کاربردهای GIS در جنگلداری :حفاظت از منابع طبیعی خدادای

کاربردهای GIS در جنگلداری به اندازه خود موضوع متنوع است. بسیاری از جنگل‌بانان با کلیشه‌ای معمول به‌عنوان جنگل‌بان و آتش‌نشان مطابقت دارند، اما بسیاری از آنها از حیات وحش محافظت می‌کنند، جنگل‌های شهری را مدیریت می‌کنند، کیفیت آب را بهبود می‌بخشند، برای تفریح ​​فراهم می‌کنند و برای آینده‌ای پایدار برنامه‌ریزی می‌کنند. طیف وسیعی از اهداف مدیریتی طیف وسیعی از روش‌های فضایی، از توابع مجاورت تا تحلیل ناحیه‌ای، از اندازه‌گیری میدانی پایه تا مدل‌سازی چند مقیاسی پیچیده را هدایت می‌کند. به این ترتیب، توصیف وسعت GIS&T در جنگلداری غیرممکن است. این بررسی راه‌های اصلی را پوشش می‌دهد که دانش جغرافیایی مدیریت و علم جنگل را بهبود می‌بخشد و بر حمایت از شایستگی‌های اصلی تمرکز خواهد کرد.  

 

توضیحات موضوع: 
  1. تعاریف
  2. معرفی
  3. موجودی: دیدن جنگل برای درختان
  4. تجزیه و تحلیل: تجمیع، مدل‌ها، تخمین و پیش‌بینی

 

1. تعاریف

FIA – برنامه فهرست و تجزیه و تحلیل جنگل، یک شبکه سراسری و برنامه نمونه برداری برای اندازه گیری ساختار و سلامت جنگل در سراسر ایالات متحده.

LiDAR  – تشخیص و محدوده نور، روشی که از لیزر برای اندازه گیری مکان های سه بعدی اجسام استفاده می کند.

GNSS  – سیستم‌های ماهواره‌ای ناوبری جهانی: سیستم‌های موقعیت‌یابی مبتنی بر مجموعه‌ای از ماهواره‌ها که اطلاعات مکان را ارسال می‌کنند، از جمله GPS ایالات متحده، گالیله اروپایی و گلوناس روسی.

 

2. مقدمه

یکی از مشخصه‌های کلی بر کاربرد GIS&T در جنگل‌داری تأثیر می‌گذارد: جنگل‌ها گسترده، اغلب دور از دسترس هستند و منابع پراکنده‌ای دارند، که بسیاری از آنها به تنهایی کم ارزش هستند اما در مجموع ارزش بالایی دارند (Köhl et al. 2010). تعداد کمی از درختان مهم هستند، اما توده‌ها، دامنه‌های تپه و جنگل‌های کامل چوب، فیبر، زیستگاه و آب با ارزش محلی تا جهانی را فراهم می‌کنند. ما مستقیماً اطلاعات افراد و خوشه‌های کوچک را جمع‌آوری می‌کنیم، برای اندازه‌گیری ارتفاع درخت، عمق خاک، غنای گونه‌ها یا فراوانی حیوانات، از درخت‌ها یا زمین‌های منفرد بازدید می‌کنیم و سپس تا اندازه‌های بزرگ‌تری جمع‌آوری می‌کنیم. این نیاز به نقشه برداری بزرگ از ویژگی های کم ارزش، اغلب در مکان های دور، GNSS، سنجش از دور، و درون یابی/برون یابی را در تجزیه و تحلیل جغرافیایی برای جنگلداری به منصه ظهور می رساند (Lillesand et al. 2015).

وسعت علایق یکی دیگر از ویژگی های GIS در جنگلداری است. تمرکز سنتی بر تولید چوب و الیاف مطمئناً رایج است، اما در بسیاری از موارد استفاده از GIS در جنگل‌داری عمدتاً بر تأمین آب تمیز و فراوان (Getahum 2011)، افزایش جمعیت ماهی، حیات وحش، و گونه‌های در معرض تهدید، فراهم کردن فرصت‌های تفریحی، بهبود انعطاف‌پذیری چشم‌انداز متمرکز است. برای آتش زدن، یا برای افزایش ارزش های منظره (Bettinger et al. 2017). این وسعت اهداف دلالت بر وسعت ابزار دارد، بنابراین جنگلبانان از ابزارهای فضایی زیادی استفاده می کنند.

