003 نشان داد. نتایج شبیه‌سازی برای سناریوی حاشیه شهری-روستایی نشان می‌دهد . کمترین میزان گسترش و کمترین درصد آلودگی با مجموع 3.8 درصد از کل خاکستر آلوده تا سال 2003 ( شکل 7 ب). در نهایت، الگوهای هجوم سناریوی منظر روستایی در مجموع 13.5 درصد از کل خاکستر موجود در منظره را تا سال 2003 آلوده می کند، با در نظر گرفتن معیارهای اقلیمی باد و دما.

5. بحث و نتیجه گیری

مدل توسعه‌یافته CA-EAB چارچوبی برای نمایش آلودگی EAB به عنوان یک سیستم غیرخطی و پیچیده با استفاده از روش اتوماتای ​​سلولی فراهم می‌کند، رویکردی که به طور کامل برای این گونه مهاجم خاص بررسی نشده است. غیر خطی بودن در محاسبه مجدد حساسیت درختان در هر تکرار در پاسخ به تغییر آب و هوا، محیط در حال تغییر و انتشار آلودگی نشان داده می شود. نتایج شبیه‌سازی نشان می‌دهد که الگوهای هجوم درختان خاکستر و نرخ گسترش تحت تأثیر نوع چشم‌انداز و توزیع درختان خاکستر حساس است که EAB از طریق آن تکثیر می‌شود.
سناریوی منظر شهری به طور قابل توجهی بیشتر از هر چشم انداز دیگری در معرض آلودگی EAB است. این پیشنهاد شده است، اما در مطالعات دیگر به طور کامل توضیح داده نشده است [ 14 ، 47 ، 52 ، 53 ]. شبیه‌سازی‌های مدل به‌دست‌آمده نشان می‌دهد که افزایش نرخ گسترش EAB در مناظر شهری از پویایی بین EAB و ترکیبی از ویژگی‌هایی که درختان خاکستر در چشم‌انداز جنگل شهری را مشخص می‌کند، پدیدار می‌شود. این ویژگی ها تحمیلی نیستند، بلکه تابعی از استفاده از داده های مکانی و داده های جمع آوری شده در زمینه مورد استفاده برای توصیف منظر شهری هستند.
ویژگی های فضایی و بیولوژیکی منظر شهری، محیط مناسب تری را برای آلودگی و گسترش EAB فراهم می کند. به طور خاص، درختان زبان گنجشک درصد بالایی از جنگل‌های شهری را تشکیل می‌دهند و به طور همگن توزیع می‌شوند و هر گونه فاصله یا محدودیت‌های مبتنی بر منابع را که ممکن است بر انتشار EAB تأثیر بگذارد، کاهش می‌دهند. علاوه بر این، شبکه‌های حمل‌ونقل نقش مهمی در گسترش آلودگی حشرات دارند و اگرچه در تمام سناریوهای منظر وجود دارند، اما در محیط‌های شهری پررنگ‌تر و متداول‌تر هستند. علاوه بر این، محیط های شهری اثرات جزیره گرمایی را تجربه می کنند، به طوری که دما در مناطق شهری ممکن است تا 8 تا 10 درجه گرمتر از همتای روستایی اطراف آن باشد [ 54] .]. متوسط ​​افزایش دما، محیط مناسب تری را برای رشد لاروهای EAB و ظهور بالغ ایجاد می کند. به وضوح در محیط شهری دیده می شود، دمای سردتر در ماه مه منجر به کاهش آلودگی EAB می شود، زیرا ظهور EAB بالغ جدید محدود شده است. در ماه‌های گرم‌تر، تقریباً در همه مناظر نسبت به سناریوهای بدون تأثیر دما، میزان آلودگی و درصد آلودگی به مناظر افزایش می‌یابد.
