آموزش کاربرد نقشه های اتوکد AutoCAD در ArcGIS

 آموزش GIS در مطالعه چشم انداز ها

متریک های چشم انداز الگوریتم هایی هستند که ساختار فضایی الگوها – در درجه اول ترکیب و پیکربندی – را در یک منطقه جغرافیایی تعیین می کنند. اصطلاح «سنجه‌های منظر» از لحاظ تاریخی به شاخص‌هایی برای نقشه‌های طبقه‌بندی پوشش زمین اشاره داشته است، اما با مجموعه داده‌های در حال ظهور، ابزارها و برنامه‌های نرم‌افزاری، این زمینه در حال رشد است تا انواع دیگر تحلیل‌های الگوی منظر مانند معیارهای مبتنی بر نمودار، متریک‌های سطح، و متریک های سه بعدی انتخاب معیارهای مورد استفاده نیازمند بررسی دقیق توسط تحلیلگر با در نظر گرفتن داده ها و کاربرد است. با توجه به تعداد زیادی از معیارها و برنامه‌های نرم‌افزاری برای پیاده‌سازی آن‌ها، انتخاب بهترین معیار برای مسئله مورد نظر، کار ساده‌ای نیست.

 

توضیحات موضوع: 
  1. تعاریف
  2. مروری بر معیارهای چشم انداز
  3. جهت گیری های نوظهور

 

1. تعاریف

معیارهای چشم انداز : الگوریتم هایی برای تعیین کمیت ساختار فضایی الگوها (معمولاً پوشش زمین) در یک منطقه جغرافیایی تعریف شده.

ترکیب: تعداد، مقدار و مساحت انواع لکه ها بدون در نظر گرفتن ویژگی های فضایی تک تک تکه ها یا قرارگیری و موقعیت آنها در چشم انداز. 

پیکربندی: آرایش فضایی و توزیع طبقات مختلف.

لکه: مناطق همگن چشم انداز.

مدل موزاییک پچ (PMM): مناظر را به صورت موزاییک‌های تکه‌های پوشش زمین گسسته در یک ماتریس پس‌زمینه نشان می‌دهد. 

مدل سطح گرادیان (GSM): مناظر را به عنوان گرادیان های محیطی با استفاده از داده های نسبت برای ثبت شدت یک پدیده در فضا نشان می دهد.

رویکردهای مبتنی بر نمودار – چشم انداز را به عنوان یک شبکه با استفاده از گره هایی که توسط لبه ها به هم متصل شده اند نشان می دهند.

 

2. مروری بر معیارهای چشم انداز

2.1 عناصر

معیارهای منظر – همچنین به عنوان معیارهای الگوی فضایی، شاخص‌های الگوی فضایی یا معیارهای الگوی منظر شناخته می‌شوند – الگوریتم‌هایی هستند که ساختار فضایی الگوهای پوشش زمین را در یک منطقه جغرافیایی تعریف‌شده کمیت می‌کنند. اصطلاح «سنجه‌های چشم‌انداز» از لحاظ تاریخی منحصراً به معیارهایی برای کمی‌سازی الگوها در نقشه‌های طبقه‌بندی اشاره داشته است (McGarigal et al. 2012). این معیارهای مرسوم منظر با استفاده از “مدل موزاییک پچ” (PMM; Forman 1995) محاسبه می شوند که مناظر را به عنوان موزاییک تکه های گسسته نشان می دهد (شکل 1). اخیراً، اصطلاح «سنجه‌های چشم‌انداز» برای شامل سایر انواع داده‌ها، مانند نمودارها و شطرنج‌های پیوسته نیز استفاده می‌شود که به دومی، گرادیان نیز می‌گویند. محاسبه معیارهای سنتی منظر با استفاده از نقشه های طبقه بندی شده ابتدا برجسته می شود،   

معیارهای چشم اندازشکل 1. مفهوم سازی یک موزاییک منظره از تکه های گسسته. منبع: نویسنده