 

3. موجودی: دیدن جنگل برای درختان

اندازه‌گیری‌های میدانی اساس جنگل‌داری است که هر سازمان مدیریت جنگل بر آن تکیه می‌کند. هدف ترسیم جنبه های ساختار فیزیکی و بیولوژیکی است که با مأموریت سازمان مرتبط است. داده‌های جغرافیایی که شرایط قبلی یا فعلی را به تصویر می‌کشند اغلب برای کمک به طراحی موجودی استفاده می‌شوند، به عنوان مثال، ممکن است یک تصویر ماهواره‌ای برای شناسایی زمین‌های جنگلی برای قرارگیری بهتر قطعه پردازش شود (Wulder and Franklin 2007). ویژگی‌های جنگل در این قطعات مزرعه‌ای اندازه‌گیری می‌شود، مانند اندازه درخت، سلامت، تسلط یا تراکم، درختچه یا سایر شرایط گیاه، نوع خاک، شیب زمین یا سایر ویژگی‌ها. مرکز یا محیط‌های پلات اغلب با استفاده از GNSS جمع‌آوری می‌شوند و چند ضلعی‌های پایه مشخص می‌شوند، گاهی اوقات در میدان، اغلب با کمک تصاویر هوایی یا ماهواره‌ای با وضوح بالا. داده های ویژگی گسترده اغلب جمع آوری می شوند،

GNSS فناوری کلیدی در مدیریت مدرن جنگل است که امکان تعیین موقعیت متر یا سطح بهتر را در بیشتر شرایط میدانی، در بیشتر آب و هوا، روز یا شب می دهد (Awange 2012). قطعات جنگلی، توده ها، جاده ها، مزاحمت ها، زیستگاه های مهم، مکان های لانه سازی، نهرها و تالاب ها تنها تعدادی از ویژگی هایی هستند که به طور منظم توسط مدیران جنگل نقشه برداری می شوند.

تفسیر تصاویر هوایی و ماهواره‌ای، و تحلیل داده‌های LiDAR به طور فزاینده‌ای، ابزارهای کلیدی در توسعه اطلاعات کمی و کیفی برای انواع پوشش گیاهی، ساختار پوشش گیاهی و مورفولوژی زمین هستند (Lillesand et al. 2015). بسیاری از سازمان‌های ملی و منطقه‌ای پوشش کاملی را با عکس‌های هوایی و/یا تصاویر ماهواره‌ای جمع‌آوری می‌کنند و از آنها برای شناسایی گونه‌های درختی، مناطق برداشت، یا برنامه‌ریزی فعالیت‌های مدیریتی استفاده می‌کنند. روش‌های LiDAR در حال حاضر در حال توسعه شدید برای اندازه‌گیری جنگل هستند و به عنوان ابزار مفیدی در اندازه‌گیری ارتفاع درخت، زیست توده و تراکم در گستره‌های منطقه‌ای تا ملی ثابت شده‌اند (Maltamo et al. 2014). سیستم‌های هوایی بدون سرنشین (UAS)، همچنین به عنوان پهپاد شناخته می‌شوند، در حال حاضر در حال توسعه شدید هستند و افزایش انعطاف‌پذیری، ارز،

دقت فضایی اندازه‌گیری‌های میدانی و داده‌های مشتق‌شده توجه ویژه‌ای در جنگل‌داری دارد، زیرا منابع متعددی از موجودی، اندازه‌گیری و داده‌های سنجش از دور اغلب استفاده می‌شوند (Mowrer and Congalton 2000). اغلب نشانه‌های مشخص کمی وجود دارد، و داده‌ها در شرایط محیطی دشوار جمع‌آوری می‌شوند، که احتمال اشتباهات در جمع‌آوری یا پردازش داده‌های موقعیتی را افزایش می‌دهد. تراز نادرست در طرح، تصویر، LiDAR یا سایر مواد منبع ممکن است منجر به اندازه‌گیری‌های اشتباه یا ترکیب‌های بدیع و غیرنماینده شود. اینها کیفیت لایه های داده ایجاد شده از پردازش فضایی بعدی را کاهش می دهند و کاربرد تجزیه و تحلیل فضایی را کاهش می دهند.

