رویکرد زمین‌آماری برای نقشه‌برداری مناسبت مکان جنگل‌های حرا تخریب‌شده در دلتای ماهاکام، اندونزی

چکیده

به عنوان بخشی از راهنمایی عملیاتی احیای جنگل حرا در دلتای ماهاکام، اندونزی، نقشه‌برداری مناسب بودن مکان برای 14 گونه حرا با ترکیب 4 عامل اساسی – خاک رس، ماسه، شوری و طغیان جزر و مدی مدل‌سازی شد. تجزیه و تحلیل Semivariogram و یک سیستم اطلاعات جغرافیایی (GIS) برای اعمال یک مدل مناسب سایت استفاده شد، در حالی که درون یابی کریجینگ لایه های سطحی را بر اساس جمع آوری داده های نقطه نمونه ایجاد کرد. نقشه طغیان جزر و مدی از جدول جزر و مد و مدل رقومی ارتفاع از نقشه های توپوگرافی استخراج شده است. نقشه‌های نهایی تناسب مکان با استفاده از تکنیک تحلیل فضایی، با پوشش تمامی لایه‌های سطحی تهیه شد. ما از یک مدل گاوسی برای تنظیم یک نمودار نیمه متغیری استفاده کردیم تا به درک تغییرات مقادیر داده های نمونه کمک کنیم. و ایجاد یک لایه سطحی طبیعی از توزیع داده ها در منطقه مورد مطالعه. با بررسی ارزش آماری و بازرسی بصری لایه‌های سطحی، مشاهده کردیم که مدل‌ها با رفتار داده‌های مورد انتظار مطابقت دارند. بنابراین، ما فرض کردیم که درونیابی به درستی انجام شده است. نقشه تناسب سایت ما نشان داد که گونه Avicennia مناسب‌ترین گونه بوده و با 50 درصد منطقه مورد مطالعه مطابقت دارد و پس از آن Nypa fruticans که حدود 42 درصد را اشغال کرده است. این نتایج در واقع با الگوی پهنه بندی حرا در منطقه قبل از جنگل زدایی و تبدیل سازگار بود. نقشه تناسب سایت ما نشان داد که گونه Avicennia مناسب‌ترین گونه بوده و با 50 درصد منطقه مورد مطالعه مطابقت دارد و پس از آن Nypa fruticans که حدود 42 درصد را اشغال کرده است. این نتایج در واقع با الگوی پهنه بندی حرا در منطقه قبل از جنگل زدایی و تبدیل سازگار بود. نقشه تناسب سایت ما نشان داد که گونه Avicennia مناسب‌ترین گونه بوده و با 50 درصد منطقه مورد مطالعه مطابقت دارد و پس از آن Nypa fruticans که حدود 42 درصد را اشغال کرده است. این نتایج در واقع با الگوی پهنه بندی حرا در منطقه قبل از جنگل زدایی و تبدیل سازگار بود.

1. مقدمه

دلتای ماهاکام در دهانه رودخانه ماهاکام در ساحل شرقی کالیمانتان اندونزی واقع شده است. با احتساب کانال های توزیعی و بین توزیعی، دشت دلتا مساحتی معادل 1500 کیلومتر مربع را پوشش می ^دهد . در ابتدا توسط حرا متراکم پوشیده شده بود که عمدتاً از گونه های Avicennia، Sonneratia، Rhizophora و Nypa و حراهای آب شیرین تشکیل شده بود [ 1 ]. این اکوسیستم از زمان معرفی پرورش میگو مختل شد. سکونتگاه های انسانی نیز به دلیل اکتشاف و بهره برداری نفت و گاز گسترش یافت که هم کارگران و هم دلالان زمین را به خود جلب کرد [ 2 ]]. این آشفتگی زیست محیطی در طول بحران اقتصادی آسیا (1997-2000) به اوج خود رسید، زمانی که قیمت میگو در بازار جهانی به دلیل کاهش ارزش روپیه اندونزی در برابر ارز بین المللی به 4 تا 5 برابر سطح عادی افزایش یافت. این باعث تبدیل جنگل حرا به حوضچه ها، شامل تجهیزات سنگین، در مقیاس عظیم شد [ 3 ].