زمین های هم مرز با ویندزور را می توان با موزاییکی از انواع کاربری های مختلف زمین مشخص کرد. همانطور که در سناریوی حاشیه روستایی-شهری ارائه شد، این منطقه کمترین حساسیت را به آلودگی EAB تجربه کرد. تضاد در انواع کاربری اراضی در منطقه یک چشم‌انداز بسیار تکه تکه ایجاد می‌کند که با کاهش زیستگاه‌های موجود برای گونه‌های حشرات و محدود کردن گسترش که به دلیل توانایی پراکندگی برای حرکت در سراسر لکه‌های چشم‌انداز محدود می‌شود، بر جمعیت حشرات تأثیر می‌گذارد [55 ] . این رفتار نوظهور در پاسخ به پوشش زمین توسط مدل مکانی-زمانی پیشنهادی گرفته شده است. علاوه بر این، سناریوی منظر روستایی انتشار EAB کمتر از سناریوی منظر شهری را تجربه کرد., اما بزرگتر از سناریوی حاشیه روستایی شهری . این ممکن است با چشم انداز کمتر تکه تکه، استفاده بسیار کمتر از زمین کشاورزی و ارتباط بهتر بین مناطق جنگلی همراه باشد.
چارچوب مدل EAB-CA پیشنهادی با نمایش هجوم حشرات از پایین به بالا حتی در نمایش پدیده‌ای که فاقد داده‌های تجربی است مفید است. این مدل پویایی محلی آفت میزبان را با استفاده از اطلاعات بیولوژیکی در دسترس به‌دست‌آمده از مطالعات مزرعه و آزمایشگاهی شبیه‌سازی می‌کند که تعیین می‌کند کدام عوامل بر حساسیت درخت خاکستر تأثیر می‌گذارند. این عوامل که محلی هستند و بنابراین در سراسر فضا متغیر هستند، از جمله نوع درخت، اندازه درخت، دما، باد، و تراکم و توزیع درخت خاکستر، باعث می‌شوند یا از گسترش EAB جلوگیری می‌کنند و بنابراین رفتار جمعی گونه‌ها را ایجاد می‌کنند. علاوه بر این، انتخاب ترکیب MCE در CA به غلبه بر مسائل عدم قطعیت مرتبط با تعیین حساسیت درختان خاکستر به آلودگی EAB کمک می کند. این روش شناسی نمایش های بالا به پایین را در تضاد قرار می دهد، که نیاز به مجموعه داده های گسترده ای دارد که الگوهای پراکندگی در طول زمان را تعیین می کند و موجودی درختی دقیق در دسترس نیست. بنابراین، رویکرد قالب‌گیری EAB-CA پیشنهادی در هر محیطی که داده‌های کمیاب است، سودمند است.
اگرچه مفهوم سازی مدل در غیاب داده های دنیای واقعی امکان پذیر است، اعتبار مدل با توجه به این پدیده خاص در حال حاضر یک تلاش چالش برانگیزتر است. اعتبار سنجی به توافق بین مجموعه داده مستقل دیگری برای ارزیابی خروجی مدل اشاره دارد. این مجموعه داده های اعتبارسنجی مستقل، به طور خاص برای این منطقه مورد مطالعه در وضوح مکانی و زمانی مناسب مورد نیاز برای این مدل وجود ندارد. کار آینده در اعتبارسنجی مدل EAB-CA در انتظار در دسترس بودن مجموعه داده‌های آلودگی EAB به دلیل انعطاف‌پذیری مدل با توجه به تغییرات در ورودی‌ها و پارامترها امکان‌پذیر است.
از آنجایی که روش‌های پایین به بالا تمایل دارند بر عوامل محرکی که بر نرخ انتشار تأثیر می‌گذارند تمرکز کنند، کار آینده در انتظار در دسترس بودن داده‌ها ممکن است با ترکیب ورودی‌های دقیق‌تر به هنگام آشکار شدن اطلاعات جدید، روی آزمایش سناریوهای اضافی تمرکز کند. مثال‌ها شامل ترکیب عوامل اضافی که ممکن است بر انتشار EAB تأثیر بگذارد از جمله نور خورشید و جنبه [ 56 ]، تجزیه و تحلیل تفاوت‌های ظریف دما در درختان لبه در مقابلمناطق داخلی جنگل و عوامل زمین از طریق استفاده از یک DEM که ممکن است بر بازخوردها و غیرخطی بودن سیستم نیز تأثیر بگذارد، اگرچه این عوامل ممکن است برای مقیاس‌های ظریف‌تر مناسب‌تر باشند. پس از آن می توان استحکام این عوامل را با استفاده از تجزیه و تحلیل حساسیت برای تعیین اهمیت گنجاندن آنها و سطح تأثیر بر انتشار آلودگی EAB آزمایش کرد.
