گونه های مهاجم یک موضوع مهم و رو به رشد مورد توجه مدیران زمین است و توانایی جمع آوری و تجسم داده های پوشش گونه ها برای مدیریت گونه های مهاجم و بومی حیاتی است. این به ویژه در مورد داده های مکانی صادق است، که اطلاعات ارزشمندی را در مورد مکان، نرخ استقرار و نرخ گسترش لازم برای مدیریت زیستگاه ها ارائه می دهد. با این حال، روش‌های فعلی جمع‌آوری به ندرت در یک ابزار مدیریت کامل ادغام می‌شوند، که جمع‌آوری سریع و تجسم چندین سال داده برای گونه‌های مختلف را دشوار می‌کند. ما ابزار مدیریت مراتع جغرافیایی (GMMT) را ایجاد کردیم تا یک چارچوب کامل از جمع‌آوری داده‌های جغرافیایی تا تجسم وب ارائه کنیم. ما سودمندی رویکرد خود را با استفاده از داده‌های بررسی چمنزار پارک ملی تاریخی Valley Forge نشان می‌دهیم. GMMT از طریق مجموعه نرم‌افزار ArcGIS، با بهره‌گیری از مدولار بودن فرآیندهای متعدد، و ترکیب داشبورد تجسم آنلاین که امکان تجزیه و تحلیل سریع و کارآمد داده‌ها را فراهم می‌کند، ایجاد شد. با استفاده از پارک ملی تاریخی Valley Forge به عنوان یک مطالعه موردی، GMMT طیف گسترده ای از داده ها و تجسم های پوشش گونه های مفید را ارائه می دهد که راه های ساده و در عین حال روشنگری را برای درک توزیع گونه ها ارائه می دهد. این ابزار توانایی یک ابزار تجسم مبتنی بر وب را برای اصلاح نیازهای کاربران برجسته می کند و تصاویری قدرتمند را برای کارشناسان غیر GIS ارائه می دهد. راه‌های آینده برای این کار شامل داده‌های باز برجسته و مشارکت اجتماعی، مانند علم شهروندی، برای مقابله با تهدید فزاینده گونه‌های مهاجم هم در داخل و هم در خارج از زمین‌های عمومی است. بهره گیری از مدولار بودن فرآیندهای متعدد، و ترکیب داشبورد تجسم آنلاین که امکان تجزیه و تحلیل سریع و کارآمد داده ها را فراهم می کند. با استفاده از پارک ملی تاریخی Valley Forge به عنوان یک مطالعه موردی، GMMT طیف گسترده ای از داده ها و تجسم های پوشش گونه های مفید را ارائه می دهد که راه های ساده و در عین حال روشنگری را برای درک توزیع گونه ها ارائه می دهد. این ابزار توانایی یک ابزار تجسم مبتنی بر وب را برای اصلاح نیازهای کاربران برجسته می کند و تصاویری قدرتمند را برای کارشناسان غیر GIS ارائه می دهد. راه‌های آینده برای این کار شامل داده‌های باز برجسته و مشارکت اجتماعی، مانند علم شهروندی، برای مقابله با تهدید فزاینده گونه‌های مهاجم هم در داخل و هم در خارج از زمین‌های عمومی است. بهره گیری از مدولار بودن فرآیندهای متعدد، و ترکیب داشبورد تجسم آنلاین که امکان تجزیه و تحلیل سریع و کارآمد داده ها را فراهم می کند. با استفاده از پارک ملی تاریخی Valley Forge به عنوان یک مطالعه موردی، GMMT طیف گسترده ای از داده ها و تجسم های پوشش گونه های مفید را ارائه می دهد که راه های ساده و در عین حال روشنگری را برای درک توزیع گونه ها ارائه می دهد. این ابزار توانایی یک ابزار تجسم مبتنی بر وب را برای اصلاح نیازهای کاربران برجسته می کند و تصاویری قدرتمند را برای کارشناسان غیر GIS ارائه می دهد. راه‌های آینده برای این کار شامل داده‌های باز برجسته و مشارکت اجتماعی، مانند علم شهروندی، برای مقابله با تهدید فزاینده گونه‌های مهاجم هم در داخل و هم در خارج از زمین‌های عمومی است. و دارای یک داشبورد تجسم آنلاین است که امکان تجزیه و تحلیل سریع و کارآمد داده ها را فراهم می کند. با استفاده از پارک ملی تاریخی Valley Forge به عنوان یک مطالعه موردی، GMMT طیف گسترده ای از داده ها و تجسم های پوشش گونه های مفید را ارائه می دهد که راه های ساده و در عین حال روشنگری را برای درک توزیع گونه ها ارائه می دهد. این ابزار توانایی یک ابزار تجسم مبتنی بر وب را برای اصلاح نیازهای کاربران برجسته می کند و تصاویری قدرتمند را برای کارشناسان غیر GIS ارائه می دهد. راه‌های آینده برای این کار شامل داده‌های باز برجسته و مشارکت اجتماعی، مانند علم شهروندی، برای مقابله با تهدید فزاینده گونه‌های مهاجم هم در داخل و هم در خارج از زمین‌های عمومی است. و دارای یک داشبورد تجسم آنلاین است که امکان تجزیه و تحلیل سریع و کارآمد داده ها را فراهم می کند. با استفاده از پارک ملی تاریخی Valley Forge به عنوان یک مطالعه موردی، GMMT طیف گسترده ای از داده ها و تجسم های پوشش گونه های مفید را ارائه می دهد که راه های ساده و در عین حال روشنگری را برای درک توزیع گونه ها ارائه می دهد. این ابزار توانایی یک ابزار تجسم مبتنی بر وب را برای اصلاح نیازهای کاربران برجسته می کند و تصاویری قدرتمند را برای کارشناسان غیر GIS ارائه می دهد. راه‌های آینده برای این کار شامل داده‌های باز برجسته و مشارکت اجتماعی، مانند علم شهروندی، برای مقابله با تهدید فزاینده گونه‌های مهاجم هم در داخل و هم در خارج از زمین‌های عمومی است. GMMT طیف گسترده ای از داده ها و تجسم های مفید پوشش گونه ها را ارائه می دهد که راه های ساده و در عین حال روشنگری برای درک توزیع گونه ها ارائه می دهد. این ابزار توانایی یک ابزار تجسم مبتنی بر وب را برای اصلاح نیازهای کاربران برجسته می کند و تصاویری قدرتمند را برای کارشناسان غیر GIS ارائه می دهد. راه‌های آینده برای این کار شامل داده‌های باز برجسته و مشارکت اجتماعی، مانند علم شهروندی، برای مقابله با تهدید فزاینده گونه‌های مهاجم هم در داخل و هم در خارج از زمین‌های عمومی است. GMMT طیف گسترده ای از داده ها و تجسم های مفید پوشش گونه ها را ارائه می دهد که راه های ساده و در عین حال روشنگری برای درک توزیع گونه ها ارائه می دهد. این ابزار توانایی یک ابزار تجسم مبتنی بر وب را برای اصلاح نیازهای کاربران برجسته می کند و تصاویری قدرتمند را برای کارشناسان غیر GIS ارائه می دهد. راه‌های آینده برای این کار شامل داده‌های باز برجسته و مشارکت اجتماعی، مانند علم شهروندی، برای مقابله با تهدید فزاینده گونه‌های مهاجم هم در داخل و هم در خارج از زمین‌های عمومی است.

کلید واژه ها: 

ArcGIS Online ; پشتیبانی تصمیم گیری ؛ مدیریت منابع طبیعی ; علوم عمومی ; نظرسنجی123