در سال 2001، 75 درصد از دلتا به حوضچه ها [ 4 ] تغییر یافت، که متعاقباً در سال 2007 به 52 درصد کاهش یافت، همانطور که توسط اداره امور ماهیگیری و اقیانوسی دولت ناحیه کوتای کارتانگارا [ 5 ] گزارش شد. تقریباً 90 درصد از منطقه دلتای ماهاکام متعلق به وزارت جنگل‌داری اندونزی است و به عنوان جنگل تولیدی طبقه‌بندی می‌شود، اما سه بخش مختلف دولتی دیگر مدعی مدیریت دلتای ماهاکام هستند: اداره شیلات، اداره امور داخلی و اداره محیط زیست [ 3 ]. به دلیل نامشخص بودن مدیریت، قوانین و مقررات، کنترل کاربری اراضی این منطقه اجرا نشد.

تخریب گسترده اکوسیستم‌های حرا، جنبشی جهانی را برای کاشت مناطق جدید حرا برانگیخته است [ 6 ]. متأسفانه، احیای حرا اغلب به سادگی با کاشت نهال حرا، بدون ارزیابی مکان کافی، یا ارزیابی بعدی موفقیت کاشت در سطح اکوسیستم انجام شده است [7،8]. در این مقاله، ما از سیستم اطلاعات زمین‌آماری و جغرافیایی (GIS) برای تولید نقشه‌های مناسب‌سازی مکان برای هدایت احیای حرا در دلتای ماهاکام استفاده کردیم.

2. مواد و روشها

2.1. منطقه مطالعه

دلتای ماهاکام بین 117.30 درجه شرقی – 117.62 درجه شرقی و 0.49 – 0.82 درجه جنوبی واقع شده است ( شکل 1 ). این شامل 46 جزیره رسوبی است [ 9 ]. برای این مطالعه، ما بر روی مناطقی (تقریباً 40636 هکتار) متمرکز شدیم که نقاط نمونه از نظر بازنمایی فضایی نسبتاً متعادل توزیع شده بودند و بنابراین، درون یابی داده ها بهترین پیش بینی را ارائه می دهد.

2.2. معیارهای مدل و نمودار جریان مطالعه

در این مطالعه، ما از راهنمایی فنی در مورد مزارع حرا که توسط وزارت جنگلداری اندونزی در سال 2004 صادر شده بود استفاده کردیم. مدل سیستم اطلاعات جغرافیایی با استفاده از معیارهای ارائه شده در جدول 1 توسعه داده شد . برای اعمال مدل از ابزار تحلیل زمین آماری تعبیه شده ArcGIS 10 استفاده شد. نرمال بودن داده ها قبل از تجزیه و تحلیل زمین آمار مورد بررسی قرار گرفت. ابزار تحلیل زمین آماری برای انجام تجزیه و تحلیل نیم متغیری، درونیابی کریجینگ معمولی و اعتبارسنجی متقاطع بعدی استفاده شد. درون یابی کریجینگ معمولی یک لایه سطحی (داده های پیوسته) از تمام داده ها از نقاط نمونه ما تولید کرد. با قرار دادن تمام لایه‌های سطحی مرتبط، می‌توانیم نقشه مناسبی برای احیای حرا را در کل منطقه مورد مطالعه تهیه کنیم. مراحل اصلی تجزیه و تحلیل مورد استفاده در این مطالعه در نشان داده شدشکل 2 .

داده های فیزیکی جمع آوری شده بافت خاک (درصد رس و کسر ماسه) و شوری بود. داده‌های طغیان جزر و مدی از ترکیب مدل رقومی ارتفاع (DEM) و جدول جزر و مد سال 2009، به‌دست‌آمده از بخش آبی اقیانوس‌شناسی نیروی دریایی اندونزی به دست آمد. مدل رقومی ارتفاع از نقاط ارتفاعی نقشه‌های توپوگرافی دلتا محاکم استخراج شد.