معیارهای چشم انداز دو عنصر اساسی الگوی منظر را کمیت می کنند: ترکیب و پیکربندی. ترکیب به تعداد و مقدار هر نوع لکه بدون در نظر گرفتن ویژگی های فضایی تک تک تکه ها یا قرارگیری و مکان آنها در چشم انداز اشاره دارد. نمونه هایی از ترکیب شامل نسبت یا مساحت هر نوع پوشش زمین و تعداد انواع پوشش های مختلف زمین موجود در یک منطقه جغرافیایی است. پیکربندیبه آرایش فضایی و توزیع طبقات مختلف پوشش زمین اشاره دارد. نمونه‌هایی از پیکربندی عبارتند از شکل تک تک تکه‌ها (مثلاً فشرده یا سینوسی) و همچنین توزیع آن‌ها در سراسر چشم‌انداز، از جمله اینکه آیا آنها انباشته یا پراکنده هستند. صدها معیار برای تعیین کمیت ترکیب و پیکربندی پوشش‌های زمین ایجاد شده‌اند، اما بیشتر آنها بر پنج جزء اساسی تکیه دارند (جدول 1). 

جدول 1. اجزای متریک چشم انداز عمومی
مولفه معیارهای
میزان ترکیب: فراوانی و تنوع
حوزه ترکیب: نسبت
محیط پیکربندی
مجاورت پیکربندی
فاصله پیکربندی

2.2 سطوح تجزیه و تحلیل: سلول، پچ، کلاس، منظره

وصله هابلوک های ساختمانی اساسی برای محاسبه معیارهای چشم انداز هستند (McGarigal et al. 2012). لکه ها مناطق نسبتاً همگنی از چشم انداز را نشان می دهند که با محیط اطرافشان متفاوت است. آنها را می توان با بردارها یا سلول های شطرنجی پیوسته نشان داد. با این حال، بسیاری از برنامه های نرم افزاری تنها از ورودی های شطرنجی پشتیبانی می کنند، جایی که سلول ها واحد نقشه برداری اساسی هستند. در مدل های شطرنجی، هر سلول در یک شطرنجی حاوی یک مکان (x,y برای مرکز سلول) و یک ویژگی (به عنوان مثال، نوع پوشش زمین) است. سلول های پیوسته با ویژگی های یکسان شامل وصله ها هستند (شکل 2a). معیارهای خاصی مستقیماً بر روی خود سلول ها عمل می کنند (مثلاً محیط، مجاورت) در حالی که برخی دیگر بر روی تکه های تعریف شده توسط مجموعه ای از سلول ها (مثلاً تعداد وصله ها) عمل می کنند. در مدل های برداری،

مدل‌های داده و مفهوم‌سازی چشم‌انداز برای محاسبه معیارهای چشم‌انداز

شکل 2. مدل‌های مختلف داده و مفهوم‌سازی منظر برای محاسبه معیارهای منظر: (الف) طبقه‌بندی‌های طبقه‌بندی در قالب شطرنجی یا برداری، (ب) نمایش‌های مبتنی بر نمودار، و (ج) طبقه‌بندی گرادیان یا پیوسته که در آن سلول‌ها نسبت پوشش زمین را نشان می‌دهند. . منبع: نویسنده

سه سطح مفهومی از تجزیه و تحلیل وجود دارد که محاسبات متریک می توانند در آنها انجام شوند. معیارهای سطح Patch برای هر پچ جداگانه انجام می شود. سپس این معیارها را می‌توان در سطح کلاس برای همه وصله‌های متعلق به یک نوع طبقه پوشش زمین با استفاده از انواع آمار خلاصه و توزیعی تجمیع کرد. به طور مشابه، معیارها برای همه وصله‌های چشم‌انداز را می‌توان برای ارائه معیارهای سطح چشم‌انداز جمع کرد. به عنوان مثال، هر بخش از جنگل در یک چشم انداز را می توان به صورت جداگانه برای منطقه ارزیابی کرد. سپس، مساحت تمام لکه‌های جنگلی را می‌توان میانگین کرد تا یک آمار در سطح کلاس برای میانگین مساحت لکه‌ها ارائه شود. در نهایت، مساحت تمام نقاط در چشم انداز، صرف نظر از نوع پوشش زمین (به عنوان مثال، جنگل، تالاب، علفزار، و غیره)، می تواند به طور متوسط ​​برای ارائه یک مقدار متوسط ​​در سطح چشم انداز برای منطقه لکه.   