توسعه جمعیت های ماهواره ای و پراکندگی از راه دور EAB را نمی توان به راحتی با استفاده از رویکرد CA به دلیل همسایگی که برای اعمال قوانین انتقالی که انتشار آلودگی EAB را شبیه سازی می کند، نشان داد. این یک مشکل رایج است که در آن رویکرد CA در نمایش اشیاء متحرک به چالش کشیده می شود [ 29 ]. این مطالعه نشان می‌دهد که اجازه دادن به تحرک کامل EAB در محیط جغرافیایی می‌تواند به نمایش بهتر الگوهای پراکندگی طولانی مدت آلودگی EAB در نتیجه حمل‌ونقل با واسطه انسان کمک کند، موضوعی که با استفاده از یک مدل مبتنی بر عامل [57] به عنوان یک مدل مورد بررسی قرار می‌گیرد . گسترش مدل‌سازی EAB-CA پیشنهادی
به طور کلی، روش پیشنهادی زمین شبیه‌سازی EAB-CA که GIS، MCE و CA را ادغام می‌کند، بسیار مفید است، و توانایی محاسبه حساسیت درختان خاکستر بر اساس داده‌های ورودی و شبیه‌سازی دینامیک مکانی-زمانی آلودگی EAB در پاسخ به این مقادیر را فراهم می‌کند، و الگوهای مقیاس بزرگ‌تری را ایجاد می‌کند. از آلودگی مدل CA-EAB پتانسیل بررسی سناریوهای “چه می شود اگر” را فراهم می کند، جایی که سناریوها را می توان به منظور درک بهتر نحوه واکنش الگوی گسترش به رویدادهایی مانند تغییرات آب و هوا، آتش سوزی جنگل ها، و سناریوهای مدیریتی و پروژه، اجرا کرد. مسیرهای آینده انتشار آلودگی در مقیاس منطقه ای آنها پتانسیل استفاده از مدل توسعه یافته را به عنوان ابزاری برای کمک به تصمیم گیرندگان در ارزیابی استراتژی های ریشه کنی فعلی و پرهزینه نشان می دهند.

منابع

  1. لاتومب، جی. پاروت، ال. فورتین، دی. سطوح ظهور در مدل‌های مبتنی بر فردی: مقابله با کمبود داده و افزونگی الگو. Ecol. مدل. 2011 ، 222 ، 1557-1568. [ Google Scholar ] [ CrossRef ]
  2. Liebhold، A. استفاده و سوء استفاده از مدل های حشرات و بیماری در مدیریت آفات جنگل: گذشته، حال و آینده. در سیستم‌های اکولوژیکی پایدار: پیاده‌سازی رویکرد اکولوژیکی در مدیریت زمین . Tech.Rep.RM-247; وزارت کشاورزی ایالات متحده، خدمات جنگل: مورگان تاون، ویرجینیا، ایالات متحده آمریکا، 1994; ص 204-210. [ Google Scholar ]
  3. پارونک، HVD; ساویت، ر. Riolo، مدل سازی مبتنی بر عامل در مقابل مدل سازی مبتنی بر معادله: مطالعه موردی و راهنمای کاربران. در سیستم های چند عاملی و شبیه سازی مبتنی بر عامل . Springer: پاریس، فرانسه، 1998; صص 10-25. [ Google Scholar ]
  4. Fussmann، GF دینامیک آشوب در سیستم های وب غذایی. در دینامیک جمعیت پیچیده: مدلسازی غیرخطی در اکولوژی، اپیدمیولوژی و ژنتیک . شرکت انتشارات علمی جهان: سنگاپور، 2007; صص 1-20. [ Google Scholar ]
  5. Goodchild، MF; Glennon, A. نمایش و محاسبه دینامیک جغرافیایی. در درک دینامیک دامنه های جغرافیایی ; CRC Press: Boca Raton، FL، USA، 2008; صص 13-30. [ Google Scholar ]