1. مقدمه

پارک های ملی منابع عمومی حیاتی برای حفاظت از اکوسیستم ها و گونه های با ارزش هستند و از بسیاری از منابع طبیعی، فرهنگی و تفریحی برجسته ایالات متحده محافظت می کنند [ 1 ]. با یک دستور قانونی برای حفظ منابع پارک ها به طوری که آنها برای لذت بردن نسل های آینده آسیب نبینند، پارک های ملی ایالات متحده با چالش های جدیدی در این عصر تغییرات سریع محیطی جهانی روبرو هستند [ 2 ، 3 ، 4 ]. علاوه بر تغییرات آب و هوایی و کاربری زمین [ 5 ]، تهاجمات بیولوژیکی یک تهدید جدی برای توانایی سرویس پارک ملی برای حفظ پارک های سالم و مولد [ 6 ، 7 ] است.]. گونه های مهاجم یک چالش جدی هم برای مناطق شهری و هم برای مناطق طبیعی هستند، با تأثیرات گسترده بر اکوسیستم [ 7 ، 8 ]. مهاجمان گونه‌های بومی [ 9 ] را جابجا می‌کنند، اکوسیستم‌های بومی و فرآیندهای اکولوژیکی را مختل می‌کنند [ 10 ]، منابع فرهنگی و فرصت‌های تفریحی را تهدید می‌کنند [ 11 ] و می‌توانند بر تجربه بازدیدکننده تأثیر بگذارند [ 12 ].
مهاجمان همچنین می توانند تهدیدات دیگری را برای پارک ها تشدید کنند و چالش های مدیریتی را تشدید کنند. به عنوان مثال، چمن‌های مهاجم، مانند چمن‌های بسیار قابل اشتعال، آتش‌سوزی‌های شدیدتر را دامن می‌زنند [ 13 ]، که در حال حاضر در فرکانس و شدت تغییرات آب و هوایی در حال افزایش هستند [ 14 ]. پیشگیری، تشخیص زودهنگام و ریشه‌کنی فوری استراتژی‌های ارجح برای مدیریت مؤثر هستند [ 15 ]. پس از ایجاد، تلاش های مدیریت هماهنگ کلیدی برای جلوگیری از گسترش است [ 13 ]. با این حال، محدودیت‌های بودجه و منابع در سیستم پارک‌های ملی، مدیریت مؤثر را به چالش می‌کشد و بودجه در 20 سال گذشته به طور مداوم ناکافی بوده است [ 16 ، 17 ]]. علاوه بر این، تحقیقات آکادمیک خارجی در بین پارک ها سازگار نیست، به این معنی که منابع برای مناظر و گونه های خاص پارک در سراسر زیستگاه ها یکسان نیستند [ 18 ]. این بدان معنی است که ممکن است منابع کمتری به طور کلی به مهاجمان اختصاص داده شود، به ویژه به واحدهای NPS که از نظر بیولوژیکی منحصر به فرد هستند، اما کمتر پژوهش محور هستند.
اطلاعات مکان، نرخ استقرار، و نرخ گسترش برای درک تهاجمات بیولوژیکی حیاتی هستند و می توانند به اطلاع رسانی مدیریت گونه های مهاجم کمک کنند [ 19 ، 20 ، 21 ]. گونه‌های مهاجم در طول زمان گسترش می‌یابند و مناطق وسیع‌تری را تحت تأثیر قرار می‌دهند، با تأثیرات در افق‌های زمانی طولانی [ 22 ]. بنابراین، دانستن اینکه کجا و چه زمانی باید برای تهاجم‌ها مدیریت کرد، به شدت به اندازه‌گیری الگوهای مکانی و زمانی بستگی دارد. فن‌آوری‌های جغرافیایی و سیستم‌های اطلاعات جغرافیایی (GIS) ابزارهای قدرتمندی هستند که برای برنامه‌های مدیریت گونه‌های تهاجمی صریح فضایی مناسب هستند. نقشه ها به ویژه هنگام مدیریت مناظر ناهمگن با پدیده های پیچیده مکانی-زمانی مهم هستند [ 23] و می تواند برای مدیریت فعال مناظر محافظت شده از گونه های مهاجم استفاده شود. تجسم داده های مکانی می تواند برای ادغام داده های پیچیده مکانی-زمانی در تغییرات پوشش گونه ها در طول زمان حیاتی باشد [ 24 ]. GIS برای ایجاد نقشه‌های توزیع بالقوه گونه‌های مهاجم، نقشه خطر معرفی مجدد، شناسایی و ارزیابی سریع تهاجمات، تجسم جمع‌آوری داده‌های میدانی و موارد دیگر استفاده شده است [ 25 ، 26 ، 27 ، 28 ]. برای مثال، Lookingbill و همکاران. [ 27 ] نقشه‌های خطر تهاجم مجدد فضایی صریح را برای پارک ملی میدان نبرد Antietam ایجاد کرد تا به اولویت‌بندی مناطقی که مدیریت در آنها موفق‌ترین است کمک کند.
تجسم‌سازی از طریق نقشه‌های ایستا و تعاملی می‌تواند به مدیران زمین کمک کند تا ارتباطات روشن‌تری بین استراتژی‌های مدیریت و تغییرات چشم‌انداز ایجاد کنند و بررسی‌های روی زمین را به روندهای گسترده‌تر متصل کنند. استفاده از برنامه های وب تعاملی، که اکنون به راحتی از طریق نرم افزارهای پرکاربرد مانند ArcGIS Online قابل دسترسی است، به کاربران نهایی اجازه می دهد تا تصاویر را بر اساس تحقیقات خاص یا نگرانی های مدیریتی جستجو کنند.
علاوه بر این، GIS راهی برای ادغام سریع و موثر کار میدانی در یک پلت فرم فضایی فراهم می کند. داده‌های پوشش گیاهی اغلب توسط بررسی‌های حضوری، یک روش قدیمی مشاهده مجموعه برای بسیاری از مدیران زمین، جمع‌آوری می‌شوند [ 29 ]. با این حال، ترجمه آنها به تجسم های فضایی و مبتنی بر وب، به ویژه برای سازمان های دولتی با پرسنل و منابع محدود، می تواند دشوار باشد. بررسی های کاغذی و قلمی مستلزم ورود اطلاعات زمان بر است که توانایی مدیران زمین را برای به روز نگه داشتن پایگاه های داده محدود می کند. آنها همچنین می توانند مستعد خطای نمونه گیری [ 29 ] باشند. این را می توان با مکان یابی جغرافیایی این بررسی ها در یک GIS اصلاح کرد تا هم الگوهای فضایی را ثبت کند و هم به راحتی داده ها را در صورت نیاز شناسایی، ذخیره و اعتبار سنجی کند.
با این حال، کاستی‌هایی با دیجیتالی کردن صرفاً بررسی‌ها در داده‌های مکانی در قالب GIS برای استفاده با گونه‌های مهاجم وجود دارد. اول اینکه دسترسی و استفاده برای افراد غیر متخصص مشکل است. این امر به ویژه در مناطقی که داوطلبان و کارآموزان در حال انجام بررسی های میدانی هستند، یا جایی که متخصصان زیست شناسی آموزش دیده در GIS از این سیستم ها استفاده می کنند، صادق است. ابزارهای جمع‌آوری داده‌های سازگار با موبایل، مانند Survey123، برای ساده‌سازی این فرآیند طراحی شده‌اند که به کاربران اجازه می‌دهد داده‌ها را مستقیماً در یک پایگاه داده فضایی برای استفاده با نرم‌افزار GIS مبتنی بر ابر مانند ArcGIS Online وارد کنند. دانش گسترده سیستم های GIS اغلب برای تهیه، محاسبه و تجسم داده های مکانی مورد نیاز است. در بعضی موارد، دانش نهادی و موضوعی کافی وجود دارد که نیاز چندانی به انجام یک تحلیل گسترده و طولانی برای درک و استخراج اطلاعات معنادار از داده ها وجود ندارد. به عنوان مثال، مدیران میدانی که با یک پارک آشنا هستند می دانند که به دنبال چه داده هایی باشند و چگونه تغییرات سال به سال را درک کنند. یک گردش کار واحد که امکان جمع آوری، دسترسی و تجسم را آسان می کند، مانع کمتری برای ورود افراد حرفه ای غیر GIS و ارزش بسیار بالاتری در اطلاعات به دست آمده ایجاد می کند.
نگرانی دوم در مورد نتایج بررسی های قلم و کاغذ، فقدان قابلیت اشتراک گذاری داده ها، هم در مدیریت پایگاه داده و هم در تجسم است. یک گردش کار مکانی کاملاً کاربردی با قابلیت وب، برخی از این نگرانی ها را کاهش می دهد. یک پلت فرم مبتنی بر وب اجازه می دهد تا داده های سال های گذشته ذخیره و ارائه شوند، زیرا یک بررسی میدانی در حال رخ دادن است و اطلاعات مرتبط و قابل دسترسی را به راحتی ارائه می دهد. علاوه بر این، داده‌های کاملاً تجسم‌شده در یک پلت‌فرم آنلاین را می‌توان در سازمان بزرگ‌تر یا با سایر سازمان‌ها ارائه و به اشتراک گذاشت [ 30 ]. به عنوان مثال، ارائه داده‌های آتش‌سوزی در کنار داده‌های گونه‌های مهاجم، مسیرهای تصمیم‌گیری را روشن می‌کند که بدون یک گردش کار مکانی یکپارچه مبتنی بر وب در دسترس نخواهد بود.
مدیران زمین که نظارت بر گونه‌های مهاجم را با سایر نگرانی‌های منابع طبیعی متعادل می‌کنند، نیاز به ادغام یکپارچه بررسی‌های میدانی، مدیریت پایگاه داده، تجزیه و تحلیل و نقشه‌های وب تعاملی دارند تا در مواجهه با افزایش تعاملات بین انسان و محیط، تصمیمات مبتنی بر داده‌ها را با منابع محدود اتخاذ کنند. فرصت هایی برای ترکیب برنامه های نقشه برداری مبتنی بر وب به عنوان ابزارهای سنتز برای تجزیه و تحلیل و تجسم فرصت ها برای مدیریت گونه های مهاجم وجود دارد. ترکیب سهولت دسترسی به ابزارها با جمع‌آوری داده‌های ساده، خود را به برنامه‌های علمی مبتنی بر عمومی مانند علم شهروندی می‌رساند [ 31 ]. ابزارهای یکپارچه می توانند به پروژه های علمی شهروندی اجازه دسترسی و ایجاد تجسم های خاص بر اساس تقاضا را بدون نیاز به مهارت های تخصصی زمین فضایی دهند.
برای پرداختن به این نیازها در یک گردش کاری واحد، ما یک جعبه ابزار مکانی به نام ابزار مدیریت مراتع جغرافیایی (GMMT) معرفی می کنیم، سیستمی برای جمع آوری، تجزیه و تحلیل، تجسم و انتشار داده های پوشش گونه های گیاهی که توسط Survey123 و ArcGIS Online (AGOL) ارائه می شود. جعبه ابزار حاصل، وظایف نظارت بر گونه‌های مهاجم را از جمع‌آوری میدانی گرفته تا تجزیه و تحلیل تا تجسم و انتشار وب ادغام می‌کند تا بار مدیریت داده‌ها را بر روی مدیران نظارت بر گونه‌های مهاجم کاهش دهد. این می تواند بیشتر برای ایجاد و به اشتراک گذاری داده های مکانی برای هر نیازی، به ویژه برای کسانی که حرفه ای GIS نیستند، سازگار شود. ما جعبه ابزار را بر روی داده‌های بررسی گونه‌های گیاهی از واحد پارک ملی ایالات متحده، پارک ملی تاریخی دره فورج (VAFO) نشان می‌دهیم.
پارک ملی تاریخی ولی فورج یک پارک 3500 هکتاری در خارج از فیلادلفیا، پنسیلوانیا است ( شکل 1 ). دره فورج یک مکان اردوگاه زمستانی در طول جنگ انقلابی برای حفظ ارزش تاریخی و فرهنگی مدیریت شده است. این پارک شامل بزرگترین منطقه پوشش گیاهی علفی و مرتفع غیرقابل کشت اما حفظ شده در منطقه میانی اقیانوس اطلس است که 42 درصد (1340 هکتار) پارک را پوشش می دهد .]. این اکوسیستم‌ها برای جمعیت‌های گیاهی بومی حیاتی هستند و خدمات اکوسیستمی ارزشمندی مانند زیستگاه حیات وحش و اتصال، چرخه مواد مغذی، ترسیب کربن و ارزش زیبایی‌شناختی و فرهنگی را ارائه می‌دهند. با این حال، گونه‌های علف‌های مهاجم مانند بلوگرس کنتاکی، علف بهاری، چمن‌زار و چمنزار در مراتع و مراتع دره فورج [ 32 ] حیات اکوسیستم‌های بومی را تهدید می‌کنند. هدف مدیران پارک بازگرداندن جمعیت گیاهان بومی به 80 درصد از پوشش پارک برای حمایت از زیستگاه حیات وحش و اتصال، افزایش تنوع زیستی، بزرگداشت مناظر تاریخی، جلوگیری از فرسایش و افزایش انعطاف پذیری در برابر تغییرات آب و هوایی [ 32 ]]. در طی 10 سال گذشته، Valley Forge یک برنامه مدیریت مراتع را با معیارهای دقیق (به عنوان مثال، استانداردها یا معیارها) برای شرایط مطلوب اجرا کرده است. مدیران پارک از درمان های مکانیکی، علف کش ها و آتش سوزی های تجویز شده برای احیای گیاهان بومی استفاده می کنند. محققان با بررسی‌های بصری سالانه در بیش از 100 مکان در اطراف پارک، پیشرفت را تحت نظر دارند و پوشش گونه‌های گیاهی بومی و مهاجم را ثبت می‌کنند.
ارزش تاریخی منحصر به فرد دره فورج، برنامه مدیریتی برای احیای مراتع، حساسیت اکولوژیکی به گونه‌های گیاهی مهاجم، و نزدیکی به مراکز جمعیتی متراکم (افزایش آشفتگی چشم‌انداز) آن را به محل آزمایشی نمونه‌ای برای GMMT تبدیل کرده است. VAFO دارای یک برنامه مدیریت مراتع از قبل موجود است، شامل اجزای مکانی و داده های تاریخی، که بر اساس آن می توان یک گردش کار کامل را تغییر داد تا در صورت نیاز متناسب شود. Valley Forge GMMT به بررسی ارزیابی های میدانی برای اندازه گیری پوشش 27 گونه گیاهی بومی و مهاجم در سایت های مورد مطالعه موجود اجازه می دهد. سپس کاربر می‌تواند پایگاه داده را به‌روزرسانی کند تا روندها را در طول زمان تجسم کند، پوشش گونه‌های بومی را با معیارهای تعیین‌شده مقایسه کند و داده‌ها را در یک نقشه وب AGOL برای ارتباط بین آژانس و عموم منتشر کند.
مقاله زیر روش جامع GMMT را از توسعه نظرسنجی میدانی گرفته تا پاکسازی داده ها تا تجسم و ارتباطات را تشریح می کند. سپس موارد استفاده منحصربه‌فرد GMMT و استفاده از آن در VAFO را بررسی می‌کنیم و در نهایت درس‌ها و مراحل بعدی را برای استفاده از گردش کار داده‌های مکانی برای مدیریت تهاجمی بررسی می‌کنیم.