2.3 صراحت فضایی

مهم است که بدانیم محاسبات بیشتر معیارهای چشم انداز از نظر مکانی صریح نیست، به این معنی که مکان مکانی دقیق (x,y) هر وصله در تجزیه و تحلیل در نظر گرفته نمی شود. محاسبات ویژگی های ترکیبی و پیکربندی تکه های تکی مانند مساحت و محیط را در نظر می گیرند. برخی از معیارها روابط بین سلول‌ها یا وصله‌ها را نیز در نظر می‌گیرند (مثلاً کلاس پچ یا سلول مجاور پچ/سلول مورد نظر یا فاصله یک وصله تا نزدیک‌ترین همسایه آن)، اما این ارتباط‌ها لزوماً از نظر مکانی واضح نیستند. معیارهای خودهمبستگی صریح فضایی مانند Moran’s I برای تجزیه و تحلیل مناظر ارائه شده توسط نقشه های طبقه بندی پوشش زمین مناسب نیستند.

خروجی ها نیز از نظر فضایی صریح نیستند، اما در عوض شامل یک لیست جدولی از مقادیر هستند که هر ردیف نتیجه را برای یک پچ، کلاس یا کل چشم انداز بسته به سطح تجزیه و تحلیل نشان می دهد. در حالی که نتایج صریح فضایی را می توان با اجرای یک پنجره متحرک یا سایر تکنیک های محله محلی و محاسبه یک مقدار متریک جداگانه در هر محله تولید کرد، در این موارد این فیلتر است که خروجی مکانی را تولید می کند و نه خود معیارها.

2.4 افزونگی، همبستگی و وابستگی به مقیاس

از آنجایی که بیشتر معیارها بر معیارهای اساسی یکسانی متکی هستند (یعنی مقدار، مساحت، محیط، مجاورت، فاصله)، بسیاری از آنها همبسته یا اضافی هستند. معیارهایی که اطلاعات اولیه یکسانی را اندازه‌گیری یا نشان می‌دهند، از نظر مفهومی اضافی در نظر گرفته می‌شوند، زیرا ذاتاً یک چیز را اندازه‌گیری می‌کنند و بنابراین اطلاعات یکسانی در مورد چشم‌انداز ارائه می‌دهند. معیارهایی که شامل معیارها یا معادلات مشابه برای اجزای اصلی ترکیب و پیکربندی هستند، اغلب از نظر تجربی اضافی هستند زیرا از نظر آماری همبستگی دارند. محققان تلاش‌های قابل‌توجهی را برای شناسایی مؤلفه‌های اساسی الگوی منظر و بررسی روش‌هایی برای انتخاب مجموعه کوچکی از معیارهای صرفه‌جویی انجام داده‌اند (گوستافسون 2019).

بسیاری از معیارها نیز وابسته به مقیاس هستند، به این معنی که مقادیر آنها با تغییر مقیاس (هم وضوح و هم میزان) داده های ورودی تغییر می کند. برای برخی از معیارها، این تغییرات قابل پیش بینی هستند (Wu 2004) در حالی که در موارد دیگر، تغییرات نامنظم هستند. از آنجایی که وضوح مدل داده مقیاس تجزیه و تحلیل را تعیین می کند، اطمینان از مناسب بودن وضوح هم از منظر مشاهده ای و هم از دیدگاه تحلیلی مهم است.