  6. اوسالیوان، دی. Perry، GL Spatial Simulation: Exploring Pattern and Process . جان وایلی و پسران: اوکلند، نیوزلند، 2013. [ Google Scholar ]
  7. BenDor، TK; متکالف، اس اس. Fontenot، LE; سانگونت، بی. هانون، ب. مدل سازی گسترش خاکستر زمرد. Ecol. مدل. 2006 ، 197 ، 221-236. [ Google Scholar ] [ CrossRef ]
  8. DeSantis، RD; موزر، WK; گورمنسون، دی. بارتلت، ام جی؛ Vermunt، B. اثرات آب و هوا بر مرگ و میر کرم خاکستر زمرد و پتانسیل بقای خاکستر در آمریکای شمالی. کشاورزی برای. هواشناسی 2013 ، 178 ، 120-128. [ Google Scholar ] [ CrossRef ]
  9. آژانس بازرسی مواد غذایی کانادا آخرین اطلاعات. در دسترس به صورت آنلاین: http://www.inspection.gc.ca/plants/plant-protection/insects/emerald-ash-borer/latest-information/eng/1337287614593/1337287715022 (در 26 ژوئیه 2015 در دسترس است).
  10. McCullough، DG; لهستان، TM; Anulewicz، AC; Cappaert، D. خاکستر زمرد زمرد (Coleoptera: Buprestidae) جاذبه به درختان زبان گنجشک یا طعمه دار. محیط زیست انتومول. 2009 ، 38 ، 1668-1679. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  11. سیگرت، شمال غربی؛ McCullough، DG; لیبهلد، AM; Telewski، FW بازسازی دندروکرونولوژیک مرکز و گسترش اولیه کرم خاکستر زمرد در آمریکای شمالی. غواصان. توزیع کنید. 2014 ، 20 ، 847-858. [ Google Scholar ] [ CrossRef ]
  12. مک کالو، دی. رابرتز، اس. خاکستر زمرد ; هشدار آفات NA-PR-07-02; جنگلداری خصوصی و ایالتی خدمات جنگلی USDA، منطقه شمال شرقی: میدان نیوتاون، PA، ایالات متحده آمریکا، 2002.
  13. کرچمار-نوزیچ، ای. آرتور، ال.ام. ویلسون، ب. تأثیرات بالقوه آفات جنگلی عجیب و غریب در آمریکای شمالی: ترکیبی از تحقیقات . مرکز جنگلداری اقیانوس آرام: Saanich، Vic، کانادا، 2000. [ Google Scholar ]
  14. کوواچ، KF; هایت، آر جی. McCullough، DG; Mercader، RJ; سیگرت، شمال غربی؛ لیبهلد، AM هزینه آسیب احتمالی خاکستر زمرد در جوامع ایالات متحده، 2009-2019. Ecol. اقتصاد 2010 ، 69 ، 569-578. [ Google Scholar ] [ CrossRef ]
  15. Aukema, JE; McCullough، DG; فون هول، بی. لیبهلد، AM; بریتون، ک. Frankel, SJ تجمع تاریخی آفات جنگلی غیربومی در قاره ایالات متحده. Bioscience 2010 ، 60 ، 886-897. [ Google Scholar ] [ CrossRef ]
  16. شهر پیتربورو طرح مدیریت حفاری زمرد. در دسترس به صورت آنلاین: http://www.peterborough.ca/Assets/City+Assets/Planning/Documents/Ongoing+Planning+Studies/Emerald+Ash+Borer+Management+Plan.pdf (در 26 ژوئیه 2015 قابل دسترسی است).