 

4. تجزیه و تحلیل: تجمیع، مدل ها، تخمین، و پیش بینی

بسیاری از تکنیک‌های تحلیل فضایی برای مقیاس‌بندی اندازه‌گیری‌ها از کرت‌ها به جغرافیای بزرگ‌تر، ایجاد لایه‌های برداری از مرزهای توده یا دیگر اشیاء طبقه‌بندی شده با ویژگی‌های مهم، یا برای ایجاد سطوح شطرنجی شرایط جنگل، به عنوان مثال، درصد پوشش تاج، استفاده می‌شوند. متغیرهای نمودار یا نقطه اندازه گیری شده ممکن است با استفاده از خطوط، کریجینگ یا سایر تکنیک های تخمین فضایی درون یابی شوند (بولستاد 2016). خلاصه های آماری از اندازه گیری های میدانی با مرزهای تعریف شده از طریق سنجش از راه دور ترکیب می شوند، به عنوان مثال، طبقه بندی تصویر مبتنی بر شی، برای ایجاد چند ضلعی های برداری (Lillesand et al. 2015). داده‌های LiDAR ممکن است با خلاصه‌های آماری از نمودارهای میدانی ترکیب شوند و روابط تجربی حاصل با اندازه‌گیری‌های جامع LiDAR برای تخمین متغیرهای مهم در سراسر چشم‌انداز اعمال شود (Matlamo et al. 2014).

مدل‌ها رایج هستند، زیرا ما اغلب نمی‌توانیم مستقیماً منبع مورد علاقه را اندازه‌گیری کنیم (بولستاد 2016)، یا به این دلیل که می‌خواهیم شرایط آینده را پیش‌بینی کنیم. پرندگان به ساختار زیستگاهی که با ارتفاع، تراکم و ترکیب گونه‌های درختی تعریف می‌شود پاسخ می‌دهند و در جایی که ترکیب‌ها برای آنها مناسب است، متراکم‌تر هستند. ما از مطالعات دقیق تر در مورد تراکم حیوانات، جستجوی علوفه، موفقیت باروری یا سایر معیارهای استفاده از زیستگاه برای ایجاد مدل هایی بر اساس ساختار جنگل استفاده می کنیم و سپس از اندازه گیری ساختار جنگل برای تخمین فراوانی گونه ها استفاده می کنیم (Drew et al., 2011). آتش‌سوزی‌های جنگلی بر اساس موقعیت و شدت فعلی، بار سوخت جنگل‌های مجاور و زمین، و آب و هوای کوتاه‌مدت به سرعت تکامل می‌یابند. مدل‌هایی که رفتار آتش‌سوزی را پیش‌بینی می‌کنند جان، اموال و پول را نجات می‌دهند (Stratton 2006). روش های جغرافیایی در قلب بسیاری از برنامه ریزی های قبل از آتش سوزی قرار دارند،

مدل‌های فضایی برای برآورد کیفیت یا کمیت آب یا ارزش تفریحی توسعه یافته و استفاده می‌شوند (Lyon 2002, Zwick et al. 2016). یک ادبیات غنی برای توصیف توسعه و استفاده از مدل‌های هیدرولوژی مبتنی بر فرآیند کاربردی، برای تخمین زمان و مقدار آب تحویل‌شده از زمین‌های جنگلی وجود دارد (Getahun 2011). از آنجایی که جنگل اغلب بیش از پنجاه درصد بارندگی محلی را مصرف می کند و این تبخیر و تعرق بر اساس گونه، سن و تراکم متفاوت است، مدیریت جنگل می تواند تا حد زیادی بر آب موجود تأثیر بگذارد. از آنجایی که مصرف آب در طول زمان و مکان متفاوت است، ترکیبات خاص درختان، خاک، زمین و بارش و متغیرهای آب و هوایی که مصرف آب را کنترل می‌کنند باید هم از نظر مکانی و هم از نظر زمانی مدل‌سازی شوند.