 

3. جهت گیری های نوظهور

معیارهای مرسوم منظر برای نقشه‌های طبقه‌بندی و پوشش زمین، بر تحلیل‌های منظر غالب بوده‌اند، اما محدودیت‌هایی دارند. نشان دادن چشم انداز به عنوان موزاییکی از تکه های گسسته با PMM همیشه از نظر اکولوژیکی مناسب نیست، و برخی از معیارهای چشم انداز فاقد ارتباط برای تحقیقات منظر هستند (کوپفر 2012). مدل‌های مفهومی جدید، جریان‌های داده و بسته‌های نرم‌افزاری، تحقیقات متریک چشم‌انداز را به سمت مرزهای جدید سوق می‌دهند. سه مورد از این موارد در زیر مشخص شده‌اند که شامل (1) رویکردهای مبتنی بر نمودار، (2) معیارهای سطح و (3) معیارهای سه‌بعدی است.

3.1 رویکردهای مبتنی بر نمودار

معیارهای مبتنی بر نمودار جایگزینی برای معیارهای سنتی چشم انداز هستند. در نمودارها، گره ها برای نشان دادن تکه های پوشش زمین و یال ها استفاده می شوندنشان دهنده اتصالات بین گره ها است (شکل 2b). بنابراین، چشم‌انداز به‌جای موزاییک وصله، به‌عنوان یک شبکه مدل‌سازی می‌شود و امکان تحلیل‌های پیچیده‌تر از تکه تکه شدن و اتصال را فراهم می‌کند. علاوه بر این، گره ها می توانند اطلاعات کمی و کیفی را در خود جای دهند، در حالی که لبه ها می توانند وزن ها یا جهت ها را در خود جای دهند (دیل و فورتین 2010)، که با وصله های موجود در PMM امکان پذیر است. در حالی که وزن لبه‌ها معمولاً بر اساس فواصل جغرافیایی تعریف می‌شوند، می‌توان آن‌ها را بر اساس مفهوم‌سازی‌های غیر متعارف فاصله نیز تعریف کرد، مانند فاصله‌های «سازمانی» یا «اجتماعی» که به معیارهای مبتنی بر نمودار اجازه می‌دهد هم جنبه‌های عملکردی و هم جنبه‌های ساختاری را ثبت کنند. از مناظر

در حالی که برخی از معیارهای مبتنی بر نمودار از همتایان مبتنی بر وصله خود تقلید می‌کنند (مثلاً مساحت گره‌ها در مقابل ناحیه تکه‌ها)، بسیاری از آنها روش کاربردی‌تری برای ارزیابی مناظر ارائه می‌دهند. یک معیار رایج مبتنی بر نمودار، احتمال اتصال (Saura and Torné 2009) است که احتمال اینکه دو گره (وصله) به صورت عملکردی در یک منظره به هم متصل شوند را اندازه گیری می کند. به عنوان مثال، از شاخص PC برای اولویت‌بندی زمین‌های خالی شهری برای اتصال فضاهای باز با ارزیابی احتمال اینکه مردم از یک فضای باز موجود به هر پچ جدید راه می‌روند، استفاده شد (Frazier and Bagchi-Sen 2015).

3.2 متریک سطح

هر دو رویکرد مبتنی بر وصله و مبتنی بر نمودار، مناظر را به‌طور قطعی نشان می‌دهند، اما در دنیای واقعی، پوشش‌های زمین اغلب به تدریج در سراسر اکوتون‌ها تغییر می‌کنند. مدل‌های سطح گرادیان (GSM) عناصر منظر را با استفاده از عددی (نسبت) به جای مقادیر مقوله‌ای نشان می‌دهند (شکل 2c)، در نتیجه اجازه می‌دهند بیشتر ناهمگونی موجود در دنیای واقعی توسط مدل داده ثبت شود (Frazier and Kedron 2017). با این حال، مدل‌های سطح گرادیان فاقد مرزها و لبه‌های گسسته‌ای هستند که متریک‌های مبتنی بر چشم‌انداز معمولی و نمودار بر آن تکیه می‌کنند. در نتیجه، GSM ها را نمی توان با استفاده از معیارهای یکسان تجزیه و تحلیل کرد. 