  17. Burr، SJ; McCullough، DG وضعیت خاکستر سبز (Fraxinus pennsylvanica) بیش از حد و بازسازی در سه مرحله از موج تهاجم حفره خوار خاکستر زمرد. می توان. جی. برای. Res. 2014 ، 44 ، 768-776. [ Google Scholar ] [ CrossRef ]
  18. Muirhead، JR; لیونگ، بی. اوردایک، سی. کلی، DW; نانداکومار، ک. Marchant، KR; MacIsaac، HJ مدل‌سازی پراکندگی محلی و از راه دور خاکستر زمرد مهاجم Agrilus planipennis (Coleoptera) در آمریکای شمالی. غواصان. توزیع کنید. 2006 ، 12 ، 71-79. [ Google Scholar ] [ CrossRef ]
  19. بارلو، ال. سیسیل، جی. باخ، سی تی. Anand, M. مدلسازی تعاملات بین تهاجمات آفات جنگلی و تصمیمات انسانی در مورد محدودیت های حمل و نقل هیزم. PLoS ONE 2014 ، 9 ، e90511. [ Google Scholar ]
  20. ورمانت، بی. کادینگتون، ک. سوبک سوانت، اس. Crosthwaite, J. دمای سرد و خاکستر زمرد: مدل سازی حداقل دمای زیر پوست درختان زبان گنجشک در کانادا. Ecol. مدل. 2012 ، 235 ، 19-25. [ Google Scholar ] [ CrossRef ]
  21. مککنی، دویچه وله؛ Pedlar، JH; یمشانوف، دی. بری لیونز، دی. کمپبل، KL; لارنس، ک. برآورد هزینه بالقوه خاکستر زمرد (Agrilus planipennis Fairmaire) در شهرداری های کانادا. درختکاری. شهری برای. 2012 ، 38 ، 81-91. [ Google Scholar ]
  22. پونتیوس، جی. مارتین، ام. پلورد، ال. هالت، R. ارزیابی کاهش خاکستر در مناطق آلوده به خاکستر زمرد: آزمایشی از فناوری‌های ابرطیفی در سطح درخت. سنسور از راه دور محیط. 2008 ، 112 ، 2665-2676. [ Google Scholar ] [ CrossRef ]
  23. سان سوچی، جی. هانو، آی. Puchalski، D. تجزیه و تحلیل تصویر سنجش از دور با وضوح بالا برای تشخیص زودهنگام و برنامه ریزی پاسخ برای حفره زمرد خاکستر. فتوگرام مهندس Remote Sens. 2009 , 75 , 905-909. [ Google Scholar ]
  24. وو، جی. مارسئو، دی. مدل‌سازی سیستم‌های اکولوژیکی پیچیده: مقدمه. Ecol. مدل. 2002 ، 153 ، 1-6. [ Google Scholar ] [ CrossRef ]
  25. DeAngelis، DL; Mooij، WM مدل‌سازی فردی فرآیندهای اکولوژیکی و تکاملی. آنو. کشیش اکول. تکامل. سیستم 2005 ، 36 ، 147-168. [ Google Scholar ] [ CrossRef ]
  26. گریم، وی. Railsback، مدلسازی و اکولوژی مبتنی بر فردی SF ; انتشارات دانشگاه پرینستون: پرینستون، نیوجرسی، ایالات متحده آمریکا، 2013. [ Google Scholar ]
  27. باتی، م. Torrens، PM مدل سازی و پیش بینی در دنیای پیچیده. فیوچرز 2005 ، 37 ، 745-766. [ Google Scholar ] [ CrossRef ]
  28. وایت، آر. Engelen، G. مدل سازی یکپارچه با وضوح بالا از پویایی فضایی سیستم های شهری و منطقه ای. محاسبه کنید. محیط زیست سیستم شهری 2000 ، 24 ، 383-400. [ Google Scholar ] [ CrossRef ]
  29. تورنس، PM؛ Benenson، I. سیستم های خودکار جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2005 ، 19 ، 385-412. [ Google Scholar ] [ CrossRef ]
  30. Hogeweg، P. اتوماتای ​​سلولی به عنوان یک الگو برای مدل‌سازی اکولوژیکی. Appl. ریاضی. محاسبه کنید. 1988 ، 27 ، 81-100. [ Google Scholar ] [ CrossRef ]