2. مواد و روشها

ابزار مدیریت زمین فضایی مراتع (GMMT) در اکوسیستم ArcGIS تولید شده توسط موسسه تحقیقات سیستم های محیطی (ESRI) توسعه یافته است. گردش کار GMMT از سه جزء اصلی تشکیل شده است: جمع آوری میدانی، پردازش داده ها و تجسم وب ( شکل 2)). ابزار GMMT از طریق یک فرآیند تکراری با کارکنان خدمات پارک ملی در Valley Forge توسعه داده شد. کارکنان پارک در مورد پلتفرم‌های ترجیحی بازخورد ارائه کردند، به تنظیم دقیق رابط‌ها و تجسم‌ها و انتخاب معیارها/معیارهای جمع‌آوری داده‌های میدانی کمک کردند. کارکنان NPS آشنایی متفاوتی با ArcGIS به عنوان کاربران محصول داشتند که به ما این امکان را می‌دهد تا اطمینان حاصل کنیم که ابزار GMMT نیازهای کاربران مبتدی و با تجربه‌تر را برآورده می‌کند. مجموعه میدانی در Survey123 ساخته و انجام شد، آماده سازی و تجزیه و تحلیل داده ها در ArcPro و تجسم داده ها در ArcGIS Online انجام شد. گردش کار به صورت مدولار ساخته شده است تا امکان مداخلات یا سفارشی سازی در صورت نیاز توسط کاربران را فراهم کند. مشاهدات میدانی جزء اصلی پایش گونه ها است
کاربرد GMMT در توانایی آن برای نشان دادن اثربخشی مدیریت گونه های مهاجم/غیر بومی و نظارت بر شرایط گونه های بومی مورد علاقه نهفته است. معیار اصلی مشاهدات میدانی مورد استفاده برای دستیابی به این اهداف، پوشش گونه است. پوشش گونه ها اندازه گیری ساده ای از مساحت نسبی تحت پوشش یک گونه معین در یک قطعه مشخص (مانند منطقه 4 فوت در 4 فوت) است و اغلب به صورت درصد گزارش می شود. اثربخشی اقدامات مدیریتی توسط کاربر تعیین می‌شود و می‌تواند به شکل تغییر مثبت، رسیدن به یک آستانه یا معیار، یا حضور/غیاب باشد. علاوه بر این، با جمع‌آوری داده‌های یکسان از یک طرح استاندارد شده در طول چندین سال، می‌توان مقایسه‌ای در مورد اثربخشی مداخلات انجام داد.

2.1. مجموعه میدانی

ساختار جمع آوری داده های GMMT در Survey123 ایجاد شد ( شکل 3). Survey123 یک نرم‌افزار جمع‌آوری داده‌های نظرسنجی بین پلتفرمی است که در آن کاربر می‌تواند هم رفتار نظرسنجی را ایجاد کرده و هم آن را مشخص کند. بر خلاف سایر ابزارهای مجموعه میدانی مانند ArcGIS Collector، ArcGIS Survey123 یک ابزار جمع آوری فضایی است که در صورت تمایل می توان آن را به هندسه گره زد. برای مجموعه‌های میدانی، این می‌تواند سودمند باشد، زیرا هر مجموعه در همان پلات میدانی قرار دارد، اجازه می‌دهد مکان مجموعه استاندارد شود و خطای انسانی کاهش یابد. استفاده از این محصول همچنین دسترسی آسان به نظرسنجی در اکوسیستم ArcGIS Online (AGOL) را تسهیل می کند. نظرسنجی در Survey123 Connect، نسخه دسکتاپ Survey123 ایجاد شد و در یک پورتال AGOL ذخیره شد. نظرسنجی را می توان در یک دستگاه تلفن همراه برای جمع آوری میدانی بارگذاری کرد. کاربران می توانند در هر گونه که پوشش گونه مورد نظر را نشان می دهد، حرکت کنند. پس از تکمیل مشاهده، نظرسنجی در پورتال AGOL ذخیره می شود. سپس می توان آن را در هر قالبی دانلود و ویرایش کرد. برای این کار، داده ها به مایکروسافت اکسل صادر شد.
نظرسنجی GMMT شامل لیستی از گونه های مورد علاقه و نقاط جمع آوری نقشه های از پیش تعیین شده است. بررسی در هر نقطه جمع آوری تکمیل می شود، که شماره گذاری می شود و بعداً با مکان هندسی نقطه نقشه بررسی مرتبط می شود. در هر نقطه، نظرسنجی از کاربر می‌خواهد نام گردآورنده و داده‌ها را انتخاب کند. اطلاعات دیگری را می توان در صورت نیاز اضافه کرد، مانند جزئیات مربوط به فردی که داده ها را جمع آوری می کند (به عنوان مثال، کارمند دائمی، کارگر فصلی، یا داوطلب) یا شرایط سایت (مانند مسیرهای غیررسمی، سطل زباله). بررسی از طریق هر گونه تکرار می شود و به ورودی کاربر برای پوشش گونه در قطعه داده شده نیاز دارد. برای ساده‌سازی جمع‌آوری داده‌ها، بسته به نیاز گونه‌های خاص، داده‌های پوشش گونه‌ها را می‌توان به عنوان یک کلاس پوشش از پیش تعیین‌شده (مثلاً 10-1٪) یا پوشش دقیق جمع‌آوری کرد. دسته بندی های پوشش امکان استانداردسازی پاسخ ها را فراهم می کند و از ابزار انتخاب کشویی برای تعیین انتخاب ها استفاده شده است. برای گونه‌هایی که نیاز به محاسبه پوشش دقیق دارند، از یک کادر متنی با ورودی 0 تا 100 درصد استفاده می‌شود. تصاویر گونه ها نیز برای زمینه در نظرسنجی تعبیه شده است.