جدول جزر و مد شامل 12 ماه پیش بینی افزایش ساعتی سطح دریا برای یک منطقه خاص بود. ژانویه، آوریل، جولای و اکتبر برای نشان دادن پیش بینی جزر و مد سال 2009 انتخاب شدند. ما فرض کردیم که هر ماه انتخابی اثر فصلی دینامیک جزر و مد را در منطقه مورد نظر نشان می‌دهد. استان کالیمانتان شرقی با آب و هوای جنگل های بارانی استوایی با فصل خشک (مه تا سپتامبر) و مرطوب (اکتبر تا آوریل) مشخص می شود [ 10 ]. فصول خشک و مرطوب به ترتیب با ماه های جولای و ژانویه، در حالی که آوریل و اکتبر نشان دهنده ماه های انتقالی بودند.

2.3. نیم واریوگرام

نیم متغیریگرام بر این فرض استوار است که ویژگی‌های مناطق نزدیک به یکدیگر شبیه‌تر از مناطق دورتر هستند. برای به دست آوردن یک نتیجه درون یابی بهتر بر اساس تجزیه و تحلیل نیم متغیری، به داده های معمولی توزیع شده نیاز داشتیم. برای تعیین کمیت نرمال بودن داده ها از آزمون Shapiro-Wilk استفاده شد. ما از BoxCox و تبدیل لگاریتمی برای عادی سازی داده ها استفاده کردیم. پس از آن، ما از تجزیه و تحلیل نیمه متغیری برای کمی کردن رابطه فضایی بین نقاط نمونه استفاده کردیم. نیم متغیری که نماد آن با g(h) است، میانگین واریانس بین مشاهداتی است که با فاصله h از هم جدا شده اند. با استفاده از فرمول محاسبه شد:

(1)

جایی که γ(h) مقدار نیم متغیری تجربی در فاصله h است. N(h) تعداد جفت های مقدار نمونه در فاصله h است. و z(xi ₎ ، z(xi ₊ h) مقادیر نمونه در دو نقطه هستند که با فاصله h از هم جدا شده اند. تمام جفت نقاط جدا شده با فاصله h (وقفه) برای محاسبه semivariogram تجربی استفاده شد.

پارامترهای semivariogram عبارتند از محدوده، کل آستانه و نسبت قطعه. آستانه کل مجموع آستانه و قطعه است، در حالی که نسبت قطعه نسبت قطعه به کل آستانه است [ 11 ]. تاخیر فاصله بین دو جفت داده است. آستانه حداکثر سطح γ(h) است. محدوده نقطه ای در محور h است که γ(h) به حداکثر می رسد [ 12 ]. نیم‌واریوگرام تجربی با استفاده از یک مدل ریاضی که برای درون‌یابی استفاده می‌شود، برازش داده می‌شود. مدل های زیادی وجود دارد، اما قابل قبول ترین آنها برای متغیرهای پیوسته کروی، نمایی، گاوسی یا ترکیبی از این مدل ها خواهد بود [ 12 ].]. در این مطالعه، ما از یک مدل گاوسی با محدوده و مقدار آستانه کوچک استفاده کردیم، به این معنی که این مدل تنوع داده‌های کوچک‌تری را در مقایسه با مدل‌های کروی و نمایی پیش‌بینی می‌کرد.

2.4. درون یابی کریجینگ

ما درون یابی کریجینگ را برای داده‌های خاک رس، ماسه، شوری و ارتفاع به دنبال بررسی نیم‌واریوگرام اعمال کردیم. مرجع [ 13 ] کشف کرد که درون یابی کریجینگ برای پیش بینی و نقشه برداری توزیع خواص شیمیایی خاک مناسب تر است، در حالی که مرجع [ 14 ] دریافت که درون یابی کریجینگ ویژگی های خاک را با موفقیت توضیح داده است. ما درون یابی کریجینگ معمولی پرکاربرد را برای تولید مدل انتخاب کردیم، با فرض عدم وجود روندهای غیرخطی و تمرکز تنها بر مولفه همبسته فضایی [ 15 ].

ویژگی های یک لایه سطحی درون یابی را می توان با محدود کردن نقاط ورودی مورد استفاده در محاسبه مقادیر سلول خروجی کنترل کرد. تعیین حداکثر و حداقل تعداد نقاطی که باید نمونه برداری شوند، نزدیکترین نقاط به محل سلول خروجی را تا رسیدن به حداکثر تعداد، برمی گرداند. سپس این عدد در محاسبه مقادیر خروجی استفاده می شود. در این تحقیق از ترکیب حداکثر و حداقل تعداد نقاط همسایه به ترتیب 5 و 2 استفاده کردیم. روش دیگر برای کنترل سطح درون یابی، تعریف یک مدل دایره ای یا بیضوی برای محصور کردن نقاطی است که برای پیش بینی مقادیر سلول خروجی استفاده می شود. علاوه بر این، این مدل‌های دایره‌ای یا بیضوی را می‌توان به بخش‌هایی تقسیم کرد.

داده های درونیابی مبتنی بر لایه سطحی بر اساس معیارهای نشان داده شده در جدول 1 طبقه بندی شدند . برای تقسیم لایه سطحی به طبقات (مناسب، متوسط ​​یا نامناسب) به ویژه برای داده‌های خاک رس و ماسه، از شکسته‌های طبیعی Jenks که در اکثر نرم‌افزارهای GIS ارائه شده است استفاده کردیم. داده های شوری به دو دسته 0 – 10 ppt (قسمت در هزار) و 10 – 30 ppt تقسیم شدند. از داده‌های DEM، ما سه دسته از طغیان جزر و مدی را بر اساس تعداد روزهای غرقابی در یک ماه تعریف کردیم: 1) بیش از 20 روز در یک ماه. 2) بین 10 – 20 روز؛ و 3) کمتر از 10 روز در ماه.

2.5. اعتبار سنجی

اعتبار متقاطع نقاط نمونه برای اندازه گیری دقت مدل استفاده شد. از آمار زیر استفاده شد:

ریشه میانگین مربع (RMS)، که اندازه خطای حساس به نقاط پرت [ 16 ] را اندازه گیری می کند و RMS را استاندارد می کند [ 15 ]. RMS با استفاده از فرمول زیر محاسبه شد:

(2)

با تقسیم RMS با خطای استاندارد، سپس RMS استاندارد شده بدست می آید. در اینجا متغیرها به صورت زیر تعریف می شوند:

Z _i ,act = مقدار شناخته شده در نقطه iZ _i ,est = مقدار تخمینی در نقطه in = تعداد نقاط.

3. نتایج

3.1. عادی سازی داده ها

آزمون نرمال بودن با استفاده از روش Shapiro-Wilk نشان داد که داده های ما به طور نرمال توزیع نشده اند ( جدول 2 ). بنابراین، عادی سازی داده ها قبل از درونیابی کریجینگ ضروری بود. به نظر می رسد که فقط داده های خاک رس به طور معمول توزیع می شوند، زیرا p-value آن نزدیک به 0.05 بود. ما یک محاسبه آماری استاندارد را انجام دادیم و دریافتیم که داده‌های شن، شوری و ارتفاع تغییرات بیشتری نسبت به داده‌های خاک رس نشان می‌دهند. به طور تصادفی، تنوع بالا مربوط به مقدار p Shapiro-Wilk بود.

ما از تبدیل Box-Cox برای همه داده ها استفاده کردیم، به جز خاک رس که با استفاده از روش لگاریتمی تبدیل شد. Box-Cox کارایی نرمال سازی و واریانس را بهبود بخشید و برای متغیرهای دارای انحراف مثبت و منفی برابری کرد [ 17 ].

3.2. تهیه نقشه طغیان جزر و مدی

ما 4 جدول جزر و مد ماهانه را تجزیه و تحلیل کردیم و متوجه شدیم که جزر و مد در جایی بین 0 تا 3 متر افزایش یافته است. پایین‌ترین منطقه ارتفاعی در مدت طولانی‌تری نسبت به منطقه با ارتفاع بالاتر آبگرفتگی می‌شود. ما روزهایی را که از فاصله ارتفاع جزر و مدی معینی (0.1 متر) فراتر رفته بودند، خلاصه کردیم و تعیین کردیم که دوره طغیان از 0 متر بالاتر از سطح دریا شروع می شود. به دنبال کلاس‌های طغیان جزر و مدی ( جدول 1 )، آستانه‌های ارتفاعی خاصی را برای جداسازی طبقاتی که 1.1 و 1.6 متر ارتفاع هستند به دست آوردیم ( شکل 3 ).

3.3. Semivariogram و تجزیه و تحلیل درون یابی کریجینگ

اندازه تاخیر و تعداد تاخیرها دو پارامتری هستند که

به تعداد جفت نقاط تولید شده در نمودار نیم متغیری کمک می کند. تعداد تاخیرها 12 بود که مقدار پیش فرض تعیین شده توسط ابزار تحلیل زمین آماری است. از شکل 4 ، ما دریافتیم که تغییرات در داده های شن و ماسه به عنوان بالاترین رقم تایید شده است، همانطور که در جدول 3 نشان داده شده است، مقدار ناگت برابر با 16.024 نشان داده شده است. با این حال، ما همچنین دریافتیم که داده های شوری برای رسیدن به مقدار آستانه (نزدیک به 45 کیلومتر) به فاصله طولانی تری نیاز دارند.

دقت درونیابی کریجینگ از طریق RMS و RMS استاندارد بررسی شد. با این حال، ما نمی‌توانیم مقادیر RMS را مقایسه کنیم، زیرا واحدها متفاوت بودند. از مقدار استاندارد RMS، ما دریافتیم که داده‌های خاک رس و ارتفاع تنوع پیش‌بینی را دست‌کم می‌گیرند (RMS استاندارد <1)، در حالی که ماسه و شوری بیش از حد برآورد می‌شوند (RMS استاندارد > 1).

3.4. طبقه بندی سطح با استفاده از GIS

همانطور که در شکل 5 نشان داده شده است، درون یابی کریجینگ، لایه های سطحی را تولید کرد. داده های کسر خاک رس پس از درونیابی بین 7.4٪ و 52.8٪ در بازه زمانی قرار گرفت. دو کلاس خاک رس با استفاده از شکست طبیعی جنکس تعریف شد. کلاس متوسط ​​برای خاک رس در محدوده 7.4٪ – 28.2٪، در حالی که کلاس مناسب 28.2٪ – 52.8٪ بود. داده های شن و ماسه پس از درونیابی بین 5.5٪ و 76.0٪ بود. با استفاده از روش مشابه، سه کلاس به‌عنوان نامناسب (5/5 تا 6/25 درصد)، متوسط ​​(8/46-6/25 درصد) و مناسب (0/76 – 8/46 درصد) تولید و طبقه‌بندی شد. مدل رقومی ارتفاع به عنوان 1) ارتفاع کمتر از 1.1 متر طبقه بندی شد که بیش از 20 روز در ماه آب گرفتگی می کند. 2) ارتفاع بالاتر از 1.6 متر که کمتر از 10 روز در ماه آبگرفته می شود. و 3) ارتفاع بین 1.1 تا 1.6 متر که ظرف 10 تا 20 روز در ماه آب گرفتگی می کند.

با توجه به جدول 1 ، ده منطقه منحصر به فرد از گونه های حرا وجود دارد. برخی از گونه‌ها دارای ویژگی‌های مشابهی مانند Rhizophora mucronata و R. apiculata یا Bruguiera parviflora و B. sexangula بودند. پوشش مبتنی بر GIS از کل لایه های سطحی 12 سایت منحصر به فرد را با ترکیب متفاوتی از همه داده ها ایجاد کرد. نقشه تناسب مکان گونه های حرا مطابق با معیارهای جدول 1 ایجاد شد. نتایج نشان داد که سه ناحیه سایت در هیچ سایت GISunique، یعنی منطقه B (Rhizophora stylosa و Sonneratia alba)، G (Lumnitzera racemosa) و H (Cerbera manghas) نشان داده نشدند. نقشه نهایی تناسب مکان گونه های حرا در شکل 6 ارائه شده است .

4. بحث

4.1. تحلیل زمین آماری

مرجع [ 18 ] توضیح داد که داده های غیر عادی در واقع در داده های زمین آماری رایج است، به ویژه اگر داده های مشاهده شده گسسته باشد، یعنی ppm، درصد عیار و غیره. علاوه بر این، مرجع [ 19 ] نشان داد که در مورد خاک ها، آنها به طور طبیعی شکل در محیط های مختلف رسوبی؛ بنابراین، خواص فیزیکی آنها از نقطه ای به نقطه دیگر (در سطح افقی و همچنین عمودی) متفاوت است. بنابراین، ما فرض کردیم که تغییرات موجود داده‌های ما طبیعی است.

نمودارهای Semivariogram نشان داده شده در شکل 3 ، رابطه مقدار نیمه واریانس (محور y) و فواصل (xaxis) را توصیف می کنند. به نظر می‌رسد همه داده‌ها (رس، ماسه، شوری و ارتفاع) از فرض نظری نیم‌واریوگرام پیروی می‌کنند، جایی که انتظار می‌رود نقاط نزدیک به هم واریانس کمی داشته باشند، و نقاطی که از هم دورتر هستند واریانس بالاتری داشته باشند [ 15 ] .

همانطور که در جدول 3 نشان داده شده است ، بالاترین مقدار برای عنصر آستانه، ماسه بود، به این معنی که واریانس بین داده های نقطه نمونه ماسه بیشتر از سایر داده ها است. با این حال، نیم‌واریوگرام اندازه‌گیری شوری نشان داد که برای کاهش واریانس به بیش از 43 کیلومتر نیاز است، در حالی که خاک رس کمترین فاصله را داشت. داده های شن و ماسه بالاترین مقدار قطعه را داشتند که ممکن است نشان دهنده بالاترین خطاهای اندازه گیری باشد. با این وجود، تمام نمودارهای نیم متغیری یک همه متغیریوگرافی تجربی طبیعی را نشان دادند.

داده های خاک رس دارای خطای RMS برابر با 82/21 درصد بود که نسبت به ماسه با 01/27 درصد کوچکتر بود. در حالی که شوری دارای خطای RMS 6.28 ppt و خطای ارتفاع 1.09 متر بود. ارزش استاندارد RMS داده های ما را در 2 گروه (رس با ارتفاع و ماسه با شوری) با توجه به تخمین تغییرپذیری پیش بینی ها در کنار هم قرار داده بود. با این حال، با توجه به مرجع [ 20 ]، ارزش آماری تنها منبع ارزیابی کیفیت درونیابی نیست. ما همچنین نیاز به مطالعه دقیق کیفیت بصری مدل سطح تولید شده توسط درونیابی کریجینگ برای تشخیص الگوهای فضایی متمایز و وفاداری بصری داریم.

4.2. تجزیه و تحلیل درون یابی داده های مکانی

ما 66 نقطه نمونه برای بافت خاک و 67 نقطه نمونه برای شوری، هم در خارج و هم در خارج از ساحل گردآوری کردیم. نمونه ها به طور مساوی در سراسر منطقه پخش نشدند، بلکه در قسمت جنوبی جمع شدند و در قسمت مرکزی گم شدند. در نتیجه، مطالعه فقط بر روی برخی از بخش‌های دلتای ماهاکام متمرکز شد که بهترین نتایج درونیابی را داشت. فرآیند درون یابی کانال توزیع را نادیده گرفت و فرض کرد که ویژگی های توپوگرافی در دشت دلتا ناچیز است [ 21 ].

نوع خاک در دلتای محکم لومی است که از لوم سیلتی تا لوم رسی متغیر است، به جز خط ساحلی که لومی با ماسه است [ 2 ]. مطابق شکل 5ما در این واقعیت سازگاری پیدا کردیم، در حالی که غلظت رس بالاتر بر منطقه مورد مطالعه غالب بود. غلظت کسر شن و ماسه در دلتای بیرونی قرار دارد، در حالی که رس عمدتاً در مرکز دلتا، مستقیماً به سمت تخلیه جریان رودخانه ماهاکام رسوب می‌کند. اگرچه ساخت و ساز حوضچه زمین را تغییر داد، با این حال، بافت خاک تقریباً ثابت باقی می ماند و با شیوه های مدیریت بدون تغییر بود [22،23]. کلاس مناسب برای خاک رس و ماسه به این معنی است که هر دو بخش دارای درصد بالایی هستند. غلظت بالای خاک رس بر 95 درصد منطقه مورد مطالعه غالب بود. ترجیح گونه‌ای برای درصد بالای خاک رس نشان می‌دهد که گونه‌ها نسبت به درصد بالای شن و ماسه عدم تحمل داشتند و بالعکس.

شوری همچنین توزیع طبیعی را نشان داد، جایی که غلظت بالاتر در دلتای بیرونی به جای دلتای داخلی قرار داشت. داده های شوری یکی از عوامل محیطی آب دریا است که به آرامی و به طور ملایم پخش می شود، به ویژه در منطقه مصب. محدوده کل شوری اقیانوس باز حدود 30 تا 40 قسمت در هزار (یا ‰) است در حالی که شوری در مصب های ساحلی می تواند بسیار کمتر باشد [ 24 ].

ارتفاع از سطح دریا بین 0 تا 4 متر با میانگین 2.26 متر متغیر بود. یک مدل ارتفاعی دیجیتال تولید شد

با درونیابی کریجینگ درون یابی ارتفاعی پیوسته از 0 تا 4.64 متر ایجاد کرد. به طور معمول منطقه ارتفاع بالاتر در دلتای داخلی قرار دارد، اما درون یابی منطقه مرتفع دیگری را در دلتای بیرونی، نزدیک خط ساحلی پیدا کرد ( شکل 5 (د)). این منطقه قبلاً یک نقطه کشاورزی کاشته شده با درختان نارگیل بوده است. اما در زمان معرفی استخر پرورش میگو، این منطقه نیز تغییر کاربری داد. ساخت حوضچه ها زمین را به مسطح تغییر داد.

4.3. نقشه برداری مناسب سایت

نقشه تناسب مکان به عنوان خروجی ترکیب فضایی چهار ویژگی فیزیکی نشان داد که از نظر تئوری 10 گونه مانگرو برای کاشت در مناطق بایر یا استخرهای متروک مناسب هستند. ما محاسبه کردیم که 50.25 درصد از منطقه مورد مطالعه برای Avicennia sp مناسب است. و 42.22 درصد دیگر برای Nypa fruticans مناسب است. این دو گونه 92.69 درصد از منطقه مورد مطالعه را اشغال کردند. 7.14 درصد دیگر در میان Sonneratia caseolaris، Rhizophora mucronata، R. apiculata، Xylocarpus granatum و Heritiera littoralis مشترک بود. تنها 0.16٪ برای گونه Bruguiera مناسب است، که شناخته شده است که ترجیح می دهد در مرز بین حرا و اکوسیستم ساحلی، در نواحی میانی و فوقانی رشد کند [ 25 ].]. این نتایج با منطقه بندی حرا، که در آن Avicennia sp. به طور طبیعی در مجاورت دریا، همراه با گونه Sonneratia [ 26 ] یافت می شود. در همین حال، Nypa fruticans برای مناطق پشت Avicennia sp.، که در آن نهرهای آب شور تا تقریباً شیرین وجود دارد و اثرات جزر و مدی کاهش می یابد، مناسب به نظر می رسید.