متریک های سطحی مجموعه ای جایگزین از الگوریتم ها برای تعیین کمیت ساختار فضایی الگوهای پوشش زمین در GSM ها هستند. معیارهای سطح در ابتدا برای مهندسی مکانیک و تولید توسعه داده شد، اما اخیراً توسط جغرافیدانان و بوم شناسان منظر برای تعیین کمیت الگوها در مناظر گرادیان پذیرفته شده است (McGarigal et al. 2009; Kedron et al. 2018). آنها در سطح سلولی عمل می کنند، و می تواند فضایی یا فضایی باشد. معیارهای سطح فضایی بر اساس توزیع های ارزشی مانند هیستوگرام یا منحنی ابوت است. معیارهای فضایی آرایش فضایی مقادیر سلول را در نظر می گیرند. به عنوان مثال، متریک سطح “میانگین زبری” محاسبه شده برای منظره ای با مقادیر NDVI، میانگین NDVI منظر را ارائه می دهد. متریک “کیولگی سطح” هر انحرافی را در توزیع مقادیر NDVI مشخص می کند، و متریک “جهت بافت” می تواند اطلاعاتی در مورد جهت بودن ردیف های محصول ارائه دهد (اگر داده ها با وضوح کافی بالا باشند).

یک تفاوت اساسی بین PMM و GSM این است که PMM ها می توانند چندین نوع پوشش زمین مختلف را در یک منطقه جغرافیایی نشان دهند در حالی که GSM ها فقط نسبت / شدت یک متغیر پوشش زمین را نشان می دهند. به‌علاوه، مفهوم‌سازی‌های وصله‌ای، کلاسی و سطح منظر که محاسبات معیارهای منظر را در پارادایم پچ-موزاییک تعریف می‌کنند، به پارادایم گرادیان ترجمه نمی‌شوند. کاربرد معیارهای سطح برای نقشه های پوشش زمین در حال بلوغ است، اما هنوز کار زیادی برای تعیین تفاسیر معنی دار بسیاری از معیارهای سطح موجود مورد نیاز است (کدرون و همکاران 2018).    

3.3 متریک سه بعدی

با تکثیر داده های سه بعدی (3 بعدی) گرفته شده از LiDAR و منابع دیگر مانند رادار (Mathews et al. 2019)، توسعه متریک چشم انداز به سه بعد گسترش می یابد. در حالی که داده های خام LiDAR از ابرهای نقطه سه بعدی تشکیل شده است، اغلب داده ها به فرمت شطرنجی در قالب مدل های رقومی ارتفاع یا زمین (DEM/DTM) از «زمین برهنه» یا مدل های سطح دیجیتال (DSM) طبیعی و طبیعی پردازش می شوند. ویژگی های ساخته شده این شطرنج‌ها چالش جالبی را ارائه می‌دهند زیرا داده‌ها سطوح پیوسته و شیب ارتفاعات هستند، اما اشیایی که نمایش داده می‌شوند گسسته هستند (مانند ساختمان‌ها، درختان و غیره). اخیراً، مطالعات با تکنیک‌های آستانه‌سازی برای گسسته‌سازی داده‌های پیوسته به قالب طبقه‌بندی شده‌اند.

منابع: 

دیل ام. و فورتین، ام. (2010). از نمودارها تا نمودارهای فضایی. Annu Rev Ecol Evol Syst . 2010؛ 41:21-38.

فورمن، RT (1995). برخی از اصول کلی منظر و بوم شناسی منطقه ای. بوم شناسی منظر ، 10(3)، 133-142.