2.2. پردازش داده ها

پلتفرم ArcGIS Pro برای مدیریت داده های موجود، محاسبه داده های جدید و پیوند به مراجع مکانی استفاده می شود. ArcPro یک نرم‌افزار GIS است که امکان اتوماسیون بسیاری از نیازهای مدیریت داده‌ها را فراهم می‌کند و به عنوان یک پورتال مرحله‌ای برای استفاده از AGOL عمل می‌کند. علاوه بر این، ArcPro می‌تواند اتوماسیون ماژولار و اسکریپت‌نویسی پایتون را به عنوان بخشی از ایجاد گردش کار ترکیب کند و امکان سفارشی‌سازی در صورت نیاز را فراهم کند. ArcPro می‌تواند داده‌های مکانی را قبل از آپلود در AGOL تجسم کند، که می‌تواند خودکار نیز باشد.
پس از اینکه بررسی میدانی از Survey123 به Excel صادر شد، سازماندهی شد تا به درستی به ArcPro وارد شود. داده‌های صادر شده از Survey123 “گسترده” هستند — هر مشاهده دارای مجموعه‌ای از ویژگی‌های متعدد مرتبط با خود است، از جمله تاریخ و پوشش. برای فیلتر کردن و نقشه برداری موفقیت آمیز چندین سال و گونه در ArcGIS، ابتدا باید به یک قالب داده “طولانی” تبدیل شود، جایی که هر ترکیبی از سال، گونه و نقطه نمودار در ردیف های جداگانه قرار می گیرد. این تبدیل در اکسل انجام می شود و پس از آن خروجی از طریق جعبه ابزار جغرافیایی به ArcPro وارد می شود. جعبه ابزار شامل یک مدل پردازش کامل داده متشکل از چهار مدل فرعی است که از طریق ModelBuilder ساخته شده است – یک سازنده ابزار ژئوپردازش مدولار در ArcGIS Pro ( شکل 4 ).
اولین مدل فرعی داده ها را در قالب اکسل وارد می کند و با استفاده از اعداد شناسه نقطه به هندسه نقطه هر مشاهده می پیوندد. از آنجا که هر مشاهده به داده های طولانی تبدیل شد، مشاهدات متعدد در هر نقطه وجود دارد. برای تطبیق چندین نمونه از مشاهدات در یک مکان معین، از پیوستن یک به چند استفاده می شود. مدل فرعی اول همچنین هر نقطه را بر اساس یک طرح نمادشناسی از پیش تعیین شده بر اساس پوشش تجسم می کند. مدل فرعی دوم معیارها را برای هر گونه مورد علاقه محاسبه می کند. این معیارها را می توان در صورت نیاز تغییر داد. یک محاسبه میدان ویژگی در مدل برای ایجاد یک میدان جدید که هر مشاهده را به سه دسته تعیین می‌کند، استفاده شد. آنها به عنوان محدوده هدف خاص برای یک گونه تعریف می شوند که به “خوب”، “عادلانه” و “فقیر” تقسیم می شوند. نام‌گذاری‌ها به عنوان یک کلاس ویژگی جداگانه ایجاد می‌شوند، زیرا نماد شناسی مجزا و بر اساس یک مقدار هدف است. این بیشتر امکان مقایسه بین پوشش ها و معیارها را فراهم می کند. از آنجایی که داده ها نیز باید توسط چمنزار تعمیم داده شوند، مدل فرعی سوم مقادیر نقطه را بر اساس چند ضلعی چمنزاری که نقطه در آن قرار دارد میانگین می گیرد. مشاهدات برای هر نقطه بر اساس سال و گونه ها میانگین می شوند. تنها گونه‌هایی که پوشش مداوم 0 تا 100 درصد برای آنها جمع‌آوری شده است، به دلیل محدودیت‌های میانگین مقادیر پوشش طبقه‌بندی، در این مرحله گنجانده شده‌اند. زیرمدل چهارم، ماشین حساب معیار را برای چند ضلعی ها تکرار می کند و همچنین آنها را بر اساس طرح نمادشناسی “خوب”، “عادلانه” و “ضعیف” تجسم می کند. مدل فرعی سوم مقادیر نقطه را بر اساس چند ضلعی چمنزاری که نقطه در آن قرار دارد میانگین می دهد. مشاهدات برای هر نقطه بر اساس سال و گونه ها میانگین می شوند. تنها گونه‌هایی که پوشش مداوم 0 تا 100 درصد برای آنها جمع‌آوری شده است، به دلیل محدودیت‌های میانگین مقادیر پوشش طبقه‌بندی، در این مرحله گنجانده شده‌اند. زیرمدل چهارم، ماشین حساب معیار را برای چند ضلعی ها تکرار می کند و همچنین آنها را بر اساس طرح نمادشناسی “خوب”، “عادلانه” و “ضعیف” تجسم می کند. مدل فرعی سوم مقادیر نقطه را بر اساس چند ضلعی چمنزاری که نقطه در آن قرار دارد میانگین می دهد. مشاهدات برای هر نقطه بر اساس سال و گونه ها میانگین می شوند. تنها گونه‌هایی که پوشش مداوم 0 تا 100 درصد برای آنها جمع‌آوری شده است، به دلیل محدودیت‌های میانگین مقادیر پوشش طبقه‌بندی، در این مرحله گنجانده شده‌اند. زیرمدل چهارم، ماشین حساب معیار را برای چند ضلعی ها تکرار می کند و همچنین آنها را بر اساس طرح نمادشناسی “خوب”، “عادلانه” و “ضعیف” تجسم می کند.
این ابزار سه لایه کلاس ویژگی جداگانه را به عنوان خروجی ایجاد می کند: یک فایل نقطه ای از تمام کلاس های پوشش، یک کلاس ویژگی نقطه با تعیین های معیار، و یک کلاس ویژگی چند ضلعی از تعیین های معیار. هر کلاس ویژگی شامل تمام سال ها و گونه ها برای هر چندضلعی یا نقطه است.

2.3. نقشه برداری

هنگامی که داده ها پردازش شدند، خروجی های کلاس ویژگی را می توان در یک کلاس ویژگی وب ArcGIS آپلود کرد که امکان به روز رسانی مداوم را فراهم می کند. ArcPro می تواند لایه های ویژگی وب را در ArcGIS Online آپلود و بازنویسی کند ( شکل 5 ). با جمع‌آوری داده‌های بیشتر، می‌توان آن‌ها را به کلاس‌های ویژگی اضافه کرد، که لایه‌های ویژگی منطبق را بازنویسی می‌کند و در عین حال اتصال به سرویس‌ها را با استفاده از آن لایه‌ها حفظ می‌کند. پس از آپلود، نقشه های آنلاین به یک برنامه وب وارد شدند که از داده های مکانی ترکیب شده با مجموعه ای از تجسم های خارج از جعبه و عناصر تعاملی قابل تنظیم استفاده می کرد. پورتال ArcGIS Online می تواند به راحتی از طریق یک پیوند وب به اشتراک گذاشته شود، در حالی که همچنان از داده های منبع محافظت می کند. همچنین قابلیت افزودن منابع داده های مکانی مرتبط با مدیریت را دارد.