ابزارهای جغرافیایی همچنین در برنامه ریزی جنگل ها برای پیش بینی وضعیت های جنگلی آینده و در عین حال بهینه سازی جریان های منابعی که تحت تأثیر محدودیت های طبیعی، اقتصادی یا قانونی هستند، استفاده می شود. برنامه ریزی جنگل شامل انتخاب مجموعه ای از شرایط مطلوب حال و آینده و شناسایی فعالیت های مدیریتی برای دستیابی به آن شرایط است. کسب‌وکارها عمدتاً بر اساس هزینه، درآمد، جریان نقدی، پایداری چوب، و محدودیت‌های قانونی تمرکز بر تامین چوب و الیاف دارند (Bettinger et al. 2017). مدیران دولتی اغلب برای کیفیت آب، حیات وحش، تفریح، حفاظت از آتش، یا سایر مزایای غیر مشخص دیگر معیارهای یکسانی قائل می شوند.

برنامه ریزی جنگل ذاتاً یک فعالیت فضایی است. توزیع فعلی گونه های درختی، سن و اندازه بر شرایط احتمالی آینده تأثیر می گذارد. بقا و رشد درختان به مواد مغذی خاک، آب، نور خورشید و بارندگی در محل آنها بستگی دارد. گونه های کانونی، مانند باقرقره، سیاه گوش کانادایی، یا مرمر مرمری، به مقدار و آرایش فضایی انواع جنگل های خاص بستگی دارد. موقعیت نهر و رودخانه، موقعیت خاک های فرسایش پذیر و شیب های تند همگی مجموعه گزینه های مدیریتی ممکن را محدود می کنند. شبکه راه و شرایط بر امکان سنجی و اقتصادی برداشت، نازک شدن و سایر تیمارها تأثیر می گذارد.

قوانین و سیاست‌ها نیز به طور خاص جغرافیا را در بر می‌گیرند و استفاده از GIS را برای پیاده‌سازی و تضمین انطباق الزامی می‌کنند (Bettinger et al., 2017). عقب‌نشینی‌های برداشت از نظر قانونی در نزدیکی نهرها، دریاچه‌ها یا سایر ویژگی‌های حساس رایج است. حداکثر اندازه شفاف اغلب تجویز می‌شود و برخی روش‌های برداشت در شیب‌های تند محدود می‌شوند. برخی از مناطق محدودیت‌های مجاورت را برای دفعات برداشت تعیین می‌کنند، به عنوان مثال، مناطق بریده شده جدید ممکن است با هیچ توده برداشت شده در پنج سال گذشته مرز مشترک نداشته باشند. همه این محدودیت‌های بیولوژیکی، فیزیکی، مدیریتی و قانونی تضمین می‌کنند که تحلیل فضایی همچنان بخشی جدایی ناپذیر از مدیریت جنگل خواهد بود.

به طور خلاصه، علم و فناوری فضایی به طور جدانشدنی در مدیریت مدرن جنگل گنجانده شده است و تا آینده قابل پیش بینی نیز همین گونه باقی خواهد ماند. اکثر دانشجویان، مدیران و دانشمندان جنگلداری از دانش پایه زمین فضایی به خوبی بهره مند خواهند شد.

منابع: 

Awange، JL (2012). پایش محیطی با استفاده از سیستم های ماهواره ای ناوبری جهانی GNSS . برلین: اسپرینگر.

Bettinger، P.، بوستون، K.، Siry، JP، و Grebner، DL (2017). مدیریت و برنامه ریزی جنگل . لندن، انگلستان: انتشارات آکادمیک.

بری، جی کی (1997). استدلال فضایی برای GIS موثر . Fort Collins, CO: GIS World Books.

Bolstad, P. (2016). مبانی GIS: اولین متن در مورد سیستم های اطلاعات جغرافیایی . اکتون، MA: XanEdu.

Drew, CA, Wiersma, YF, & Huettmann, F., Eds. (2011). گونه‌های پیش‌بینی‌کننده و مدل‌سازی زیستگاه در بوم‌شناسی منظر . برلین: اسپرینگر.