Frazier, AE & Bagchi-Sen, S. (2015) توسعه شبکه های فضای باز در شهرهای در حال کوچک شدن. جغرافیای کاربردی ، 59: 1-9. DOI:  10.1016/j.apgeog.2015.02.010

Frazier، AE، & Kedron، P. (2017). معیارهای چشم انداز: پیشرفت گذشته و جهت گیری های آینده. گزارش‌های بوم‌شناسی منظر فعلی ، 2 (3)، 63-72. DOI:  10.1007/s40823-017-0026-0

گوستافسون، ای جی (2019) چگونه پیشرفته ترین روش برای کمی سازی الگوی چشم انداز در قرن بیست و یکم پیشرفت کرده است؟ اکولوژی منظر. DOI: 10.1007/s10980-018-0709-x

Kedron، PJ، Frazier، AE، Ovando-Montejo، GA، و Wang، J. (2018). معیارهای سطح برای بوم شناسی چشم انداز: مقایسه مدل های چشم انداز در سراسر مناطق و مقیاس ها اکولوژی منظر ، 33 (9)، 1489-1504.

کوپفر، جی (2012). بوم‌شناسی منظر و جغرافیای زیستی: بازاندیشی معیارهای چشم‌انداز در چشم‌انداز پس از FRAGSTATS پیشرفت در جغرافیای فیزیکی ، 36(3)، 400-420.

Mathews, AJ, Frazier, AE, Nghiem, SV, Neumann, G., & Zhao, Y. (2019) تخمین های پراکنده سنج ماهواره ای حجم ساخته شده: اعتبارسنجی با داده های لایدار هوابرد. مجله بین المللی مشاهدات زمین و اطلاعات جغرافیایی ، 77:100-107.

مک گاریگال، ک.، تاگیل، اس.، و کوشمن، SA (2009). معیارهای سطح: جایگزینی برای معیارهای پچ برای کمی سازی ساختار منظر. بوم شناسی منظر ، 24 (3)، 433-450.

مک گریگال، ک.، کوشمن، SA، و ان، ای. (2012). FRAGSTATS v4: برنامه تحلیل الگوی فضایی برای نقشه های طبقه بندی شده و پیوسته. برنامه نرم افزار کامپیوتری تولید شده توسط نویسندگان در دانشگاه ماساچوست، Amherst.

Saura, S. & Torné, J. (2009). Conefor Sensinode 2.2: بسته نرم افزاری برای تعیین کمیت اهمیت تکه های زیستگاهی برای اتصال به چشم انداز. مدلسازی و نرم افزار محیطی  24: 135-139

وو، جی (2004). اثرات تغییر مقیاس بر تحلیل الگوی منظر: روابط مقیاس‌بندی بوم شناسی منظر ، 19(2): 125-138.

اهداف یادگیری: 
  • سطوح تحلیلی که معیارهای چشم انداز در آن محاسبه می شوند را توضیح دهید
  • مناسب بودن معیارهای مختلف برای اهداف تحلیل و مدل های داده را ارزیابی کنید
  • تمایز بین مدل‌های موزاییک وصله‌ای و مدل‌های سطح گرادیان مناظر
  • تفاوت‌های بین معیارهای سنتی منظر، معیارهای مبتنی بر نمودار و متریک‌های سطح را تشخیص دهید.
سوالات ارزشیابی آموزشی: 
  1. تفاوت بین مدل پچ-موزاییک و مدل سطح گرادیان برای نمایش مناظر چیست؟ چگونه محاسبه متریک های چشم انداز در مقابل متریک های سطح از نظر ورودی و خروجی متفاوت است؟
  2. معیارهای مبتنی بر نمودار در چه موقعیت‌های تحلیلی مناسب‌تر از معیارهای سنتی چشم‌انداز هستند؟ چگونه ممکن است توانایی ترکیب وزن ها در لبه های بین گره ها، تحلیل های منظره را افزایش دهد
  3. چه نوع داده هایی به طور طبیعی برای تجزیه و تحلیل متریک چشم انداز مناسب هستند؟ معیارهای مبتنی بر نمودار؟ متریک سطح؟ متریک سه بعدی؟

درخواست مشاوره رایگان و شرکت در دوره

برخی از تالیفات دکتر سعید جوی زاده

دوره های پربازید و کاربردی

1 Comment

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.