3. نتایج

با استفاده از پارک ملی تاریخی Valley Forge به عنوان یک مطالعه موردی، GMMT طیف گسترده ای از داده ها و تجسم های پوشش گونه های مفید را ارائه می دهد که راه های ساده و در عین حال روشنگری را برای درک توزیع گونه ها ارائه می دهد. سه روش خاص وجود دارد که GMMT به هدف اصلی برجسته کردن معیارها و تغییر گونه ها می رسد. اولین مورد تجسم معیارها برای درک اینکه آیا اقدامات مدیریت منجر به تغییر نتایج می شود یا خیر. دوم تجسم تفاوت بین جغرافیاهای مقیاس برای معیارها است. سومین مورد، درک روند گونه‌های غیر معیار است، که در آن تجسم طبقه‌بندی پوشش یک جزء حیاتی مدیریت است.
ما ابزار مدیریت علفزار را با ایجاد یک پایگاه داده از گونه های گیاهی مورد توجه آغاز کردیم و پنج سال نتایج بررسی های گذشته را در پایگاه داده و نقشه وب موجود گنجاندیم. پروتکل فوق با 27 گونه مورد استفاده قرار گرفت که 21 گونه از آنها گونه های گیاهی مهاجم و سه گونه بومی غیر مهاجم بودند. دو دسته گسترده دیگر جمع آوری شد: پوشش علفزار و فورب. همچنین داده‌ها برای پنج سال گذشته برای محاسبه معیارها در قالب فضایی آنلاین و فعال کردن تجزیه و تحلیل زمانی جمع‌آوری شد. علاوه بر این، پنج معیار به عنوان بخشی از اجرای VAFO ابزار مدیریت چمنزار محاسبه شد.
برنامه GMMT حاصل نیازهای VAFO را از طریق سه برنامه اصلی همراه با نقشه آنلاین برطرف کرد. اولین مورد مدیریت لایه ها ساده بود، که در آن لایه ها را می توان در صورت نیاز روشن یا خاموش کرد. این همچنین امکان مقایسه مقادیر چند ضلعی و نقطه ای را فراهم می کند. دومی مجموعه ای از فیلترها برای تعیین پوشش سال و گونه یا معیار بود. آخرین مجموعه ای از نمودارهای خطی بود که به سال و گونه انتخاب شده پاسخ می داد. نمودارهای خطی تجسم زمانی تغییرات بین سال های جمع آوری شده را ارائه می دهند.
در چارچوب VAFO از GMMT، چهار گونه مورد سنجش قرار گرفتند: بنفشه، خار مریم، علف شیر، پوشش علف بومی، و پنجمین معیار که به پوشش کل گونه های بومی نگاه می کند [ 32 ]. هر معیار دارای مقوله‌های «خوب»، «عادلانه» و «ضعیف» بود که نتایج قابل فهمی را ارائه می‌کرد. هر نقطه به ترتیب از طریق رنگ سبز، زرد و قرمز تجسم شد. در حالی که بیش از 180 مکان کل قطعه وجود داشت که می توانست در هر سال در پارک مورد استفاده قرار گیرد، داده ها هر سال در هر مکان جمع آوری نمی شد. اینها بر اساس سال فیلتر می شوند و به طور کلی، داده های پنج ساله در تجسم گنجانده شده است.
تجسم آماده از معیارها به کاربران امکان می دهد تغییرات هر سال را ببینند و تعداد هر معیار را در گوشه سمت راست بالا مقایسه کنند. هدف، ارائه تصویری به راحتی قابل رمزگشایی برای تسهیل تصمیم گیری های مدیریتی سریع است. در مورد VAFO، این به معنای درک تغییر در نمودارهای خاص بر اساس اقدامات مدیریتی در مقیاس بزرگتر است. گنجاندن معیارهای متعدد، مقایسه آسان مداخله یکسان در بین گونه های مختلف را تسهیل می کند. به عنوان مثال، آیا سوختگی تجویز شده باعث تغییر بین خار مریم و علف شیر در طی 1 تا 3 سال در یک مکان می شود؟ طرح مدیریت چمنزار Valley Forge خواستار پوشش خاصی از فورب در داخل پارک است. با محاسبه این در هر نقطه، ابزار می تواند این معیار را برای هر سال تجسم کند. در سال 2021، ( شکل 6) توازن نسبتاً یکنواختی از پوشش “خوب” و “بد” در سراسر پارک وجود داشت. این برنامه می‌تواند مکان‌های آن قطعه‌ها و تعداد آنها را در هر دسته برای یک سال تجسم کند.
دومین نتیجه تجسم استفاده از چند ضلعی ها و نقاط در تجسم های معیار مشابه است. پنج معیار بالا برای مقایسه دو مقیاس به یک میانگین چندضلعی تبدیل شدند. برخی از معیارها به‌عنوان معیارهایی در سطح علفزار شناسایی می‌شوند در حالی که برخی دیگر ممکن است مبتنی بر نقطه باشند، بسته به مقیاس فرآیند مورد تجزیه و تحلیل. برای مثال، پوشش گونه‌های بومی در سطح پارک ممکن است معیاری مفید نسبت به پوشش در یک قطعه خاص برای استفاده از منابع مالی یا منابع برای مدیریت باشد. تجسم چند مقیاسی ابزاری برای درک اینکه چرا و چگونه نتایج علفزار به صورت فضایی توزیع شده و مناطقی برای تمرکز مداخلات فراهم می کند. آنها همچنین ممکن است مناطق موفقیت و نقاط گرم / سرد را برجسته کنند. این در جایی رخ می دهد که یک چمنزار به عنوان “فقیر” محاسبه می شود، اما بسیاری از نقاط فردی به عنوان “خوب” محاسبه می شود. این تضاد مقیاس یک راه آسان برای اشاره به موفقیت کلی است در حالی که هنوز مناطقی را برای مشاهده بیشتر برجسته می کند. به عنوان مثال، مداخلات در سطح علفزار ممکن است در مورد پوشش گونه های بومی مفیدتر باشد. برای تجزیه و تحلیل تغییرات در مقیاس کوچک و تغییرات در سطح علفزار، می توان دو معیار را همپوشانی کرد (شکل 7 ). در این مورد، در سال 2019 مناطق جمع‌آوری‌شده پوشش گونه‌های بومی خوبی را بر اساس معیارهای علفزار نشان دادند. تجزیه و تحلیل همپوشانی به مدیران اجازه می دهد تا مناطق متوسط ​​و ضعیف را در مراتع با عملکرد خوب برجسته کنند تا بفهمند کجا و چرا نابرابری ها رخ می دهد.
در آخر، ابزار GMMT تجسم پوشش جامعی را برای انواع گونه‌های غیر معیاری ارائه می‌کند. هر گونه غیر معیار در 9 کلاس پوشش نشان داده شده است، که به راحتی قابل تشخیص اما به اندازه کافی پیچیده از پوشش ارائه می کند. هر گونه هر سال در هر نقطه جمع آوری نمی شد، اما هر گونه در تمام پنج سال نشان داده می شد. ابزار GMMT فیلتر کردن سال و گونه‌ها را فراهم می‌کند و امکان مقایسه نتایج را در هر دو طیف فراهم می‌کند. یک نمودار خطی نشان دهنده میانگین تغییر در پوشش در طول زمان برای هر گونه است. در صورت نیاز، این تجسم‌های نقطه‌ای را می‌توان با نقاط معیار یا چند ضلعی‌های چمنزار برای مقایسه مقادیر همپوشانی کرد. این ابزارها می توانند به رمزگشایی کمک کنند که آیا نتایج مورد نظر سال به سال محقق می شود، یا اگر مناطق خاصی در پارک نیاز به مطالعه بیشتر یا تکرار در مناطق دیگر دارد. با استفاده از گونه مهاجم Oriental Bittersweet به عنوان مثال، ابزار GMMT آنلاین دارای گزینه ای برای فیلتر کردن سریع سال 2021 و استفاده از کد USDA برای Oriental Bittersweet “CEOR7” برای برجسته کردن پوشش گونه برای سال معین است.شکل 5 ). برنامه وب GMMT کاهش پوشش CEOR7 از سال 2018 تا 2019 و پوشش نسبتاً یکنواخت را برای سال های باقی مانده نشان می دهد. این می تواند نشان دهنده مداخلات موثر باشد، با این حال کاوش بیشتر در داده ها می تواند روشنگر بیشتری باشد. در این مورد، سال های 2018 تا 2019 میانگین تغییرات را نشان می دهد، اما نگاهی به نقشه های هر یک از آن سال ها نشان می دهد که داده ها در مناطق مختلف پارک جمع آوری شده است. در صورت نیاز به تجزیه و تحلیل بیشتر، ممکن است نقاط فردی مستقیماً از طریق رابط مورد بررسی قرار گیرند.