  31. Dytham, C. اثر الگوی تخریب زیستگاه بر تداوم گونه: یک مدل سلولی. Oikos 1995 ، 340-344. [ Google Scholar ] [ CrossRef ]
  32. بالزتر، اچ. براون، PW; Köhler, W. مدل های اتوماتای ​​سلولی برای پویایی پوشش گیاهی. Ecol. مدل. 1998 ، 107 ، 113-125. [ Google Scholar ] [ CrossRef ]
  33. یانگ، جی. وانگ، ز. یانگ، دی. یانگ، کیو. یان، جی. او، M. ارزیابی خطر اکولوژیکی محصولات اصلاح شده ژنتیکی بر اساس مدل سازی اتوماتای ​​سلولی. بیوتکنول. Adv. 2009 ، 27 ، 1132-1136. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  34. Dragicevic، S. مدل‌سازی دینامیک سیستم‌های پیچیده با استفاده از مجموعه‌های سلولی، فازی و GIS: تکثیر گونه‌های مهاجم. Geogr. Compass 2010 , 4 , 599-615. [ Google Scholar ] [ CrossRef ]
  35. استخوان، سی. دراگیسویچ، اس. رابرتز، ای. یک مدل اتوماتای ​​سلولی با محدودیت فازی از هجوم حشرات جنگلی. Ecol. مدل. 2006 ، 192 ، 107-125. [ Google Scholar ] [ CrossRef ]
  36. پرز، ال. Dragicevic، S. شبیه سازی سطح چشم انداز اختلال حشرات جنگل: جفت کردن عوامل هوشمند ازدحام با مدل اتوماتای ​​سلولی مبتنی بر GIS. Ecol. مدل. 2012 ، 231 ، 53-64. [ Google Scholar ] [ CrossRef ]
  37. متی، ا. کرچمار، ای. دراگیسویچ، اس. Vertinsky، I. یک مدل اتوماتای ​​سلولی شی گرا برای مشکلات برنامه ریزی جنگل. Ecol. مدل. 2008 ، 212 ، 359-371. [ Google Scholar ] [ CrossRef ]
  38. پرز، ال. Dragicevic، S. مدل‌سازی هجوم سوسک کاج کوهی با رویکرد مبتنی بر عامل در دو مقیاس فضایی. محیط زیست مدل. نرم افزار 2010 ، 25 ، 223-236. [ Google Scholar ] [ CrossRef ]
  39. اطلاعات زمین انتاریو مجموعه داده استفاده از زمین انتاریو. در دسترس آنلاین: https://www.ontario.ca/page/land-information-ontario/ (در 26 ژوئیه 2015 قابل دسترسی است).
  40. دولت کانادا مجموعه داده دما در دسترس آنلاین: http://climate.weather.gc.ca (در 26 ژوئیه 2015 قابل دسترسی است).
  41. پراساد، AM; آیورسون، ال آر. پیترز، نماینده مجلس؛ Bossenbroek, JM; متیوز، SN; Sydnor، TD; شوارتز، MW مدل‌سازی خطر گسترش تهاجمی خاکستر زمرد با استفاده از یک مدل سلولی صریح فضایی. Landsc. Ecol. 2010 ، 25 ، 353-369. [ Google Scholar ] [ CrossRef ]
  42. Mercader، RJ; سیگرت، شمال غربی؛ لیبهلد، AM; McCullough، DG شبیه‌سازی اثربخشی سه گزینه مدیریت بالقوه برای کاهش سرعت گسترش جمعیت‌های کرم خاکستر زمرد (Agrilus planipennis) در مکان‌های دورافتاده موضعی. می توان. جی. برای. Res. 2011 ، 41 ، 254-264. [ Google Scholar ] [ CrossRef ]
  43. رابرتسون و اندو پراکندگی خاکستر زمرد با واسطه انسان: اهمیت مسیر هیزم. موجود به صورت آنلاین: http://www.entomology.umn.edu/prod/groups/cfans/@pub/@cfans/@ento/documents/asset/cfans_asset_139871.pdf (در 27 اکتبر 2014 قابل دسترسی است).
  44. باک، جی. Marshall, J. Hitchhiking به عنوان یک مسیر پراکندگی ثانویه برای کرم خاکستر زمرد، Agrilus planipennis. Gt Lakes Entomol. 2008 ، 41 ، 197-199. [ Google Scholar ]
  45. رایال، KL؛ ابریشم، PJ; مایو، پی. کروک، دی. خریمیان، ع. Cossé، AA; سوینی، جی. Scarr, T. جذب Agrilus planipennis (Coleoptera: Buprestidae) به یک فرمون فرار: اثرات سرعت رهاسازی، فرار میزبان و قرار دادن تله. محیط زیست انتومول. 2012 ، 41 ، 648-656. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  46. Pasek, JE 30. تأثیر باد و بادشکن در پراکندگی محلی حشرات. کشاورزی اکوسیستم. محیط زیست 1988 ، 22 ، 539-554. [ Google Scholar ] [ CrossRef ]
  47. Huset، R. تجزیه و تحلیل مبتنی بر GIS از پیش بینی کننده های محیطی پراکندگی خاکستر زمرد در نیویورک. پایان نامه کارشناسی ارشد، دانشگاه سیراکیوز، سیراکیوز، نیویورک، ایالات متحده آمریکا، می 2013. [ Google Scholar ]
  48. نی، NA; ویلیامز، دی.تی. کولینیچ، او. Gninenko، YI توزیع، تاثیر و سرعت گسترش کرم خاکستر زمرد Agrilus planipennis (Coleoptera: Buprestidae) در منطقه مسکو روسیه. جنگلداری 2013 ، 86 ، 515-522. [ Google Scholar ] [ CrossRef ]
  49. ساعتی، تی. فرآیند تحلیل سلسله مراتبی . McGraw-Hill: نیویورک، نیویورک، ایالات متحده آمریکا، 1980. [ Google Scholar ]
  50. پژوهشکده سیستم های زیست محیطی. ArcGIS Desktop: Release 10.1 ; موسسه تحقیقات سیستم های محیطی: Redlands، CA، USA، 2015. [ Google Scholar ]
  51. ایستمن، جی. ایدریسی سلوا ; دانشگاه کلارک: Worchester، MA، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  52. مک فارلین، DW; Meyer, SP ویژگی ها و توزیع میزبان های درخت خاکستر بالقوه برای کرم خاکستر زمرد. برای. Ecol. مدیریت 2005 ، 213 ، 15-24. [ Google Scholar ] [ CrossRef ]
  53. لهستان، TM; McCullough، DG خاکستر زمرد: تهاجم به جنگل شهری و تهدید منابع خاکستر آمریکای شمالی. جی. برای. 2006 ، 104 ، 118-124. [ Google Scholar ]
  54. دیویدسون، ای. تابستان در شهر: ناسا فناوری را به سمت زمین می چرخاند تا مشخص کند دقیقا چه چیزی شهرها را بسیار داغ می کند. آترودامز. 1998. در دسترس آنلاین: http://www.metropolismag.com/new/content/tech/aug98sum.htm (در 20 اوت 2014 قابل دسترسی است).
  55. شارنتکه، تی. براندل، آر. تعاملات گیاه و حشره در مناظر تکه تکه شده. آنو. کشیش انتومول. 2004 ، 49 ، 405-430. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  56. وانگ، XY; یانگ، ZQ; گولد، جی آر. ژانگ، YN; لیو، جی جی; لیو، ES بیولوژی و بوم شناسی خاکستر زمرد، Agrilus planipennis، در چین. J. Insect Sci. 2010 ، 10 . [ Google Scholar ] [ CrossRef ] [ PubMed ]
  57. اندرسون، تی. Dragicevic، S. یک رویکرد مدل‌سازی مبتنی بر عامل برای نشان دادن پویایی آلودگی سوسک حشره‌کش زمرد. Ecol. آگاه کردن. 2015 ، 30 ، 97-109. [ Google Scholar ] [ CrossRef ]

;کاربردهای GISمقالات

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

بدون نظر

دیدگاهتان را بنویسید

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

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

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