با توجه به اقدامات توانبخشی، نقشه تناسب سایت به مسئولین جهت تهیه و اجرای استراتژی توانبخشی در این زمینه کمک خواهد کرد. با این حال، مطالعات بیشتری برای تأیید این مدل مفهومی با ایجاد کرت های نمایشی در مقیاس کوچک و کاشت گونه های مختلف حرا، برای مقایسه دوره ای رشد و مرگ و میر آنها مورد نیاز است. حتی اگر Avicennia sp. و Nypa fruticans برای حدود 92٪ از کل منطقه مورد مطالعه مناسب به نظر می رسد. این بدان معنا نیست که گونه های دیگر در صورت کاشت زنده نمی مانند. مرجع [ 26 ] تاکید کرد که همپوشانی بین گونه ها یا مناطق در بسیاری از سایت ها رخ داده است.

4.4. نقشه برداری مناسب سایت

مرجع [ 27 ] گزارش داد که Total E&P Indonesia (شرکت تولید کننده نفت و گاز) بیش از 3 میلیون درخت حرا را در مناطق پاکسازی شده، عمدتاً در امتداد شبکه توزیع خط لوله، کاشته است. با این حال، در مقیاس وسیع‌تر، به دلیل مالکیت زمین نامشخص، احیای حرا در دلتای ماهاکام هنوز یک پروژه کوچک است. اکثر حوضچه ها عملاً متعلق به افرادی است که آنها را اداره می کنند، به طوری که برنامه های کاشت را نمی توان در همه مکان های ضروری اجرا کرد. پروژه های توانبخشی باید با دقت آماده شوند در غیر این صورت باعث درگیری اجتماعی خواهند شد. به عنوان اولویت اصلی، مرجع [ 2 ] احیای حرا را در مناطقی پیشنهاد کرد که به دلیل کیفیت پایین خاک با تولید حوضچه ناسازگار هستند یا برای حفاظت از ساحل مورد نیاز هستند.

در مورد منطقه دلتای محاکم، یک رویکرد اجتماعی برای احیای زمین “اشغال شده” پیش نیاز هر گونه برنامه بازسازی است. این امر توسط تعدادی از عوامل پیچیده است، از جمله عدم وضوح در وضعیت زمین، که در تئوری، بیشتر متعلق به دولت است، و همچنین ادعاهای مردم محلی. اگرچه این ادعاها غیرقانونی است، اما بازگرداندن زمین بدون پرداخت غرامت به کاربران فعلی آن غیرممکن است. این مانع اصلی برنامه های توانبخشی در منطقه است. صرف بودجه دولتی برای غرامت در حال حاضر فقط برای زمین های خصوصی و نه دولتی مجاز است. اخیراً، برخی از پروژه‌های ماهیگیری در مقیاس کوچک که توسط یک شرکت خصوصی و یک سازمان غیردولتی تامین مالی شده‌اند، در 3 تا 4 سال گذشته به این سایت معرفی شده‌اند. با این حال،

5. نتیجه گیری

مطالعه ما با ترکیب 4 عامل (رس، ماسه، شوری و ارتفاع) با استفاده از آمار زمین‌آمار، یک رویکرد اصلی را برای تهیه نقشه مناسب بودن مکان حرا برای اهداف بازپروری نشان داد. ما یک رویکرد جدید برای ساختن نقشه‌های طغیان جزر و مدی پیشنهاد کردیم. بر اساس این مطالعه، ما نقاط ارتفاع مرتبط با جداول جزر و مد را برای تهیه نقشه‌های طغیان جزر و مدی پیشنهاد می‌کنیم. مقادیر آماری و بازرسی بصری لایه‌های سطحی در نتیجه درون‌یابی کریجینگ نتایج ثابتی را به همراه داشت، بنابراین، ما فرض کردیم که فرآیندهای درون‌یابی به‌طور مناسب انجام شده‌اند.

منابع