4. بحث

در این مطالعه، عملکرد، طراحی و کاربرد ابزار مدیریت مراتع مکانی (GMMT)، یک مجموعه ابزار مکانی است که یک گردش کار پایان به انتها را برای نظارت بر گونه‌های مهاجم، ادغام بررسی‌های میدانی در پایگاه داده و نقشه وب ایجاد می‌کند. این ابزار قدرت ابزارهای GIS در مقیاس سازمانی را با ارزش بررسی‌های روی زمین ترکیب می‌کند و ابزاری یکپارچه برای ردیابی پیشرفت در برابر معیارهای تعیین‌شده ارائه می‌دهد. ما این جعبه ابزار را در برنامه مدیریت چمنزار پارک ملی تاریخی Valley Forge به صورت آزمایشی اجرا کردیم و توانایی این ابزار را برای تجزیه و تحلیل و نمایش داده‌های پوشش گونه‌های مکانی و زمانی پیچیده، و حذف دست‌وجور ورود داده‌ها و مراحل مدیریت برای سازمان‌های مدیریت زمین دولتی با محدودیت منابع نشان دادیم.
جزء فضایی منحصر به فرد GMMT دو بینش عمده برای داده های مدیریتی ارائه می دهد. اول، تجسم زمانی گونه‌ها را که به راحتی قابل مقایسه است، فراهم می‌کند، که یک جزء حیاتی برای مقایسه مدیریت طی چندین سال است. برنامه وب با استفاده از یک نمودار خطی بر اساس گونه های انتخاب شده، پوشش متوسط ​​قابل مقایسه ای را به راحتی ارائه می دهد. این یک روش سریع برای تجزیه و تحلیل دینامیک زمانی یک گونه خاص بدون نیاز به عملکردهای پیچیده برای تغییر دید لایه برای پنج سال جداگانه ایجاد می کند. برای مقایسه نمودارهای جداگانه، می توان به راحتی پنجره های پاپ آپ را برای شناسایی تغییرات پیمایش کرد.
دوم، مولفه فضایی خروجی ها فرصت مقایسه مقیاس های فضایی متعدد را به طور همزمان فراهم می کند. این ابزار یک محاسبه معیار را بر اساس میانگین پوشش گونه های مشخص شده در مراتع ارائه می دهد و این علفزارها را می توان در مقایسه با هر یک از داده های نقطه ای موجود استفاده کرد. این یک تجسم ساده اما قدرتمند برای شناسایی مناطق موفقیت یا بهبود مورد نیاز را فراهم می کند، زیرا تجسم چند مقیاسی یک نتیجه مهم از مداخلات گونه ها است که به تصمیم گیری های مدیریتی با مقیاس مناسب کمک می کند [ 33 ]]. هنگامی که معیارهایی برای سطح چمنزار ذکر می شود، این برای برجسته کردن مناطق مداخله احتمالی در سطح طرح مفید است. مقایسه به ویژه برای درک موفقیت استراتژی های مداخله در سطوح چندگانه مهم است، زیرا برخی از مداخلات ممکن است در سطح طرح متمرکز شوند، در حالی که برخی دیگر در سطح چمنزار. با این حال، نقشه‌برداری چند مقیاسی می‌تواند بینشی در مورد اثربخشی مداخله و مقیاس‌های تأثیر هر مداخله ارائه دهد.
فراتر از این مثال های خاص، مزایای متعددی از GMMT نسبت به جمع آوری داده های غیر دیجیتالی وجود دارد. اول، توانایی ادغام مشاهدات میدانی به طور مستقیم در گردش کار GMMT است. استفاده از Survey123 به این معنی است که داده‌های جمع‌آوری‌شده در AGOL ذخیره می‌شوند، جایی که می‌توان آن‌ها را مستقیماً تحلیل و نقشه‌برداری کرد و برای ادغام در جریان کار در دسترس هستند. این همچنین به این معنی است که هر دستگاهی که بتواند برنامه Survey123 را نصب کند می تواند بدون اتصال به اینترنت در زمینه جمع آوری استفاده شود.
از آنجایی که نظرسنجی مستقل است، کاربران غیر GIS می توانند بدون نیاز به یادگیری نرم افزار یا ویژگی های فنی دستگاه جمع آوری GPS از Survey123 استفاده کنند. این یک مزیت بزرگ برای جمع‌آوری داده‌ها است، زیرا کارکنان آموزش‌دیده فنی، مانند کارآموزان تابستانی یا داوطلبان، می‌توانند این کار را انجام دهند. علاوه بر این، استفاده از مجموعه دیجیتال به عنوان بخشی از ابزار مدیریت مراتع، ادغام بهتری را در اکوسیستم دیجیتال انتخاب شده ایجاد می کند. این تکرار از ابزار با استفاده از ArcGIS، گنجاندن داده‌های جمع‌آوری‌شده در تمام مراحل ابزار را ارتقا می‌دهد. به عنوان مثال، زمانی که تکنسین ها از راه دور داده های میدانی را جمع آوری می کنند، می توان به داده های گذشته دسترسی داشت. فراتر از استفاده از داده های جمع آوری شده در ابزار، این ابزار امکان دسترسی سریع به داده ها و برنامه های کاربردی مبتنی بر ابر در دستگاه های تلفن همراه را فراهم می کند.
یکی دیگر از مزایای این ابزار، توانایی تجسم سریع و کارآمد داده ها از چندین سال نظرسنجی است. از آنجایی که داده‌ها در یک پایگاه داده جمع‌آوری و ذخیره می‌شوند، داده‌ها را می‌توان در صورت نیاز مشاهده کرد و چندین سال را می‌توان به طور همزمان تجزیه و تحلیل کرد. جمع آوری داده های چند ساله یک پایگاه داده قوی ایجاد می کند که ردیابی جامع تغییرات گونه ها را ایجاد می کند. داده های بیشتر به معنای توانایی بهتر برای تصمیم گیری و دیدن تأثیرات تلاش های چند ساله است. یکی از مزایای اصلی یکپارچه سازی داده ها در VAFO – و به طور کلی در خدمات پارک ملی – این است که اقدامات مدیریتی ذاتاً فضایی هستند و در قالب داده های مکانی ثبت می شوند. اینها شامل آتش سوزی و لایه های آتش سوزی تجویز شده، زیرساخت ها، حذف پوشش گیاهی، نگهداری و غیره است. در حالی که هدف اصلی ارزیابی اثربخشی اقدامات مدیریت است، لایه های دیگر زمینه را برای تغییراتی فراهم می کنند که در غیر این صورت در بررسی یک سال کار میدانی قابل تشخیص نیستند. توانایی جابه‌جایی بین معیارها و گونه‌ها در حالی که تجسم مقیاس‌های چندگانه به طور همزمان، گزارش‌دهی و تصمیم‌گیری را به فرآیند مؤثرتری تبدیل می‌کند. پایگاه‌های اطلاعاتی دقیق باید از جایی شروع شود و حتی تلاش‌های جمع‌آوری داده‌ها برای اولین بار با GMMT به کاربران اجازه می‌دهد تا داده‌های میدانی را با لایه‌های فضایی دیگر ادغام کنند و مقیاس‌های فضایی متعدد را مقایسه کنند. علاوه بر این، تکرارهای اولیه این ابزار امکان تجسم «بررسی روده» را برای مدیران داده‌ها هم از نظر اینکه چه داده‌هایی ارائه کنند و چه داده‌هایی برای تأیید اعتبار فراهم می‌کند. توانایی جابه‌جایی بین معیارها و گونه‌ها در حالی که تجسم مقیاس‌های چندگانه به طور همزمان، گزارش‌دهی و تصمیم‌گیری را به فرآیند مؤثرتری تبدیل می‌کند. پایگاه‌های اطلاعاتی دقیق باید از جایی شروع شود و حتی تلاش‌های جمع‌آوری داده‌ها برای اولین بار با GMMT به کاربران اجازه می‌دهد تا داده‌های میدانی را با لایه‌های فضایی دیگر ادغام کنند و مقیاس‌های فضایی متعدد را مقایسه کنند. علاوه بر این، تکرارهای اولیه این ابزار امکان تجسم «بررسی روده» را برای مدیران داده‌ها هم از نظر اینکه چه داده‌هایی ارائه کنند و چه داده‌هایی برای تأیید اعتبار فراهم می‌کند. توانایی جابه‌جایی بین معیارها و گونه‌ها در حالی که تجسم مقیاس‌های چندگانه به طور همزمان، گزارش‌دهی و تصمیم‌گیری را به فرآیند مؤثرتری تبدیل می‌کند. پایگاه‌های اطلاعاتی دقیق باید از جایی شروع شود و حتی تلاش‌های جمع‌آوری داده‌ها برای اولین بار با GMMT به کاربران اجازه می‌دهد تا داده‌های میدانی را با لایه‌های فضایی دیگر ادغام کنند و مقیاس‌های فضایی متعدد را مقایسه کنند. علاوه بر این، تکرارهای اولیه این ابزار امکان تجسم «بررسی روده» را برای مدیران داده‌ها هم از نظر اینکه چه داده‌هایی ارائه کنند و چه داده‌هایی برای تأیید اعتبار فراهم می‌کند.30 ].

4.1. تحقیقات آینده / اضافات به ابزار

4.1.1. اتوماسیون کامل

پیشرفت بالقوه اولیه برای این ابزار، اتوماسیون کامل سه فرآیند اصلی خواهد بود. محاسبه خودکار معیارها در حین جمع‌آوری داده‌ها، مزایای درون‌زمینی و تجسمی را نسبت به مجموعه‌های کاغذی و GMMT فراهم می‌کند. به ویژه، توانایی درک تغییر در مقایسه با سال‌های گذشته، و جمع‌آوری داده‌های دیگر در صورت نیاز بر اساس نتایج بلادرنگ مفید بوده است. با این حال، یکی از مزیت‌های اصلی GMMT در تکرار فعلی آن، مدولار بودن ساختار است که امکان عیب‌یابی و همچنین سفارشی‌سازی آسان گردش‌های کاری مقیاس‌شده مدل را در صورت نیاز فراهم می‌کند [ 34 ]]. یک سیستم کاملاً خودکار باید توانایی استفاده از هر بخش را به طور مستقل یا با هم در صورت نیاز نشان دهد. یک گزینه می تواند ادغام زبان های برنامه نویسی با برنامه کامل، به جای ابزارهای خارج از جعبه مانند ArcGIS باشد. مبادله عبارت است از سهولت ادغام کامل با داده های مکانی موسسه یا آژانس معین، و تخصص فنی مورد نیاز برای توسعه و نگهداری در مقایسه با سیستم هایی مانند ArcGIS.
4.1.2. تجسم
یکی دیگر از جنبه های مهم بهبود GMMT، بازاندیشی تجسم زمانی برای نقاط فردی است. تجسم تغییر در طول زمان برای یک نقطه خاص بهینه سازی برای انتشار و وضوح اطلاعات دشوار است. ابزار GMMT از لایه‌های جداگانه‌ای استفاده می‌کند که کاربران می‌توانند آن‌ها را روشن و خاموش کنند، در حالی که شامل اطلاعات تکمیلی مانند نمودارهای خطی برای تجسم سریع اطلاعات است. تکنیک‌های تجسم، مانند طرح‌های نمادشناسی دو متغیره را می‌توان برای مقایسه ویژگی‌های سه در سه یا چهار در چهار پوشش‌ها استفاده کرد و برای نقشه‌برداری سری‌های زمانی مناسب است [ 35 ، 36 ]]. با این حال، گنجاندن این مقایسه‌ها در حال حاضر در AGOL به دلیل حجم داده‌های مورد نیاز برای مقایسه چندین متغیر در دسترس نیست. علاوه بر این، تجسم در حین پرواز نیز در حال حاضر در AGOL در دسترس نیست. برای مثال، ویژگی‌های مختلف را نمی‌توان برای مقایسه انتخاب کرد، مانند انتخاب دو سال برای یک گونه خاص برای مقایسه سریع بر اساس یک طرح رنگی دو متغیره. برای این کار باید هر ترکیبی از داده ها از قبل تعیین شود و سپس همه ترکیب ها در AGOL بارگذاری شوند. مشکل فنی را می توان با ایجاد یک برنامه کاربردی از پایه حل کرد، اما برای انجام آن به توانایی فنی و منابع نیاز دارد. با این حال، کار بیشتر بر روی درک بهترین راه برای تجسم تغییرات زمانی در مقیاس‌های چندگانه برای داده‌های جغرافیایی در یک پلت فرم ساده‌شده می‌تواند برای برنامه‌هایی مانند GMMT مفید باشد.
4.1.3. منبع باز و علوم شهروندی
یکی از اجزای اصلی GMMT، اجرای شیوه‌های داده منبع باز به عنوان بخشی از تلاش مستمر برای افزایش اشتراک داده‌ها، مدل‌ها و فرآیندها است. این ابزار مدل با ماژولار توسعه داده شد، روشی رایج برای اطمینان از دسترسی و ویرایش ابزارها در صورت نیاز [ 34]. این بدان معناست که می‌توان از مدل‌های فرعی از مدل ArcPro استفاده کرد، یا بخش Survey123 ممکن است برای هر مجموعه میدانی بدون نیاز به محاسبه و نقشه‌برداری اضافی استفاده شود. جعبه ابزار و ساختار ArcGIS را می توان در صورت نیاز به اشتراک گذاشت و توسعه داد، اما فقط از طریق اکوسیستم ArcGIS. تکرارهای بیشتر این ابزارها را می توان به گونه ای توسعه داد که در آن مدل ها را بتوان به اشتراک گذاشت و در بین پلتفرم ها و انواع داده ها استفاده کرد. این را می توان از طریق تکنیک هایی مانند استفاده از کدهای کاملاً متن باز با مستندات دقیق انجام داد. علم باز همچنین برای مشارکت در علم عمومی، به ویژه علم شهروندی مورد توجه قرار می گیرد [ 31]. در حالی که GMMT برای ارائه تجزیه و تحلیل داده‌های داخلی با تجسم داده‌ها مفهوم‌سازی شده بود، یک فرآیند دانش شهروندی منبع باز امکان ادغام کامل داده‌های جمع‌آوری‌شده از جمع‌آوری تا تجسم داده‌ها را فراهم می‌کند. این به پارک‌ها اجازه می‌دهد تا در صورت تمایل بتوانند داوطلبان (یا کارشناسان غیرمکانی) را پیاده‌سازی کنند زیرا داده‌ها بدون پردازش جمع‌آوری می‌شوند. این فراتر از یک مجموعه ساده از داده ها برای پارک ها نیز هست. این ابزار می‌تواند برای کمک به جمع‌آوری داده‌های مربوط به گونه‌های مهاجم در یک محیط علمی شهروندی به کار گرفته شود، زیرا فرآیند استاندارد و ابزارهای نقشه‌برداری را می‌توان برای تناسب با نیازهای یک پروژه مقیاس‌پذیر یا سیستم اشتراک داده تغییر داد [ 37 ].