Getahun، MM (2011). GIS برای مدیریت منابع طبیعی مبتنی بر حوضه: ارزیابی فرسایش خاک، تخمین رواناب و انتخاب محل برداشت آب با استفاده از GIS و سنجش از دور . Lexington، KY: Lambert Academic Publishing.

Köhl, M., Magnussen, S., & Marchetti, M. (2010). روش‌های نمونه‌برداری، سنجش از دور و فهرست جنگل‌های چندمنبعی GIS . برلین: اسپرینگر.

لیلسند، TM، کیفر، آر دبلیو و چیپمن، جی دبلیو (2015). سنجش از دور و تفسیر تصویر . هوبوکن، نیوجرسی: جان وایلی.

لیون، جی جی (2002). GIS برای مدیریت آبخیزداری و منابع آب . چلسی، MI: ان آربور پرس.

Maltamo، M.، Næsset، E.، و Vauhkonen، J. (2014). کاربردهای جنگلداری مفاهیم اسکن لیزری هوابرد و مطالعات موردی . دوردرخت: اسپرینگر هلند.

Mowrer, HT, & Congalton, RG (2000). کمی سازی عدم قطعیت فضایی در منابع طبیعی: نظریه و کاربردها برای GIS و سنجش از دور . چلسی، MI: ان آربور پرس.

Stratton، RD (2006). راهنمای تجزیه و تحلیل حریق فضایی وحشی: مدل‌ها، ابزارها و تکنیک‌ها Fort Collins, CO: USDA Forest Service

Wing, MG, & Bettinger, P. (2008). سیستم های اطلاعات جغرافیایی: کاربردها در جنگلداری و مدیریت منابع طبیعی محل: انتشارات دانشگاه آکسفورد.

Wulder، MA، و فرانکلین، SE (2007). درک اختلال جنگل و الگوی فضایی: سنجش از دور و رویکردهای GIS . بوکا راتون: CRC.

Zwick, PD, Patten, IE, & Arafat, A. (2016). تجزیه و تحلیل کاربری پیشرفته زمین برای طراحی منطقه ای: با استفاده از LUCISplus . Redlands، CA: Esri Press.

اهداف یادگیری: 
  • داده های دقیق نقطه، خط و چند ضلعی را با استفاده از GNSS به تنهایی، از جمع آوری داده های میدانی، از طریق انتقال داده، کنترل کیفیت، تبدیل، طرح ریزی و ایجاد ویژگی ایجاد کنید. علاوه بر این، دانش‌آموز باید بتواند عوامل اولیه‌ای را که بر دقت تأثیر می‌گذارند، از جمله پیکربندی صورت فلکی ماهواره‌ای و PDOP، گیرنده‌های چند سیستمی، میانگین‌گیری نقطه، رهگیری سیگنال، و خطاهای چند مسیری توضیح دهد، و اینکه چگونه می‌توان از این موارد اجتناب کرد یا تأثیرات آنها را به حداقل رساند. برای دستیابی به دقت بالا
  • سیستم‌های مختصات دکارتی اولیه مورد استفاده در منطقه مورد نظرشان و تفاوت و پیش‌بینی از سیستم‌های جغرافیایی به سیستم‌های دکارتی را شناسایی کنید. تخمین فاصله سطح بین نقاط در هر نوع سیستم.
  • برای محاسبه مکان های مختصات، تعیین نقاط، خطوط و چند ضلعی ها و محاسبه مساحت ها، نقشه برداری اولیه هواپیما مسافت کوتاه را با GNSS ادغام کنید. مهارت در اندازه‌گیری‌های اصلی زاویه را با استفاده از دستی، کارکنان، سه‌پایه یا قطب‌نما الکترونیکی و اندازه‌گیری فاصله با زنجیره، نوار یا فاصله‌یاب لیزری نشان دهید.
  • ایجاد و پیاده‌سازی تمامی گردش‌های کاری برای جمع‌آوری داده‌های میدانی، از توسعه نیازهای داده‌های مکانی و ویژگی‌های میدانی، طراحی و ایجاد فرم‌های فیلد الکترونیکی با فهرست‌های انتخابی و به دام انداختن خطا در صورت لزوم، از طریق آپلود، جمع‌آوری، دانلود، کنترل کیفیت، پردازش میانی، و ادغام در پایگاه داده های فضایی اداری
  • شناسایی، دانلود، آماده سازی و تفسیر منابع داده عمومی مرتبط با جنگلداری، از جمله عکس های هوایی برنامه ملی تصویربرداری هوایی خدمات تحقیقات کشاورزی USDA، داده های خاک NRCS SSURGO، داده های ارتفاعی دیجیتال USGS، داده های لایه داده های محصول خدمات ملی کشاورزی USDA، فهرست تالاب های ملی USFWS داده‌ها، و داده‌های مجموعه داده‌های هیدروگرافی ملی USGS، جریان‌ها، رودخانه‌ها و دریاچه‌ها.
  • ویژگی های تصاویر هوایی مادون قرمز رنگی با وضوح بالا (زیر متر یا بهتر) را دیجیتالی کنید و انواع توده های مهم منطقه ای و انواع پوشش گیاهی و پوشش گیاهی غیر جنگلی را شناسایی کنید. از تکنیک‌های ویرایش برداری اولیه و میانی، از جمله دیجیتالی کردن نقطه و حالت جریان، تکمیل خودکار چند ضلعی، انتخاب، برش، و ادغام چند ضلعی‌ها، و اسپلینینگ و صاف کردن استفاده کنید. دانش‌آموزان می‌توانند لایه‌های خط برداری و چند ضلعی درست از نظر توپولوژیکی ایجاد کنند، در صورت لزوم، کامل بودن و مسطح بودن را در داده‌هایی که ایجاد می‌کنند، اعمال کنند، و ایجاد و دستکاری جدول ویژگی‌های اساسی را انجام دهند.
  • یک پایگاه داده کاربردی و چند جدولی با کلیدهای اصلی و خارجی مناسب و ویژگی های مربوطه ایجاد کنید، به عنوان مثال، جداول موجودی و برداشت که ممکن است به جداول پایه متصل شوند.
  • انتخاب فضایی و جدولی را درک کنید، توضیح دهید و انجام دهید، به عنوان مثال، تمام لکه های پوشش گیاهی را انتخاب کنید که به طور کامل توسط خاک های فرسایش پذیر زیر زمین قرار دارند، یا تمام توده های جنگلی با قدمت بیش از 80 سال و بیش از 2000 فوت از یک جاده را انتخاب کنید.
  • درک، توضیح، و انجام تجزیه و تحلیل مجاورت و مجاورت، به عنوان مثال، شناسایی تمام زمین ها در 100 فوت از نهرهای چند ساله، یا تمام توده های جنگلی مجاور توده های جنگلی موجود کمتر از پنج سال قدمت دارند.
  •  نشان دادن مهارت های اولیه در کارتوگرافی دیجیتال، از طریق تولید نسخه های چاپی و نقشه های دیجیتال با چیدمان و اطلاعات مناسب.
  • طراحی سیستمی برای ایجاد یک لایه داده مکانی هدف معین، شامل ارزیابی نیازهای کاربر نهایی، مشخصات جغرافیایی و ویژگی های داده ها و مشخصات دقیق، جمع آوری، کنترل کیفیت و پروتکل های پردازش، گردش کار، ارزیابی دقت و مستندسازی، و توسعه ابرداده.
  • گردش‌های کاری پردازش داده‌های مکانی را ارزیابی کنید تا تأیید کنید که هر کدام نیازهای اطلاعاتی خاص رایج در مدیریت منابع جنگل را برآورده می‌کنند.

درخواست مشاوره رایگان و شرکت در دوره

برخی از تالیفات دکتر سعید جوی زاده

دوره های پربازید و کاربردی

4 Comments

  • Excellent blog! Do you have any helpful hints for aspiring writers? I’m planning to start my own website soon but I’m a little lost on everything. Would you propose starting with a free platform like WordPress or go for a paid option? There are so many choices out there that I’m totally confused .. Any ideas? Bless you!

  • My brother suggested I may like this blog. He was totally right. This submit truly made my day. You can not imagine just how much time I had spent for this information! Thanks!

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.