5. نتیجه گیری ها

ابزار GMMT یک گردش کار جغرافیایی مبتنی بر وب را فراهم می کند که روشی ساده و موثر برای جمع آوری، محاسبه و تجسم داده های گونه ها ارائه می دهد. این نیازهای مدیران را با ایجاد مکرر یک پایگاه داده مدیریتی که به راحتی قابل اشتراک گذاری است و به اندازه کافی ساده است که نیازی به متخصصان زمین فضایی ندارد، برطرف می کند. این کاربر را قادر می سازد تا به سرعت در مورد یافته ها گزارش دهد و داده های چند ساله را بدون نیاز به محاسبات گسترده یا دستکاری داده ها بررسی کند. علاوه بر این، می توان آن را برای رفع نیازهای گونه های مختلف، مناظر و برنامه های مدیریتی تغییر داد. این ابزار به عنوان یک چارچوب همچنین می‌تواند در یک اکوسیستم اشتراک‌گذاری داده ارزشمند باشد، مانند رویکرد علم شهروند منبع باز، که می‌تواند توسط افراد غیرمتخصص برای گونه‌های مهاجم (یا سایر پروژه‌های جمع‌آوری داده‌های فضایی) استفاده شود. این داده ها را می توان آشکارا به اشتراک گذاشت و می تواند شکاف بین تجسم آسان و دانش تخصصی را پر کند. در هر استفاده ای، GMMT نیاز به یکپارچه سازی جمع آوری و به اشتراک گذاری داده ها را به عنوان مسیری برای مقابله با تهدید فزاینده گونه های مهاجم در یک چارچوب قابل تغییر، مورد توجه قرار می دهد.

منابع

  1. کولول، آر. اوری، اس. برگر، جی. دیویس، جنرال الکتریک؛ همیلتون، اچ. لاوجوی، تی. مالکوم، اس. مک مولن، ا. نواچک، ام. رابرتز، RJ; و همکاران بازبینی لئوپولد: مدیریت منابع در پارک‌های ملی Natl. پارک سیست. 2014 ، 20 ، 15-24. [ Google Scholar ] [ CrossRef ]
  2. گونزالس، پ. وانگ، اف. نوتارو، م. ویمونت، دی جی؛ ویلیامز، جی دبلیو بزرگی نامتناسب تغییرات آب و هوایی در پارک های ملی ایالات متحده. محیط زیست Res. Lett. 2018 ، 13 ، 104001. [ Google Scholar ] [ CrossRef ]
  3. هانسن، ای جی; پیکیلک، ن. دیویس، سی. هاس، جی. تئوبالد، دی.م. گراس، JE; موناهان، WB; اولیف، تی. در حال اجرا، قرار گرفتن در معرض جنوب غربی پارک های ملی ایالات متحده در استفاده از زمین و تغییرات آب و هوایی 1900-2100. Ecol. Appl. 2014 ، 24 ، 484-502. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. جانتراسمی، ال سی; لاولر، جی جی. توماس، CW موانع نهادی برای سازگاری با تغییرات اقلیمی در پارک‌ها و جنگل‌های ملی ایالات متحده. Ecol. Soc. 2010 ، 15 ، 33. [ Google Scholar ] [ CrossRef ]
  5. گیمی، یو. اشمیت، اس ال. هاوبکر، تی جی؛ آلکانترا، سی. گافورت، یو. Radeloff، VC توسعه فزاینده در اطراف هلدینگ های خدمات پارک ملی ایالات متحده، اثربخشی پارک را به خطر می اندازد. جی. محیط زیست. مدیریت 2011 ، 92 ، 229-239. [ Google Scholar ] [ CrossRef ]
  6. Dayer، AA; ردفورد، KH; کمپبل، کی جی. دیکمن، CR; اپانچین-نیل، RS; Grosholz، ED; هالاک، دی. لزلی، EF; ریچاردسون، لس آنجلس؛ شوارتز، MW تهدید بی‌خبر حیوانات مهاجم در پارک‌های ملی ایالات متحده. Biol. تهاجمات 2020 ، 22 ، 177-188. [ Google Scholar ] [ CrossRef ]
  7. پیمنتل، دی. زونیگا، ر. موریسون، دی. به روز رسانی در مورد هزینه های زیست محیطی و اقتصادی مرتبط با گونه های مهاجم بیگانه در ایالات متحده. Ecol. اقتصاد 2005 ، 52 ، 273-288. [ Google Scholar ] [ CrossRef ]
  8. Aukema, JE; لیونگ، بی. کواچ، ک. چیورز، سی. بریتون، KO; انگلین، جی. فرانکل، اس جی. هایت، آر جی. هلمز، تی پی؛ لیبهلد، AM; و همکاران اثرات اقتصادی حشرات جنگلی غیربومی در قاره ایالات متحده. PLoS ONE 2011 ، 6 ، e24587. [ Google Scholar ] [ CrossRef ]
  9. Huxel، GR جابجایی سریع گونه های بومی توسط گونه های مهاجم: اثرات هیبریداسیون. Biol. حفظ کنید. 1999 ، 89 ، 143-152. [ Google Scholar ] [ CrossRef ]
  10. دوکس، جی اس. مونی، HA اختلال در فرآیندهای اکوسیستم در غرب آمریکای شمالی توسط گونه های مهاجم. کشیش چیل. تاریخچه نات 2004 ، 77 ، 411-437. [ Google Scholar ] [ CrossRef ]
  11. الکساندر، جی.ام. فرانکل، اس جی. هاپنر، ن. فیلیپس، جی ال. Dupuis, V. کار در فرهنگ ها برای محافظت از منابع طبیعی و فرهنگی بومیان آمریکا در برابر گونه های مهاجم در کالیفرنیا. جی. برای. 2016 ، 115 ، 473-479. [ Google Scholar ] [ CrossRef ]
  12. شارپ، RL; لارسون، ال آر. عوامل سبز، GT موثر بر ترجیحات عمومی برای مدیریت گونه های بیگانه مهاجم. Biol. حفظ کنید. 2011 ، 144 ، 2097-2104. [ Google Scholar ] [ CrossRef ]
  13. ریزر، JK; Burgiel، SW; کرکی، جی. برانتلی، کالیفرنیا؛ Veatch، SD; بورگوس-رودریگز، جی. تشخیص زودهنگام و پاسخ سریع (EDRR) به گونه‌های مهاجم: چارچوب مفهومی و ارزیابی ظرفیت‌های فدرال. Biol. تهاجمات 2020 ، 22 ، 1-19. [ Google Scholar ] [ CrossRef ]
  14. Wotton، BM; ناک، کالیفرنیا؛ Flannigan، MD وقوع آتش سوزی جنگل و تغییرات آب و هوا در کانادا. بین المللی J. Wildland Fire 2010 ، 19 ، 253-271. [ Google Scholar ] [ CrossRef ]
  15. Lodge, DM; ویلیامز، اس. مک ایزاک، HJ تهاجمات بیولوژیکی: توصیه هایی برای سیاست و مدیریت ایالات متحده. Ecol. Appl. 2006 ، 16 ، 2035-2054. [ Google Scholar ] [ CrossRef ]
  16. Ansson، RJ، Jr. پارک‌های ملی ما پر از جمعیت، کمبود بودجه، و محاصره شده با هزاران مشکل آزاردهنده: چگونه می‌توانیم به بهترین نحو سیستم پارک ملی در معرض خطر خود را تامین کنیم. J. محیط کاربری زمین. قانون 1998 ، 14 ، 1. [ Google Scholar ]
  17. والز، ام. اقتصاد سیستم پارک ملی ایالات متحده: چالش‌های ارزش‌ها، تأمین مالی و مدیریت منابع. آنو. کشیش رسور. اقتصاد 2022 ، 14 ، 579-596. [ Google Scholar ] [ CrossRef ]
  18. وکومانوویچ، جی. راندال، جی. روند تحقیقات در پارک های ملی ایالات متحده، “آزمایشگاه های زنده” جهان. حفظ کنید. علمی تمرین کنید. 2021 ، 3 ، 1-15. [ Google Scholar ] [ CrossRef ]
  19. استیونسون، دکتر Rossmo، DK; Knell، RJ; Le Comber، SC پروفایل جغرافیایی به عنوان یک ابزار فضایی جدید برای هدف قرار دادن کنترل گونه های مهاجم. اکوگرافی 2012 ، 35 ، 704-715. [ Google Scholar ] [ CrossRef ]
  20. اپانچین-نیل، RS; هایت، آر جی. برک، ال. کین، جی.ام. Liebhold، AM بهینه نظارت و ریشه کنی گونه های مهاجم در مناظر ناهمگن. Ecol. Lett. 2012 ، 15 ، 803-812. [ Google Scholar ] [ CrossRef ]
  21. نوبرت، ام جی; پارکر، نرخ های گسترش IM را برای گونه های مهاجم پیش بینی می کند. ریسک مقعدی 2004 ، 24 ، 817-831. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  22. اپانچین-نیل، RS; Wilen، JE مدیریت فردی و مشارکتی گونه های مهاجم در مناظر با واسطه انسان. صبح. جی. آگریک. اقتصاد 2015 ، 97 ، 180-198. [ Google Scholar ] [ CrossRef ]
  23. انگلیسی، NC; ووکومانوویچ، جی. تجسم زمان، مکان و چگونگی وقوع آتش سوزی در پارک ها و مناطق حفاظت شده ایالات متحده. ISPRS Int. J. Geo Inf. 2020 ، 9 ، 333. [ Google Scholar ] [ CrossRef ]
  24. نارومالانی، س. Mishra, DR; ویلسون، آر. ریس، پی. کوهلر، A. شناسایی و نقشه برداری چهار گونه مهاجم در امتداد دشت سیلابی رودخانه نورث پلات، نبراسکا. Weed Technol. 2009 ، 23 ، 99-107. [ Google Scholar ] [ CrossRef ]
  25. هولکامب، تی. استولگرن، تی جی; Jarnevich، C. مدیریت گونه های مهاجم و تحقیقات با استفاده از GIS. در مجموعه مقالات مدیریت گونه های مهاجم مهره داران، فورت کالینز، CO، ایالات متحده آمریکا، 7 تا 9 اوت 2007. [ Google Scholar ]
  26. Skurka Darin، جنرال موتورز; شونیگ، اس. بارنی، JN; Panetta، FD; DiTomaso، JM WHIPPET: ابزاری جدید برای اولویت‌بندی جمعیت‌های گیاه مهاجم برای ریشه‌کنی منطقه‌ای. جی. محیط زیست. مدیریت 2011 ، 92 ، 131-139. [ Google Scholar ] [ CrossRef ]
  27. Lookingbill، TR; کوچک، ES; بوکاچ، ن. فراری، جی آر؛ Wainger، LA گنجاندن خطر تهاجم مجدد برای اولویت بندی سایت ها برای مدیریت گونه های مهاجم. نات مناطق J. 2014 ، 34 ، 268-281. [ Google Scholar ] [ CrossRef ]
  28. آگوستینی فرانته، دی. وکومانوویچ، جی. هوشمند، LS کشف روندها و سوگیری های فضایی تحقیقات در پارک ملی ایالات متحده. پایداری 2021 ، 13 ، 11961. [ Google Scholar ] [ CrossRef ]
  29. موریسون، خطای ناظر LW در بررسی‌های گیاهی: مروری. J. Plant Ecol. 2015 ، 9 ، 367-379. [ Google Scholar ] [ CrossRef ]
  30. انگلستاد، پ. جارنویچ، سی.اس. هوگان، تی. Sofaer, HR; پیرس، IS; Sieracki، JL; فریکز، ن. سالیوان، جی. جوان، NE; Prevéy، JS; و همکاران INHABIT: یک ابزار پشتیبانی تصمیم مبتنی بر وب برای تجسم و ارزیابی زیستگاه گونه‌های گیاهی مهاجم در سراسر ایالات متحده. PLoS ONE 2022 , 17 , e0263056. [ Google Scholar ] [ CrossRef ]
  31. بانی، آر. کوپر، سی بی؛ دیکنسون، جی. کلینگ، اس. فیلیپس، تی. روزنبرگ، KV; Shirk, J. Citizen Science: ابزاری در حال توسعه برای گسترش دانش علم و سواد علمی. Bioscience 2009 ، 59 ، 977-984. [ Google Scholar ] [ CrossRef ]
  32. لاتهام، آر. شرایط مطلوب علفزارها و مراتع در پارک ملی تاریخی ولی فورج . خدمات پارک ملی: واشنگتن، دی سی، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  33. رینکه، ک. جونز، اس. یکپارچه سازی بررسی های میدانی پوشش گیاهی با داده های سنجش از راه دور. Ecol. مدیریت بازگرداندن. 2006 ، 7 ، S18–S23. [ Google Scholar ] [ CrossRef ]
  34. ریجرز، اچ. مندلینگ، جی. مدولاریت در مدل‌های فرآیند: بررسی و اثرات. در مجموعه مقالات مدیریت فرآیند کسب و کار; Springer: برلین/هایدلبرگ، آلمان، 2008; ص 20-35. [ Google Scholar ]
  35. استرود، جی. مسیف، وی. تورنتون، بی. جرز، م. تریکاریکو، تی. McAlear، T. Geovisualization استفاده از زمین فلوریدا با استفاده از نقشه برداری دو متغیره، افسانه های آماری، و تجزیه و تحلیل بصری. فلا. Geogr. 2019 ، 51 ، 1-16. [ Google Scholar ]
  36. شرودر، نقشه‌های روند دو جزئی JP: رویکردی چند متغیره برای تجسم سری‌های زمانی جغرافیایی. کارتوگر. Geogr. Inf. علمی 2010 ، 37 ، 169-187. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  37. کرال، AW؛ نیومن، جی جی; جارنویچ، سی.اس. استولگرن، تی جی; والر، دی.م. Graham, J. بهبود و یکپارچه سازی داده ها در مورد گونه های مهاجم جمع آوری شده توسط شهروندان دانشمندان. Biol. Invasions 2010 , 12 , 3419-3428. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00525 g001 550
شکل 1. پارک ملی تاریخی ولی فورج 3500 هکتاری (طرح سیاه) در نزدیکی فیلادلفیا، پنسیلوانیا، ایالات متحده آمریکا واقع شده است.
Ijgi 11 00525 g002 550
شکل 2. گردش کار و نرم افزار مورد استفاده در GMMT. مدل پردازش داده و مدل‌های فرعی در ModelBuilder در ArcPro ایجاد شدند.
Ijgi 11 00525 g003 550
شکل 3. ورودی Survey123 برای سوزاندن بوش (EUAL). این صفحه نام و تصویر گونه و یک گزینه کشویی برای پوشش گونه ها در یک نقطه خاص را نشان می دهد. این تصویر از یک برنامه تلفن همراه Survey123 گرفته شده است.
Ijgi 11 00525 g004 550
شکل 4. مدل ساز ArcPro شامل چهار زیرمدل اصلی است. مدل فرعی 1 واردات داده های مشاهده و پیوستن داده ها به هندسه نقطه را مشخص می کند. مدل فرعی 2 محاسبه معیارهای گونه برای نقاط را مشخص می کند. مدل فرعی 3 میانگین گیری مقادیر نقطه ای را توسط چمنزار مشخص می کند. و مدل فرعی 4 محاسبه معیارهای گونه برای مراتع را مشخص می کند.
Ijgi 11 00525 g005 550
شکل 5. نرم افزار نقشه آنلاین ArcGIS ابزار مدیریت زمین فضایی Valley Forge Meadow Management Tool (GMMT). نقشه پوشش گونه مهاجم تلخ و شیرین شرقی را نشان می دهد. بالا سمت چپ شامل لیست لایه است. وسط سمت چپ شامل گزینه های فیلتر است. بالا سمت راست شامل میانگین پوشش در سال جمع‌آوری‌شده است و سمت راست پایین حاوی افسانه برای همه لایه‌های روشن است.
Ijgi 11 00525 g006 550
شکل 6. ابزار آنلاین GMMT نمایشی از معیارهای پوشش forb را نشان می دهد. سبز نشان دهنده نقاطی است که معیارهای “خوب” را نشان می دهد، در حالی که قرمز نشان دهنده معیارهای “ضعیف” است. بالا سمت راست تعداد کل امتیازها را برای هر معیار نشان می دهد.
Ijgi 11 00525 g007 550
شکل 7. ابزار آنلاین GMMT نمایشی از معیارهای پوشش گونه های بومی را در لایه های نقطه ای و چمنزاری نشان می دهد. سبز نشان دهنده نقاطی است که پوشش/حضور “خوب” را نشان می دهد، در حالی که قرمز نشان دهنده پوشش / حضور “ضعیف” است. معیارها توسط کاربر تعریف می شوند (قابل تنظیم) و بر اساس گونه یا جامعه متفاوت هستند. بالا سمت راست تعداد کل امتیازها را برای هر معیار نشان می دهد.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید