تغییر فضایی و زمانی در جمعیت دام و ارتباط آن با بلایای هواشناسی طی سال های 2000 تا 2020 در سراسر مغولستان داخلی

چکیده

مغولستان داخلی (IM) یکی از پنج منطقه بزرگ چوپانی در چین است و دامداری صنعت سنتی آن است. جمعیت دام عامل مهمی در توسعه پایدار دام و مرتع است. با توجه به موقعیت جغرافیایی خاص IM، بلایای مختلف هواشناسی به طور مکرر رخ می دهد که تأثیر قابل توجهی بر جمعیت دام محلی دارد. در این مطالعه، تحلیل مؤلفه اصلی (PCA) و تحلیل مؤلفه اصلی وزن‌دار جغرافیایی (GWPCA) برای بررسی الگوهای مکانی و زمانی جمعیت‌های دام کوچک و بزرگ در واحدهای اداری سطح شهرستان از سال 2000 تا 2020 و اثرات بلایای هواشناسی بر روی جمعیت دام نیز در نظر گرفته شد. ما دریافتیم که نسبت تجمعی واریانس کل (CPTV) دو مؤلفه اصلی PCA جهانی برای دام های کوچک و اولین مؤلفه اصلی برای دام های بزرگ به ترتیب به 94.54 درصد و 91.98 درصد رسید، در حالی که CPTV GWPCA در محدوده بود. از 93.23-96.45٪ و 88.47-92.49٪، به ترتیب، که توضیح فضایی قوی تر نشان داد.
جمعیت دام کوچک به طور قابل توجهی با خشکسالی بهاره، خشکسالی تابستان، خشکسالی بهار-تابستان و فاجعه برف همبستگی داشت. با این حال، همبستگی بین دام های بزرگ و خشکسالی تابستان و خشکسالی بهار-تابستان بیشتر است. نتیجه می گیریم که GWPCA بهتر می تواند تغییر فضایی جمعیت دام را توضیح دهد. بلایای هواشناسی هم مزایا و هم معایبی برای جمعیت دام دارد. و انواع خشکسالی که تأثیر بیشتری بر دام دارند عبارتند از خشکسالی تابستان و خشکسالی بهاره و تابستان. تفاوت‌های جغرافیایی در تأثیر بلایای هواشناسی وجود دارد، به طوری که خشکسالی بیشتر IM را تحت تأثیر قرار می‌دهد و بلایای برفی عمدتاً بر منطقه شرقی تأثیر می‌گذارد. دام‌های بزرگ عمدتاً تحت تأثیر خشکسالی قرار گرفتند، در حالی که دام‌های کوچک تحت تأثیر خشکسالی و بلایای برف قرار گرفتند.

کلید واژه ها:

جمعیت دام ; GWPCA _ PCA ; فاجعه هواشناسی ؛ علفزار ; من هستم

1. مقدمه

علفزار، به عنوان بزرگترین اکوسیستم زمینی در چین، مساحتی به وسعت تقریبی 293 × 10 4 کیلومتر مربع را پوشش می دهد و نقش مهمی نه تنها در چرخه جهانی کربن، بلکه در توسعه دامپروری، حفاظت از خاک و آب، حفظ تنوع زیستی و تعادل اکولوژیکی ایفا می کند. [ 1 ، 2 ، 3 ، 4 ]. دام به عنوان یکی از مهم ترین مصرف کنندگان اکوسیستم های مرتعی، تأثیر بسزایی در مدیریت پایدار مراتع دارد [ 5 ].]. در عین حال، کیفیت و کمیت دام نتیجه اثرات ترکیبی مستقیم یا غیرمستقیم دمای هوا، بارش و رویدادهای شدید جوی است که در آن تأثیر رویدادهای شدید جوی بر دام ها آشکارتر و شدیدتر از اثرات طولانی مدت است. تغییرات اقلیمی مدت [ 6 ، 7 ، 8 ]. در شرایط تغییرات آب و هوایی جهانی، رویدادهای شدید آب و هوایی افزایش یافته و بلایای هواشناسی مربوطه مانند خشکسالی، سیل، یخ زدگی در دمای پایین، تگرگ باد و دمای بالا به طور مکرر رخ داده است که نه تنها باعث خسارات اقتصادی می شود، بلکه زندگی را به شدت به خطر می اندازد. انسان و دام در مراتع [ 9 ، 10 ].
مغولستان داخلی (IM) که در لبه آب و هوای موسمی آسیای شرقی و آب و هوای قاره‌ای آسیای مرکزی قرار دارد، شامل سه منطقه آب و هوایی، یعنی منطقه نیمه مرطوب، منطقه نیمه خشک و منطقه خشک است و اغلب به طور همزمان تحت تأثیر سیستم‌های آب و هوایی مختلف قرار می‌گیرد. [ 11 ]. ناپایداری منابع آب و هوایی منجر به وقوع مکرر بلایای هواشناسی مانند طوفان باران، سیل، بادهای شدید، تگرگ، خشکسالی، خسارت سرمازدگی و طوفان های شن در IM [ 12 ] می شود. بلایای هواشناسی که تأثیر بیشتری بر دامداری در IM دارند، عمدتاً شامل خشکسالی و بلایای برفی می شوند. علاوه بر این، خسارات یخبندان در دمای پایین، بادهای قوی، طوفان شن، باران سیل آسا و سیل و تگرگ نیز اثرات نامطلوبی بر جمعیت دام خواهند داشت [ 13 ], 14 , 15 , 16 ]. به عنوان مثال، از سال 1999 تا 2001، لیگ Xilingol برای سه سال متوالی خشکسالی شدید را تجربه کرد. مساحت علفزار آسیب دیده به 46 میلیون هکتار رسید، 26.807 میلیون دام تحت تأثیر قرار گرفتند و 1.32 میلیون نفر تلف شدند [ 17 ]. در طول زمستان 2006، یک فاجعه برفی در شهر Tongliao رخ داد که بیش از 3 میلیون دام را تحت تأثیر قرار داد و بیش از 200000 دام را از بین برد [ 16 ]. طوفان شدید شن که در لیگ آلکسا از 5 تا 6 می 1993 رخ داد، 1.33 میلیون دام را تحت تأثیر قرار داد و 98000 دام را از بین برد [ 18 ]. در سال 2004، بیش از 60000 دام بزرگ به دلیل طوفان باران، سیل و تگرگ در کل منطقه تلف شدند [ 19 ،20 ]. دامپروری صنعت اساسی IM است که نقش مهمی در تضمین عرضه محصولات حیوانی سبز و امنیت زیست محیطی در چین دارد [ 21 ]. بنابراین، درک الگوی تغییر مکانی و زمانی جمعیت دام و در نظر گرفتن تأثیر بلایای هواشناسی از اهمیت گسترده ای برخوردار است.
تجزیه و تحلیل مؤلفه های اصلی (PCA) یک روش تحلیل آماری چند متغیره است که می تواند منابع مختلف تغییرات و روندهای کلیدی در داده ها را بهتر توضیح دهد و متغیرهایی را با مشارکت اطلاعات نسبتاً بزرگ استخراج کند [ 22 ، 23 ]. با این حال، این روش ویژگی فضایی داده ها را نادیده می گیرد، بنابراین تحلیل مولفه های اصلی وزن شده جغرافیایی (GWPCA) می تواند به عنوان یک روش جایگزین برای جبران فقدان تحلیل اثر فضایی استفاده شود [ 22 ، 24 ]. در حال حاضر، این روش به طور گسترده در جمعیت، اقتصاد و ویژگی های خاک استفاده می شود [ 25 ، 26 ، 27 ، 28 ، 29 ، 30 .]. در این مقاله از PCA و GWPCA برای تجزیه و تحلیل زمانی و مکانی داده های جمعیت دام در IM استفاده شد. PCA می تواند بعد متغیرهای جمعیت دام مبتنی بر زمان را کاهش دهد و روندهای اصلی را مشاهده کند، اما PCA مبتنی بر تجزیه و تحلیل داده های جهانی است، در حالی که GWPCA می تواند عدم نادیده گرفتن ساختار فضایی داده ها در PCA را جبران کند. سپس، تفاوت های محلی را می توان بهتر درک کرد.
هدف از این تحقیق تعیین تغییرات مکانی و زمانی دام در سطح شهرستان در IM و اثرات بلایای هواشناسی بر آنها می باشد. علاوه بر این، این مقاله دو فرضیه را پیشنهاد می‌کند: اول اینکه آیا اثرات بلایای هواشناسی بر جمعیت دام‌های شهرستان هم مفید و هم مضر است؟ دوم اینکه آیا تفاوت های منطقه ای در تأثیر بلایای هواشناسی وجود دارد یا خیر. نتایج نهایی بینش مفیدی را در مورد تغییرات مکانی و زمانی در جمعیت دام و رابطه آنها با بلایای هواشناسی فراهم می کند و مبنایی برای مدیریت پایدار دام در IM فراهم می کند.
در این مطالعه، بر اساس شاخص بلایای هواشناسی در سطح شهرستان و داده‌های آماری سالانه دام بین سال‌های 2000 تا 2020، تجزیه و تحلیل‌هایی را از سه جنبه انجام دادیم: (1) دینامیک دام سالانه (کوچک در مقابل بزرگ) و همبستگی آنها، (2) سالانه و الگوهای تغییر در سطح شهرستان در جمعیت دام با روش PCA و GWPCA تغییر می‌کند و (3) ناهمگونی فضایی رابطه بین جمعیت دام و بلایای هواشناسی در مقیاس زمانی.

2. مواد و روشها

2.1. منطقه مطالعه

منطقه مورد مطالعه این مقاله IM (37°24′-53°23′ شمالی، 97°12′-126°04′ شرقی)، با مساحت کل 1.183 میلیون کیلومتر مربع است . شکل زمین عمدتاً یک فلات است و بیشتر مناطق در ارتفاع بالای 1000 متر از سطح دریا قرار دارند. IM یکی از پنج منطقه چوپانی در چین است، با مساحت علفزار 8800 × 10 4 hm2 ، که یک پایگاه مهم تامین محصولات دامی است [ 31 ، 32 ، 33 ]. در IM، دامپروری علفزار نه تنها یک صنعت سنتی، بلکه یک صنعت رقابتی است که نقش مهمی در ارتقای توسعه اقتصادی ایفا می کند [ 34 ].]. بیش از 80 درصد بنرها (شهرستان ها، شهرها و نواحی) در منطقه بیش از 100000 راس دام در فهرست موجودی خود دارند و تا سال 2020 ارزش ناخالص تولیدات دامپروری به 160336 میلیارد یوان رسیده است [ 35 ]. 33 بنر شبانی (شهرستان ها، شهرها، مناطق) و 21 بنر نیمه شبانی (شهرستان ها، شهرها، بخش ها) در کل منطقه وجود دارد. این 54 بنر تقریباً تمام علفزارهای طبیعی در IM را شامل می شود ( شکل 1 ) [ 36 ]. در مناطق چوپانی، مردم عمدتاً به چرای علفزارهای طبیعی برای امرار معاش متکی هستند، در حالی که در مناطق نیمه مرتعی دامداری فشرده تر است [ 36 ، 37 ].

2.2. داده ها

در این مطالعه، 102 منطقه اداری در سطح شهرستان (بنر، شهرستان، شهر، ناحیه؛ منطقه Zhalainuoer به میزبانی شهر Manzhouli) به عنوان واحد تحقیق مورد استفاده قرار گرفت و جمعیت دام های کوچک و بزرگ از سال 2000 تا پایان سال 2020 بود. شمارش کرد. جمعیت دامهای کوچک به مجموع بزها و گوسفندها و جمعیت دامهای بزرگ به مجموع گاو، اسب، الاغ، قاطر و شتر اشاره دارد ( شکل 2).). در طول دوره 21 ساله، به دلیل تغییرات جزئی در محدوده برخی از مناطق اداری و یا دلایل دیگر، داده ها تا حدی از بین رفته است. داده های گمشده دام کوچک و دام بزرگ به ترتیب 1.3 و 1.2 درصد از کل داده ها را به خود اختصاص داده است. بنابراین، این مطالعه از آخرین بخش‌های اداری استفاده می‌کند که از سیستم خدمات کاتالوگ منابع اطلاعات جغرافیایی ملی 1: 1 میلیون نسخه عمومی داده‌های اطلاعات جغرافیایی پایه (2021) ( https://www.webmap.cn ، دسترسی به 28 ) استفاده می‌شود. ژوئن 2022). داده های از دست رفته به دست آمده توسط تابع llsImpute در بسته R “pcaMethods” [ 38 ] پر شد.
داده های دام از سالنامه آماری مغولستان داخلی (2001-2018)، سالنامه بررسی مغولستان داخلی (2019-2021) و دفاتر آماری لیگ و شهر مربوطه به دست آمده است. با توجه به ویژگی‌های وقوع و میزان خسارت بلایای هواشناسی، این مطالعه خشکسالی بهاره، خشکسالی تابستانی و بلایای برف در زمستان را به عنوان اهداف تحقیق انتخاب می‌کند [ 39 ]. داده های مقیاس ماهانه شاخص فصلی استاندارد شده بارش- تبخیر و تعرق (SPEI-3) و شاخص استاندارد شده معادل آب برف (SWEI) از نقاط مرکزی یا نقاط مجاور هر شهرستان برای تعیین کمیت خشکسالی و بلایا به ترتیب استخراج شد [ 40 ، 41 ، 42 ، 43]. اردیبهشت، آگوست و فوریه به ترتیب بهار، تابستان و زمستان را نشان می دهند. SPEI از پایگاه داده‌های SPEI v2.7 ( https://hdl.handle.net/10261/268088 (دسترسی در 28 ژوئن 2022)) و SWEI از مجموعه داده‌های خشکسالی جهانی برف ( https://figshare.com ) می‌آید. /collections/Global_Snow_Drought_Data_Set/5055179 (دسترسی در 27 ژوئن 2022)). علاوه بر این، وقوع بلایای هواشناسی از سالنامه بلایای هواشناسی در چین (2004-2020)، سالنامه هواشناسی چین (2001-2020 ) و سایر سوابق ادبی [ 16 ، 44 ، 45 ، 46 ، 47 ، 449 ، نشات می گیرد . ،50 ].

2.3. روش های پژوهش

ابتدا، همبستگی بین جمعیت دام سالانه را تجزیه و تحلیل کردیم. سپس از روش GWPCA برای روشن شدن الگوهای تغییرات زمانی و مکانی جمعیت دام استفاده شد. یک روش استاندارد PCA به دلیل تبدیل خطی غیرمکانی خود نمی تواند هیچ گونه اثر فضایی را در نظر بگیرد، بنابراین GWPCA می تواند برای جایگزینی PCA برای جبران فقدان تحلیل اثر فضایی استفاده شود [ 22 ، 24 ]. GWPCA از روش وزن دهی پنجره متحرک برای یافتن اجزای اصلی محلی سازی شده در محل هدف استفاده می کند. برای هر مکان هدف، مشاهدات مجاور با توجه به تابع وزن دهی کاهش فاصله (پهنای باند) وزن می شوند، و سپس این داده های وزنی تحت PCA استاندارد [ 23 ، 51 ] قرار می گیرند.
قبل از انجام PCA، ما اندازه گیری کفایت نمونه، کایزر-مایر-اولکین (KMO) و آزمون کروی بارتلت را اعمال کردیم. چنین آزمون هایی نشان دهنده قدرت روابط بین آیتم های آزمایشی است. هنگامی که KMO بزرگتر از 0.5 باشد، نشان می دهد که یک تجزیه و تحلیل مؤلفه برای مجموعه داده اقلام آزمایشی قابل اعمال است [ 52 ]. هنگامی که اهمیت آزمون کروییت بارتلت کمتر از 0.01 باشد، این نشان دهنده یک رابطه قوی بین مجموعه داده آیتم های آزمایشی است [ 53 ].

برای PCA، با توجه به ماتریس داده ابعادی p × q ، که در آن ردیف‌های p مشاهدات را نشان می‌دهند و ستون‌های q متغیرها را نشان می‌دهند، PCA از این داده‌ها شامل انجام این تبدیل است [ 22 ، 23 ]:

LVL T = S

که در آن L ماتریس بردارهای ویژه با ابعاد p × q است و هر ستون L نشان دهنده بارهای مربوط به یک جزء اصلی است. V ماتریس قطری مقادیر ویژه است. S ماتریس واریانس کوواریانس با ابعاد q × q است. نسبت واریانس یک جزء را می توان با مقدار ویژه با تقسیم بر اثر ماتریس V , tr ( V ) بیان کرد. در این مطالعه 102 = p ، 21 = q .

برای GWPCA، ماتریس واریانس کوواریانس وزن‌دار جغرافیایی برای مجموعه داده جمعیت دام با فرمول زیر محاسبه می‌شود [ 30 ، 54 ]:

∑( u , v ) = X T W ( u , v ) X

که در آن X ماتریس p × q جمعیت دام و W ( u , v ) ماتریس مورب وزن‌های جغرافیایی است که توسط تابع وزن‌دهی هسته انتخاب شده W ij تولید می‌شود . در این مطالعه، ماتریس وزن دهی فضایی با استفاده از تابع وزن دهی دو مربعی با پهنای باند تطبیقی ​​به دست آمده است. پهنای باند بهینه با روش اعتبارسنجی متقابل [ 30 و 55 ] تعیین شد.

بردارهای ویژه دارای وزن جغرافیایی (بردارهای بارگذاری محلی) و مقادیر ویژه با تجزیه ماتریس واریانس کوواریانس وزن شده جغرافیایی در یک مکان مشخص در فضا به دست می آیند [ 30 ، 54 ]:

∑( u i , v i ) = LVL T |( u i , v i )

که در آن L و V به ترتیب ماتریس قطری بردارهای ویژه وزن شده جغرافیایی و مقادیر ویژه وزن شده جغرافیایی هستند. تقسیم هر مقدار ویژه محلی بر tr ( V ( u i , v i )) یک نسخه محلی از نسبت هر جزء از واریانس کل در داده های اصلی را پیدا می کند. بنابراین، در هر یک از 102 شهرستان این مطالعه، GWPCA 21 مؤلفه، 21 مقدار ویژه و مجموعه بارگذاری مؤلفه به اندازه 102 × 21 [ 23 ] ارائه می‌کند. قبل از اجرای GWPCA، برای تعیین پهنای باند بهینه باید تعداد مولفه‌های باقی‌مانده محاسبه شود [ 51 ، 56]. بنابراین، برای دام های کوچک و بزرگ، می توان از نتایج PCA برای تعیین تعداد اجزای باقی مانده استفاده کرد و پهنای باند بهینه را می توان به طور خودکار طبق روش اعتبارسنجی متقاطع یافت. برای تعیین بیشتر مناطق با تغییرات دینامیکی زمانی مشابه در جمعیت‌های دام، داده‌های بارگذاری GWPCA با استفاده از روش خوشه‌بندی سلسله مراتبی مبتنی بر فاصله تجزیه و تحلیل شد و تعداد بهینه خوشه‌ها تعیین شد.

برای بلایای هواشناسی که در 21 سال از 2000 تا 2020 رخ می دهد، این مطالعه بر اساس استانداردهای استاندارد محلی IM برای بلایای هواشناسی برای دامپروری طبقه بندی شده است.(DB 15/T255-1997) در طبقه بندی درجات بلایا و ویژگی های عملکرد مراتع، دام و چرا. لازم به ذکر است که این مقاله فقط خشکسالی و بلایای نسبتاً جدی برف با تأثیر قابل توجه بر جمعیت دام را برشمرده است، مانند موارد زیر: مراتع نمی توانند سبز شوند، چرا به طور کلی تحت تأثیر قرار می گیرد، تغذیه دام و آب آشامیدنی به شدت تحت تأثیر قرار می گیرد و دام ها کاهش وزن قابل توجهی و تلفات دام. بلایای هواشناسی رخ داده در دوره مورد مطالعه این مقاله همگی منطقه ای بوده و هیچ گونه بلایای هواشناسی که کل منطقه را تحت تاثیر قرار دهد رخ نداده است. طبقه بندی SPEI و SWEI در جداول S2 و S3 در مواد تکمیلی نشان داده شده است [ 42 , 57].

در نهایت، ما همبستگی بین جمعیت دام و شاخص آماری بلایای هواشناسی را با استفاده از شاخص همبستگی وزن‌دار جغرافیایی در آمار خلاصه وزن‌دار جغرافیایی بررسی می‌کنیم. فرمول به شرح زیر است [ 23 ، 58 ]:

ρ(ایکسمن، yمن)=ج(ایکسمن، yمن)(س(ایکسمن)س(yمن))

که در آن c ( xi ، y i ) کوواریانس وزنی جغرافیایی است:

ج(ایکسمن، yمن)=∑j=1nدبلیوij{(ایکسj-متر(ایکسمن)(yj-متر(yمن)))}∑j=1nدبلیوij

W ij تابع وزن دهی هسته است و m ( xi ) میانگین وزنی جغرافیایی است:

متر(ایکسمن)=∑j=1nدبلیوijایکسj∑j=1nدبلیوij

و یک انحراف معیار وزنی جغرافیایی عبارت است از:

س(ایکسمن)=∑j=1nدبلیوij(ایکسj-متر(ایکسمن))2∑j=1nدبلیوij
از آنجایی که هر شهرستان منطقه ای با اندازه یکسان برای آرایش فضایی نیست، انتخاب پهنای باند تطبیقی ​​منطقی است. در این مطالعه، یک تابع وزن دهی دو مربعی با پهنای باند تطبیقی ​​N = 15 (تقریباً 15 درصد از کل داده ها) برای محاسبه همبستگی وزنی جغرافیایی انتخاب شد [ 51 ، 58 ].
در این مطالعه، گردش کار در شکل 3 نشان داده شد و تجزیه و تحلیل داده ها با استفاده از نرم افزار R 4.1.2 [ 59 ] انجام شد. همبستگی بین جمعیت دام سالانه با استفاده از تابع cor مورد مطالعه قرار گرفت. PCA با استفاده از تابع princomp انجام شد. GWPCA و همبستگی وزنی جغرافیایی بین جمعیت دام و شاخص بلایای هواشناسی با استفاده از بسته “GWmodel” اجرا شد. تابع hclust برای خوشه بندی سلسله مراتبی و بسته “NbClust” برای تعیین تعداد خوشه های بهینه استفاده شد [ 60 ]. در نهایت از ArcGIS (6/10) برای استخراج و نقشه برداری اطلاعات بلایای هواشناسی استفاده شد.

3. نتایج

3.1. دینامیک دام سالانه (کوچک در مقابل بزرگ) و همبستگی آنها

توزیع دام های کوچک و دام های بزرگ در هر شهرستان IM از سال 2000 تا 2020 در شکل 4 a,b نشان داده شده است. دام‌های کوچک عمدتاً در بخش‌هایی از لیگ Xilingol، لیگ Hinggan، شهر Tongliao و شهر Chifeng در مناطق مرکزی و شرقی توزیع می‌شوند و همچنین توزیع‌های زیادی در شهرستان Ordos، شهر Bayannur و پرچم چپ Alxa لیگ Alxa در غرب وجود دارد. دام های بزرگ عمدتاً در شهر چیفنگ و شهر تونگلیائو در شرق IM توزیع می شوند. در طول دوره مطالعه، روند دام های بزرگ در IM ثابت و تقریباً بدون تغییر بود، در حالی که روند دام های کوچک ثابت و رو به افزایش بود و تنها در سال 2006 کاهش یافت ( شکل 4 e).
صرف نظر از دام کوچک یا بزرگ، داده ها به طور کلی یک همبستگی قوی را نشان می دهند ( شکل 4 ج، د). با این حال، همبستگی بین دام های کوچک بین سال های 2000 تا 2002 و سایر سال ها، به ویژه سال 2000 ضعیف است. دام های بزرگ در سال های 2000 و 2005-2012، 2005-2010 و 2018-2020 همبستگی ضعیفی دارند، که نشان می دهد ممکن است جمعیت دام به طور قابل توجهی تغییر کرده باشد. در سالهای فوق و همچنین مشاهده می شود که در سالهای مختلف اثرات چنین تغییراتی در جمعیت دامهای کوچک و بزرگ متفاوت است.

3.2. تجزیه و تحلیل مؤلفه اصلی جهانی

قبل از درک بهتر خروجی مدل وزنی جغرافیایی جمعیت دام، این مطالعه برای اولین بار یک PCA جهانی را بر روی 21 سال داده جمعیت دام از 102 واحد اداری در سطح شهرستان انجام داد. نتایج KMO نشان داد که MSAsmall = 0.95 و MSAlarge = 0.94 برای هر دو دام کوچک و بزرگ بیشتر از 0.5 و اندازه دام تست کرویت بارتلت p = 0.00، کمتر از سطح معنی داری 0.01 است، بنابراین داده های تحقیق مناسب هستند. برای PCA
می توان از نتایج PCA جهانی دام های کوچک ( جدول 1 ) مشاهده کرد که مقادیر ویژه دو جزء اصلی اول بیشتر از واحد است و نسبت تجمعی واریانس کل (CPTV) به 94.54% می رسد که بیشتر تغییرات را توضیح می دهد. در داده های اصلی، نشان می دهد که سطح بالایی از همخطی بین متغیرها وجود دارد. بارگذاری همبستگی بین مؤلفه اصلی و متغیر اصلی را نشان می دهد. بر اساس نتایج، پنج سال با بیشترین بارگذاری بر روی جزء اصلی اول، سال‌های 2016، 2013، 2014، 2006 و 2011 است، در حالی که سال‌های مربوط به مولفه اصلی دوم 2000-2003 و 2010 است.
نتایج جهانی PCA دامهای بزرگ نیز در جدول 1 نشان داده شده است. ارزش ویژه اولین جزء اصلی بیشتر از یکپارچگی است و CPTV به 91.98 درصد می رسد. در عین حال، طبق نتایج، پنج سال با بیشترین تأثیر بر مؤلفه اصلی اول، سال های 2013، 2011، 2012، 2014 و 2009 است. بر اساس نتایج تحلیل اولیه، در هر مؤلفه اصلی، سال های تأثیرگذار بر بزرگ و جمعیت های کوچک دام متمایز هستند. علاوه بر این، لازم به ذکر است که جمعیت دام در سال های مختلف یک متغیر فضایی است، در حالی که PCA جهانی یک تجزیه و تحلیل غیرمکانی از جمعیت دام است. بنابراین، نتایج فوق منعکس کننده ساختار محلی جمعیت های دام در سال های مختلف در هر منطقه نیست و GWPCA بیشتری مورد نیاز است.
از آنجایی که مقادیر ویژه دو جزء اصلی اول و اولین جزء اصلی جمعیت‌های دام کوچک و بزرگ در PCA جهانی فوق بیشتر از یکپارچگی هستند و CPTV همگی بیشتر از 90 درصد بودند، منطقی است که تعداد اجزای باقی‌مانده حفظ شود. به ترتیب k = 2 و k = 1 در GWPCA. سپس، پهنای باند بهینه bw = 72 و bw = 99 است. در محاسبات زیر، تمام 21 مؤلفه برای GWPCA حفظ شدند. با این حال، برای مطابقت با نتایج PCA، تنها دو جزء اول اصلی دام های کوچک و اولین جزء اصلی دام های بزرگ بر روی خروجی نتیجه متمرکز شدند.

3.3. تجزیه و تحلیل مؤلفه اصلی وزن‌دار جغرافیایی

3.3.1. نسبت داده های واریانس کل

CPTV جهانی دو جزء اصلی جمعیت دام کوچک 94.54 درصد است ( جدول 1 )، که نشان می دهد تغییرات جمعیت دام در همه مناطق ثابت است، در حالی که محدوده CPTV محلی بین 93.23٪ و 96.45٪ است ( شکل 5 ) نشان می دهد که CPTV در مناطق مختلف متفاوت است. به وضوح می توان مشاهده کرد که مقدار CPTV محلی در مناطق مرکزی و غربی IM بالاتر از مقدار CPTV جهانی است، در حالی که مقدار CPTV محلی در برخی مناطق مرکزی و شرقی کمتر از مقدار CPTV جهانی است. واریانس مولفه اصلی جهانی اولین مؤلفه اصلی برای جمعیت بزرگ دام 91.98٪ بود و CPTV محلی تولید شده توسط GWPCA از 88.47٪ تا 92.49٪ متغیر بود ( شکل 5).). مشاهده اینکه در کل IM به جز مناطق مرکزی و شرقی-جنوبی، مقادیر CPTV کمتر از CPTV جهانی است، دشوار نیست. این بیشتر ثابت نبودن فضایی داده‌های جمعیت دام را تأیید می‌کند.
3.3.2. در حال بارگیری داده ها
با تجسم داده های بارگیری GWPCA جمعیت دام، متغیری که بیشترین تأثیر محلی را بر اجزای اصلی دارد، متغیر برنده را می توان یافت ( شکل 6 ). برای جمعیت های کوچک دام، متغیرهای برنده GWPC1 2000-2004، 2007، 2008 و 2018 هستند و متغیرهای GWPC2 تنها 2000 و 2001 هستند. 2016. دیدن اینکه متغیرهای برنده بر اساس منطقه در این دوره 21 ساله متفاوت هستند، سخت نیست.
متغیرهای برنده سنتی نمی توانند ماهیت وابستگی فضایی بین شاخص های PCA را به طور کامل آشکار کنند [ 61 ]. بنابراین، با استفاده از روش خوشه‌بندی سلسله مراتبی مبتنی بر فاصله برای تجزیه و تحلیل داده‌های بارگذاری GWPCA. همانطور که از شکل 7 مشاهده می شود ، خوشه ها پیوستگی قوی دارند و تقسیم شرقی-غربی آشکاری دارند. برای دام های کوچک GWPC1، IM به سه قسمت تقسیم می شود. خوشه 3 در بخش مرکزی و غربی IM است و میانگین بارگذاری آن کمترین نقطه را در سال های 2007 و 2008 نشان می دهد ( شکل 8 ). در ترکیب با متغیرهای برنده، همچنین می توان مشاهده کرد که منطقه مربوطه عمدتاً توسط این دو سال تعیین می شود ( شکل 6).) خوشه 2 عمدتاً در IM مرکزی و شرقی است و متغیر برنده آن 2003 است. خوشه 1 تحت سلطه 2000 در بخش مرکزی IM است و می توان مشاهده کرد که میانگین مقادیر بارگذاری خوشه های مربوطه به پایین ترین حد در هر دو سال رسیده است. برای دام های کوچک GWPC2، IM عمدتا به دو دسته تقسیم می شود. خوشه 2 عمدتاً در IM مرکزی توزیع شده است و خوشه 1 شامل تمام مناطق دیگر است. سال غالب اصلی و حداقل و حداکثر نقاط مقدار میانگین بارگذاری هر دو در سال 2000 رخ داده است. خوشه 1 در شرق و خوشه 2 در غرب به ترتیب در سال 2016 و 2005 به کمترین میزان خود می رسند.

3.4. رابطه بین جمعیت دام و بلایای هواشناسی

بلایای هواشناسی به طور مکرر در IM رخ می دهد، و انواع و درجات مختلف بلایای هواشناسی تقریباً سالانه در طول دوره مورد مطالعه رخ می دهد ( مواد تکمیلی جدول S1 ). با ترکیب با نتایج خوشه‌بندی ( شکل 7 )، می‌توانیم وقوع بلایای هواشناسی را در خوشه‌های مختلف برای اجزای اصلی دام‌های مختلف بدانیم ( جدول 2 ). علاوه بر این، از آنجایی که هیچ فاجعه هواشناسی در خوشه 3 در سال 2008 وجود نداشت، تجزیه و تحلیل بعدی انجام نشد.
برای دام های کوچک GWPC1، در بهار سال 2000، خشکسالی خفیف و متوسط ​​در خوشه 1 رخ داد و در تابستان به خشکی متوسط ​​و شدید تبدیل شد ( شکل 9 a,d) و SPEI با جمعیت دام های کوچک در همبستگی منفی متوسطی داشت. بهار و تابستان ( شکل 9 g,j)، نشان می دهد که جمعیت دام های کوچک با وجود خشکسالی افزایش یافته است. در همان زمان، SWEI در یک دوره مرطوب غیرعادی و نسبتاً مرطوب بود ( شکل 10 a)، اما تقریباً هیچ ارتباطی بین SWEI و جمعیت دام های کوچک وجود نداشت ( شکل 10).ج) نشان می دهد که تأثیر فاجعه برف در مقایسه با خشکسالی ناچیز بوده است. در سال 2003، خوشه 2 از خشکسالی خفیف، حتی خشکسالی شدید و شدید فقط در فصل بهار رنج برد ( شکل 9 ب)، که در آن SPEI در غرب و شمال غربی شهر Hulun Buir با جمعیت دام های کوچک همبستگی مثبت متوسطی داشت ( شکل 9 ساعت ). ) نشان می دهد که خشکسالی بهاره باعث کاهش جمعیت دام های کوچک شده است. علاوه بر این، بیشتر مناطق در زمستان در دوره‌های خشک‌سالی غیرعادی تا شدید هستند ( شکل 10 ب)، و SWEI کمتر با جمعیت دام کوچک مرتبط است ( شکل 10).د) نشان می دهد که خشکسالی برف تأثیر معنی داری بر جمعیت دام های کوچک ندارد. در سال 2007، خوشه 3 دارای خشکسالی خفیف و خشکسالی متوسط ​​در بهار بود و در تابستان منطقه خشکسالی گسترش یافت و خشکسالی شدید ظاهر شد ( شکل 9 c,d). در غرب شهر اوردوس، بیشتر شهر بیاننور و شهر ووهای، تابستان SPEI با جمعیت دام های کوچک همبستگی متوسطی منفی داشت ( شکل 9 l)، که نشان می دهد خشکسالی تابستان جمعیت دام های کوچک را در مناطق فوق افزایش داده است. با این حال، یک همبستگی مثبت متوسط ​​بین SPEI تابستانی و جمعیت دام های کوچک در شمال غربی شهر هوهات و جنوب شرقی شهر بائوتو وجود داشت ( شکل 9).ل) نشان می دهد که جمعیت دام های کوچک در این مناطق به دلیل خشکسالی تابستان کاهش یافته است.
برای دام های کوچک GWPC2، سال پیشرو خوشه های 1 و 2 سال 2000 است. در بهار، خشکسالی شدید و خشکسالی شدید در شرق لیگ الکسا، بیشتر شهر بیاننور، شهر اوردوس و شهر ووهای ( شکل 9 الف) رخ داد. ، SPEI بهار در غرب شهر بیاننور با جمعیت دامهای کوچک همبستگی متوسط ​​​​مثبت داشت ( شکل 9 g)، که نشان می دهد خشکسالی باعث کاهش دام در مناطق فوق شده است. خشکسالی شدید در شرق لیگ Xilingol رخ داد. در تابستان، منطقه خشکسالی به تدریج به شهر Tongliao، شهر Chifeng، لیگ Hinggan و برخی از مناطق شهر Hulun Buir گسترش یافت و حتی به خشکسالی شدید تبدیل شد ( شکل 9).د). در میان آنها، SPEI در شرق لیگ Xilingol با جمعیت دام های کوچک در تابستان همبستگی مثبت متوسطی دارد ( شکل 9 j)، که نشان می دهد خشکسالی در تابستان منجر به کاهش جمعیت دام های کوچک در منطقه شده است. علاوه بر این، SWEI در IM میانه و شرقی در یک طلسم متوسط ​​یا بالاتر از مرطوب است به جز برخی از مناطق لیگ Xilingol که نزدیک به سطح نرمال است ( شکل 10 a). در میان آنها، SWEI در میانه و غرب و شمال شرقی لیگ هینگگان در زمستان با جمعیت دام های کوچک همبستگی مثبت متوسطی دارد ( شکل 10).ج) نشان می دهد که فاجعه برف باعث افزایش جمعیت دام های کوچک شده است. SWEI در شمال شهر Hulun Buir، لیگ Xilingol شرقی، شمال شهر Chifeng و شمال غربی شهر Tongliao با جمعیت دام های کوچک همبستگی متوسط ​​​​منفی دارد ( شکل 10 c)، که نشان می دهد فاجعه برفی در این منطقه باعث کاهش جمعیت دام های کوچک شده است. .
برای GWPC1 دام های بزرگ، خوشه 1 در بهار 2016، خشکسالی های متوسط ​​و شدید در لیگ Xilingol، شهر Tongliao، شهر Chifeng و لیگ Hinggan رخ داد. در تابستان، خشکسالی به تدریج به سمت شمال به شهر Hulun Buir حرکت کرد و به خشکسالی های شدید و شدید تبدیل شد ( شکل 11 c,d). فقط در تابستان، SPEI در شرق لیگ Xilingol، شمال غربی شهر Tongliao، و بخش‌های مرکزی و جنوبی لیگ Hinggan با جمعیت دام‌های بزرگ همبستگی مثبت متوسطی دارد ( شکل 11).ح) نشان می دهد که خشکسالی تابستان در مناطق مربوطه باعث کاهش جمعیت دام های بزرگ می شود. علاوه بر این، در شرق و شمال شرق شهر Hulun Buir، تابستان SPEI همبستگی منفی متوسطی با جمعیت دام های بزرگ نشان داد که نشان می دهد خشکسالی تابستان جمعیت دام های بزرگ را افزایش داده است. در سال 2005، خوشه 2 دارای خشکسالی خفیف و متوسط ​​در بهار بود و در تابستان تا متوسط ​​و بالاتر از خشکسالی توسعه یافت ( شکل 11 a,b). فقط در جنوب شهر ووهای و غرب و جنوب شهر اردوس که مناطقی با خشکسالی شدید و شدید در تابستان بودند، همبستگی منفی متوسط ​​و بالایی بین SPEI و جمعیت دامهای بزرگ در تابستان وجود داشت ( شکل 11).و) نشان می دهد که خشکسالی باعث افزایش جمعیت دام های بزرگ شده است. همبستگی مثبت متوسط ​​و بالا در بیشتر شهر اولنقاب و بخش شرقی شهر هوهوت یافت می شود ( شکل 11 e,f) که نشان می دهد خشکسالی در بهار و تابستان باعث کاهش جمعیت دام های بزرگ می شود.

4. بحث

انتخاب پهنای باند برای کاربرد GWPCA بسیار مهم است و اندازه آن تأثیر مقیاس فضایی بر تحلیل را کنترل می کند، بنابراین نتایج تولید شده توسط پهنای باند مختلف ممکن است تا حدی متفاوت باشد [ 23 ، 62 ، 63 ]. در این مطالعه، تعداد مؤلفه‌های حفظ‌شده به‌طور پیشینی بر اساس مطالعات متعدد فعلی تعیین شد و سپس از روش اعتبارسنجی متقابل برای تعیین پهنای باند تطبیقی ​​بهینه استفاده شد [ 30 ، 51 ، 56 ، 61 ، 64 ، 65 ، 66 ، 67 .]. با این حال، برخی از مطالعات نشان داده اند که این ممکن است ایده آل ترین روش نباشد و روشی را برای تعیین پهنای باند و اجزای حفظ شده به طور همزمان پیشنهاد کرده و از پهنای باند مختلف برای تجزیه و تحلیل داده ها استفاده کرده است و مطالعه نشان می دهد که تفاوت های خاصی در توزیع هم PTV و هم متغیرهای برنده [ 23 ].
در میان بسیاری از بلایای هواشناسی، خشکسالی و بلایای برف به عنوان تهدیدهای اصلی برای تولید دام و مهمترین عوامل مؤثر بر جمعیت دام در نظر گرفته می شود. حتی اگر این وضعیت پس از اصلاحات دامداری شروع به تغییر کرد، همچنان خطر قابل توجهی برای جمعیت دام دارد [ 48 ، 68 ، 69 ، 70 ، 71 ].]. نتیجه می گیریم که اثرات بلایای هواشناسی بر جمعیت دام هم مثبت و هم منفی است که شباهت هایی را با سایر مطالعات نشان می دهد. به طور کلی تلفات جمعیت دامی ناشی از بلایا یک پدیده رایج است. مطالعات نشان داده است که با توجه به تأثیر بلایای هواشناسی، میانگین تلفات سالانه دام در مناطق مرتفع IM بیش از 5 درصد و بیشترین میزان تلفات تقریباً 24 درصد است [ 72 ].]. با این حال، این کاملاً صادق نیست. زمانی که خشکسالی رخ می دهد، عملکرد علوفه کاهش می یابد و دامداران ابتدا خرید خوراک را انتخاب می کنند که بدون شک هزینه های پرورش را افزایش می دهد. بنابراین، دامداران پس از ثبات بازار، دام های خود را حفظ می کنند و آنها را می فروشند، بنابراین جمعیت دام های موجود پس از خشکسالی افزایش می یابد [ 71 ]. هنگامی که یک فاجعه برفی رخ می دهد، دام ها کمتر روی گیاهان می چرند، در نتیجه بهره وری علفزار را ارتقا می دهد و جمعیت دام های پرورش یافته را بیشتر می کند [ 73 ، 74 ]]. بنابراین بلایای هواشناسی نه تنها به طور مستقیم باعث تلفات دام می شود، بلکه با تأثیر بر علف های علوفه ای و غیره به طور غیرمستقیم جمعیت دام ها را تحت تأثیر قرار می دهد. علاوه بر این، تأثیر بلایای هواشناسی دارای تفاوت‌های جغرافیایی خاصی است، عمدتاً به دلیل شیوع خشکسالی در IM، شدت خشکسالی به تدریج از شرق به غرب افزایش یافت، منطقه غربی نوع اصلی خشکسالی است، در حالی که نوع اصلی خشکسالی است. فاجعه برف در شرق [ 75 ].
علاوه بر تأثیرات آب و هوایی، جمعیت دام نیز تحت تأثیر تأثیرات اجتماعی-اقتصادی و سیاستی قرار می گیرند [ 76 ، 77 ]. به طور کلی، جمعیت دام در IM به طور کلی نسبت به شرایط آب و هوایی حساس تر از شرایط اقتصادی است [ 76 ]. با این حال، برای شهر هوهات، این مطالعه معتقد است که عوامل اجتماعی-اقتصادی تأثیر بیشتری بر ویژگی‌های تغییرات جمعیت دام دارند تا عوامل اقلیمی [ 78 ]. این ممکن است به دلیل تفاوت های قابل توجه در عوامل مؤثر بر دامداری در مقیاس های مکانی و زمانی مختلف باشد [ 79 ]]. برای شهرهایی که توسعه اقتصادی بهتری دارند، مانند شهر هوهوت، که عمدتاً مناطق صنعتی و معدنی شهری و مناطق کشاورزی هستند، مکان‌های دامپروری بسیار فشرده هستند و اقدامات واکنش به بلایای هواشناسی نسبتاً کامل است. از سال 2000، چندین برنامه مهم ملی حفاظت از مراتع در IM اجرا شده است، از جمله برنامه کنترل باد/منبع ماسه پکن-تیانجین از سال 2001 و برنامه برداشت چرا از سال 2003 [ 80 ]. مهمتر از آن، در سال 2011، یک مکانیسم یارانه و پاداش برای حفاظت از محیط زیست مرتع اعلام شد. یعنی یارانه ها برای تشویق مردم به کنترل جمعیت دام و کاهش شدت چرا استفاده شد [ 81 ]]. این مکانیسم یارانه و پاداش اثرات متفاوتی بر جمعیت دام در مناطق مختلف دارد و در لیگ Xilingol و شهر Hulun Buir این اثر منفی است اما در شهرستان اولانقاب و اردوس مثبت است [ 82 ]. در همین حال، مکانیسم‌های یارانه و پاداش تأثیر قابل‌توجهی بر دام‌های بزرگ ندارد، اما به طور قابل‌توجهی جمعیت کل گوسفند و همه دام‌ها را کاهش می‌دهد [ 37 ]. با این حال، به دلیل نظارت ضعیف یا مقادیر کم یارانه [ 69 ، 83 ]، موفقیت این سیاست ها محدود است [ 71 ].
هنگامی که تغییرات شدید آب و هوایی مانند خشکسالی و طوفان برف رخ می دهد، نوسانات زیادی در جمعیت دام وجود خواهد داشت [ 84 ]. بنابراین، درک ویژگی‌های مکانی و زمانی تغییرات در جمعیت دام برای واکنش به بلایا، مدیریت پایدار محیط‌های علفزار و تأثیر بلایا حیاتی است [ 23 ].]. به طور خلاصه، این مطالعه دارای محدودیت‌های خاصی است و تنها عوامل بلایای هواشناسی را در نظر می‌گیرد که تأثیر بیشتری بر تلفات جمعیت دام دارند، در حالی که سایر عوامل نیز تأثیرات خاصی دارند. علاوه بر این، فقط داده های دام های بزرگ و دام های کوچک را در سطح شهرستان تجزیه و تحلیل می کند و آن را به مجموعه داده های اسب، گاو، شتر، الاغ، قاطر، بز و گوسفند تقسیم نمی کند. در مرحله بعد، مجموعه داده های دقیق تری را بررسی خواهیم کرد و ممکن است یافته های متفاوتی وجود داشته باشد.

5. نتیجه گیری ها

در این مقاله، ما از GWPCA برای تجزیه و تحلیل داده‌های جغرافیایی با یک شاخص زمانی (جمعیت دام پایان سال) و در نظر گرفتن تأثیر بلایای هواشناسی استفاده می‌کنیم. نتایج نشان داد که برای دام های کوچک GWPC1، خشکسالی بهار-تابستان فاجعه اصلی در خوشه 1 (مرکزی IM) بود، در حالی که خوشه 2 (IM مرکزی و شرقی) و 3 (مرکزی و غرب IM) به ترتیب خشکسالی بهاره و تابستانی بودند. و فاجعه برف را می توان نادیده گرفت. برای دام های کوچک GWPC2، در خوشه 1 (به جز بخشی از IM مرکزی)، بلایای عمدتاً خشکسالی بهاره، خشکسالی تابستان و فاجعه برف بود، در حالی که خوشه 2 (IM مرکزی) خشکسالی بهار-تابستان است. با این حال، برای دام های بزرگ، در خوشه 1 (مرکزی و شرقی IM) و خوشه 2 (مرکزی و غربی IM) به ترتیب خشکسالی تابستان و بهار-تابستان بود. در همین حال، مهم نیست که برای دام بزرگ یا کوچک، بلایای هواشناسی هم مزایا و هم معایبی برای جمعیت دام دارد و انواع خشکسالی که تأثیر بیشتری بر دام دارند، خشکسالی تابستانی و خشکسالی بهار و تابستان است. علاوه بر این، تفاوت‌های جغرافیایی در تأثیر بلایای هواشناسی وجود دارد، به طوری که خشکسالی بیشتر IM را تحت تأثیر قرار می‌دهد و فاجعه برف عمدتاً بر منطقه شرقی تأثیر می‌گذارد. علاوه بر این، دام های بزرگ عمدتاً تحت تأثیر خشکسالی قرار گرفتند، در حالی که دام های کوچک تحت تأثیر خشکسالی و فاجعه برف قرار گرفتند. در نتیجه، GWPCA می‌تواند تغییرات فضایی جمعیت‌های دام را بهتر توضیح دهد. این مطالعه تکرار کرد که اقدامات مقابله ای متفاوتی باید برای انواع مختلف دام انجام شود و تفاوت های منطقه ای باید هنگام تدوین استراتژی های پیشگیری از بلایا در نظر گرفته شود.

منابع

  1. Xie، GD; ژانگ، ی.ال. لو، سی ایکس؛ ژنگ، دی. چنگ، SK مطالعه در مورد ارزیابی خدمات اکوسیستم مرتع چین. جی. نات. منبع. 2001 ، 16 ، 47-53. [ Google Scholar ] [ CrossRef ]
  2. پیائو، اس ال. نیش، جی. او، JS; Xiao، Y. توزیع فضایی زیست توده مرتع در چین. Acta Phytoecol. گناه 2004 ، 28 ، 491-498. [ Google Scholar ] [ CrossRef ]
  3. نیش، جی. گنگ، XQ؛ ژائو، ایکس. شن، HH; هو، HF چند منطقه مرتع در چین وجود دارد. چانه. علمی گاو نر 2018 ، 63 ، 1731-1739. [ Google Scholar ] [ CrossRef ]
  4. وانگ، سی جی. جیانگ، اچ. لو، WH; ژانگ، ی. Sun، SZ; لی، دی. مدل ارزیابی برای استفاده از علفزارهای طبیعی بر اساس مسیر مکانی-زمانی دام در حال چرا. ترانس. چانه. Soc. کشاورزی ماخ 2018 ، 49 ، 181-186. [ Google Scholar ] [ CrossRef ]
  5. سایزن، آی. مائکاوا، ا. Yamamura، N. تجزیه و تحلیل فضایی تغییرات سری زمانی در توزیع دام با تشخیص انجمن های فضایی محلی در مغولستان. Appl. Geogr. 2010 ، 30 ، 639-649. [ Google Scholar ] [ CrossRef ]
  6. Penedo، IB; Cantalapiedra، J. Llonch، P. Impacto del Cambio climático sobre el bienestar animalen los sistemas ganaderos. Inf. Técnica Económica Agrar. 2020 ، 116 ، 424-443. [ Google Scholar ] [ CrossRef ]
  7. لیو، CH تأثیر تغییر آب و هوا بر دامداری سنتی مغولی در منطقه آلاشان، مغولستان داخلی. پایان نامه کارشناسی ارشد، دانشگاه مینزو چین، پکن، چین، 2013. [ Google Scholar ]
  8. Jardim، AMRF; مورایس، جف؛ سوزا، LSB؛ سیلوا، TGF درک فرآیندهای تعاملی : بررسی شار CO2، تبخیر و تعرق و تقسیم انرژی تحت شرایط استرس زا در جنگل های خشک و محیط های کشاورزی. محیط زیست نظارت کنید. ارزیابی کنید. 2022 ، 194 ، 677. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  9. IPCC خلاصه ای برای سیاستگذاران در تغییرات آب و هوا 2021: پایه علم فیزیکی. مشارکت گروه کاری I در ششمین گزارش ارزیابی هیئت بین دولتی تغییرات آب و هوایی . دانشگاه کمبریج: کمبریج، بریتانیا، 2021. [ Google Scholar ]
  10. ژائو، YJ; ژنگ، فلوریدا؛ یائو، YQ; Zhang، JQ ویژگی‌های تغییر فضایی-زمانی بلایای هواشناسی کشاورزی در کل کشور از سال 1978 تا 2018. J. Nat. بلایا 2022 ، 31 ، 198-207. [ Google Scholar ] [ CrossRef ]
  11. لیو، ایکس. فنگ، XJ; لیو، ال سی؛ گائو، ZG; لیو، دبلیو. تجزیه و تحلیل ویژگی‌های از دست دادن بلایای هواشناسی در مغولستان داخلی بین سال‌های 1980 و 2015. J. North. کشاورزی 2016 ، 44 ، 94-98. [ Google Scholar ] [ CrossRef ]
  12. Su، Y. تجزیه و تحلیل بلایای هواشناسی عمده و تصمیم گیری در مورد پیشگیری و کاهش بلایا در مغولستان داخلی. مسافرخانه مونگ. علمی تکنولوژی اقتصاد 2019 ، 10 ، 43-44. [ Google Scholar ]
  13. هائو، ال. ارزیابی خطر بلایای هواشناسی و پیشگیری از بلایا دامپروری مغولستان داخلی وی، ایر. شهاب سنگ J. Inn. مونگ. 1999 ، 4 ، 29-35. [ Google Scholar ]
  14. Suo، CS; Li, JY تجزیه و تحلیل آسیب بلایای بزرگ هواشناسی به تولید دام در شهر چیفنگ. جی. نورث. کشاورزی 2011 ، 2 ، 76-91. [ Google Scholar ] [ CrossRef ]
  15. Shao، XP؛ لی، جی کیو؛ بائو، WRQQG; زینگ، MH; یو، اچ جی; لی، PF کاربرد اطلاعات هواشناسی در دامپروری در شهر تونگلیائو، مغولستان داخلی. انیمیشن. هاس خوراک. علمی 2016 ، 37 ، 65-66. [ Google Scholar ] [ CrossRef ]
  16. شو، ی. پیشنهاداتی در مورد پیشگیری از بلایا و کاهش بلایای رایج هواشناسی در مناطق مرتفع. مسافرخانه مونگ. علمی تکنولوژی اقتصاد 2016 ، 2 ، 67-68. [ Google Scholar ]
  17. ژانگ، سی جی؛ ژانگ، MX؛ Zhang، LP روش‌های ذخیره‌سازی خوراک در آب و هوای شدید و اضطراری در مناطق دامداری. چین هربیو. علمی 2014 ، S1 ، 375–377. [ Google Scholar ] [ CrossRef ]
  18. لی، ن. لیو، ایکس. زی، دبلیو. وو، جی. Zhang، P. تحلیل دوره بازگشت بلایای طبیعی با مدلسازی آماری توزیع احتمال مشترک دو متغیره. ریسک مقعدی 2013 ، 33 ، 134-145. [ Google Scholar ] [ CrossRef ]
  19. ژائو، اف. فن، بی. Ma، XF; کنگ، WJ; ژانگ، ایکس. لی، LH; ما، SY; وانگ، ZC ویژگی های توزیع مکانی و زمانی بلایای هواشناسی در مغولستان داخلی. مسافرخانه مونگ. علمی تکنولوژی اقتصاد 2016 ، 23 ، 42-45+58. [ Google Scholar ] [ CrossRef ]
  20. Song, LC سالنامه بلایای هواشناسی در چین ; مطبوعات هواشناسی چین: پکن، چین، 2004; صص 86-87. [ Google Scholar ]
  21. Bao, L. اساس و اقدامات توسعه دامپروری مدرن در مغولستان داخلی. شمال. اقتصاد 2020 ، 1 ، 10-13. [ Google Scholar ]
  22. هریس، پی. براندون، سی. چارلتون، ام. تجزیه و تحلیل اجزای اصلی وزن‌دار جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2011 ، 25 ، 1717-1736. [ Google Scholar ] [ CrossRef ]
  23. تسوتسومیدا، ن. هریس، پی. Comber، A. کاربرد تجزیه و تحلیل مؤلفه اصلی وزن‌دار جغرافیایی برای کاوش در بیست و سه سال تغییر جمعیت بز در سراسر مغولستان. ان صبح. دانشیار Geogr. 2017 ، 107 ، 1060-1074. [ Google Scholar ] [ CrossRef ]
  24. دمشار، یو. هریس، پی. براندون، سی. Fotheringham، AS; مک‌لون، اس. تجزیه و تحلیل مؤلفه‌های اصلی بر روی داده‌های فضایی: مروری. ان دانشیار صبح. Geogr. 2013 ، 103 ، 106-128. [ Google Scholar ] [ CrossRef ]
  25. لوید، سی دی تجزیه و تحلیل ویژگی های جمعیت با استفاده از تجزیه و تحلیل اجزای اصلی وزن شده جغرافیایی: مطالعه موردی ایرلند شمالی در سال 2001. رایانه ها. محیط زیست سیستم شهری 2010 ، 34 ، 389-399. [ Google Scholar ] [ CrossRef ]
  26. Li، ZJ; چنگ، جی کیو. وو، QY تجزیه و تحلیل الگوهای توسعه اقتصادی منطقه‌ای در استانی در حال توسعه سریع چین از طریق تجزیه و تحلیل مؤلفه‌های اصلی وزن‌دار جغرافیایی. Lett. تف کردن منبع. علمی 2016 ، 9 ، 233-245. [ Google Scholar ] [ CrossRef ]
  27. Ma، ZF; Li، ZJ; ژانگ، YQ; وو، QY تجزیه و تحلیل مؤلفه‌های اصلی وزن‌دار جغرافیایی توسعه منطقه‌ای – مطالعه موردی استان جیانگ سو. جی سنت. هنجار چین دانشگاه (Nat. Sci.) 2016 , 50 , 276–281+287. [ Google Scholar ] [ CrossRef ]
  28. کومار، اس. لعل، ر. لوید، سی دی ارزیابی تنوع فضایی در ویژگی‌های خاک با تجزیه و تحلیل اجزای اصلی وزن‌دار جغرافیایی. محاسبه کنید. Geosci. 2012 ، 16 ، 827-835. [ Google Scholar ] [ CrossRef ]
  29. فرناندز، اس. کوتوس یانز، تی. روکا-پاردینا، جی. Ordóñezc، C. تجزیه و تحلیل اجزای اصلی وزن‌دار جغرافیایی برای ارزیابی منابع آلودگی پراکنده فلز سنگین خاک: کاربرد در مناطق کوهستانی ناهموار در شمال غربی اسپانیا. Geoderma 2018 ، 311 ، 120-129. [ Google Scholar ] [ CrossRef ]
  30. چن، جی. Qu، MK; ژانگ، جی ال. Xie، EZ; هوانگ، بی. Zhao، YC ارزیابی کیفیت حاصلخیزی خاک بر اساس تجزیه و تحلیل اجزای اصلی وزن‌دار جغرافیایی (GWPCA) در مناطق بزرگ. Catena 2021 , 201 , 105197. [ Google Scholar ] [ CrossRef ]
  31. کیان، جی ایکس; ژانگ، ن. کیان، FM اندازه مزرعه مناسب برای دامداری علفزار گله‌داران با در نظر گرفتن اهداف مختلف – بر اساس داده‌های گله‌داران از چهار نوع مرتع در مغولستان داخلی. کشاورزی اقتصاد مدیریت 2019 ، 2 ، 55–66. [ Google Scholar ] [ CrossRef ]
  32. هائو، CF; جی، PH; Xin، QQ; ژائو، جی ال. جیا، SP روشنگری اصلاح و توسعه دامپروری در مغولستان داخلی. انیمیشن. هاس خوراک. علمی 2020 ، 41 ، 62-66. [ Google Scholar ] [ CrossRef ]
  33. اداره آمار منطقه خودمختار مغولستان داخلی. سالنامه آماری مغولستان داخلی ; انتشارات آمار چین: پکن، چین، 2021؛ پ. 179. [ Google Scholar ]
  34. آهنگ، LY; مطالعه Du، FL در مورد تأثیر رفتارهای سازگارانه تغییر آب و هوا بر درآمد دامداران – مطالعه موردی مغولستان داخلی. کشاورزی اقتصاد مدیریت 2022 ، 3 ، 86-96. [ Google Scholar ]
  35. ون، ام. یونگ، اچ. مطالعه در مورد وضعیت فعلی، چالش ها و اقدامات متقابل توسعه با کیفیت بالا دامپروری در مغولستان داخلی. مسافرخانه مونگ. Soc. علمی 2022 ، 43 ، 205-213. [ Google Scholar ] [ CrossRef ]
  36. لیو، ام. خشک، ال. هیجمن، دبلیو. هوانگ، JK; زو، XQ؛ هو، YN; چن، HB تأثیر برنامه‌های ساخت‌وساز زیست‌محیطی بر حفاظت از مرتع در مغولستان داخلی، چین. تخریب زمین توسعه دهنده 2018 ، 29 ، 326-336. [ Google Scholar ] [ CrossRef ]
  37. لیو، ام. خشک، ال. هوانگ، JK; شی، م. تانگ، جی جی اثرات سیاست زیست محیطی بر تخریب مراتع و تولید دام در مغولستان داخلی، چین: یک تحلیل تجربی بر اساس مدل معادله همزمان. خط‌مشی استفاده از زمین 2019 ، 88 ، 104167. [ Google Scholar ] [ CrossRef ]
  38. استکلیز، دبلیو. ردستیگ، اچ. شولز، ام. والتر، دی. Selbig, J. pca Methods یک بسته زیست رسانا است که روش های PCA را برای داده های ناقص ارائه می دهد. بیوانفورماتیک 2007 ، 23 ، 1164-1167. [ Google Scholar ] [ CrossRef ]
  39. لیو، اس دی؛ وانگ، اس. Guo، تجزیه و تحلیل HL در مورد رابطه بین مرگ و میر حیوانات و بلایای هواشناسی در منطقه پاستورال مغولستان داخلی. شهاب سنگ J. Inn. مونگ. 2015 ، 3 ، 13-17. [ Google Scholar ] [ CrossRef ]
  40. ویسنته-سرانو، اس ام. بگریا، اس. López-Moreno، JI یک شاخص خشکسالی چند مقیاسی حساس به گرمایش جهانی: شاخص استاندارد تبخیر و تعرق بارش-SPEI. جی. کلیم. 2010 ، 23 ، 1696-1718. [ Google Scholar ] [ CrossRef ]
  41. ویسنته-سرانو، اس ام. بگریا، اس. لوپز-مورنو، جی. آنگولو، م. El Kenawy، A. مجموعه داده شبکه ای جهانی 0.5 درجه (1901-2006) از یک شاخص خشکسالی چند مقیاسی با در نظر گرفتن اثرات مشترک بارش و دما. J. Hydrometeorol. 2010 ، 11 ، 1033-1043. [ Google Scholar ] [ CrossRef ]
  42. هانینگ، LS; آقاکوچک، الف. نقاط داغ خشکسالی برف جهانی و ویژگی ها. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2020 ، 117 ، 19753–19759. [ Google Scholar ] [ CrossRef ]
  43. هانینگ، LS; مجموعه داده‌های خشکسالی جهانی برف، آقاکوچک، ع.، انجیر، مجموعه. 2020. در دسترس آنلاین: https://doi.org/10.6084/m9.figshare.c.5055179 (در 27 ژوئن 2022 قابل دسترسی است).
  44. هوانگ، HX مغولستان داخلی دچار یک “dzud” جدی شد. انیمیشن چین. Ind. 2000 , 3 , 10. [ Google Scholar ]
  45. ژانگ، دی اف. Zhang، XH مکانیسم ایجاد فاجعه برفی در مراتع در شمال چین. جی. نات. بلایا 2002 ، 2 ، 80-84. [ Google Scholar ] [ CrossRef ]
  46. Zhang، RZ ویژگی ها و علل خشکسالی و اقدامات امدادی خشکسالی در بخش غربی مغولستان داخلی. J. Inn. مونگ. کشاورزی دانشگاه (Nat. Sci. Ed.) 2002 ، 4 ، 119-122. [ Google Scholar ]
  47. هائو، ال. وانگ، جی. شی، پی جی. فن، YY ارزیابی آسیب‌پذیری فاجعه منطقه‌ای برف دامداری: در نظر گرفتن مرتع مغولستان داخلی به عنوان مثال. جی. نات. بلایا 2003 ، 2 ، 51-57. [ Google Scholar ] [ CrossRef ]
  48. اولان، بی. لیو، SD مطالعه ای در مورد اقدامات متقابل علیه آسیب های آب و هوایی اصلی به دامپروری در مغولستان داخلی. جی. نات. بلایا 2004 ، 6 ، 36-40. [ Google Scholar ] [ CrossRef ]
  49. بای، ام ال. هائو، آر کیو؛ هو، کیو. تمایز ریسک بلایای هواشناسی اصلی و ویژگی‌های محیط‌های فاجعه‌زا در نواحی متلاشی کشاورزی و مرتع در مغولستان داخلی. کشاورزی Res. خشک مناطق 2006 ، 4 ، 149-154. [ Google Scholar ] [ CrossRef ]
  50. آهنگ، تجزیه و تحلیل خشکی GY در مغولستان داخلی خودمختار در تابستان. پایان نامه کارشناسی ارشد، دانشگاه لانژو، لانژو، چین، 2006. [ Google Scholar ] [ CrossRef ]
  51. گولینی، آی. لو، بی بی. چارلتون، ام. براندون، سی. هریس، P. Gwmodel: یک بسته R برای کاوش ناهمگونی فضایی با استفاده از مدل‌های وزن‌دار جغرافیایی. J. Statal Softw. 2015 ، 63 ، 1-50. [ Google Scholar ] [ CrossRef ]
  52. وو، هی؛ Xu، ZL منشأ ردیابی کرم خاکی بر اساس تجزیه و تحلیل مؤلفه اصلی و تجزیه و تحلیل متمایز. چانه. جی. فارم. مقعدی 2022 ، 42 ، 387-393. [ Google Scholar ] [ CrossRef ]
  53. Pang، XR; جی، م. وانگ، جی. ژانگ، ال. Li، JX; وانگ، سی ایکس؛ او، JW اثر عوامل جغرافیایی بر مقادیر مرجع ایزوآنزیم کراتین کیناز. Geogr. Res. 2022 ، 41 ، 1700-1714. [ Google Scholar ]
  54. Fotheringham، AS; براندون، سی. چارلتون، ME رگرسیون وزن‌دار جغرافیایی: تحلیل روابط متغیر فضایی . John Wiley & Sons: Newcastle upon Tyne، UK، 2002. [ Google Scholar ]
  55. براندون، سی. Fotheringham، AS; چارلتون، ME رگرسیون وزن‌دار جغرافیایی: روشی برای کاوش غیرایستایی فضایی. Geogr. مقعدی 1996 ، 28 ، 281-298. [ Google Scholar ] [ CrossRef ]
  56. لو، بی بی. هریس، پی. چارلتون، ام. Brunsdon، C. بسته GWmodel R: موضوعات بیشتر برای کاوش ناهمگنی فضایی با استفاده از مدل‌های وزن‌دار جغرافیایی. ژئو اسپات. Inf. علمی 2014 ، 17 ، 85-101. [ Google Scholar ] [ CrossRef ]
  57. جین، ال. وانگ، YF; Guo، EL; لیو، جی ایکس؛ Bao، YL ارزیابی خطرات خشکسالی در مغولستان داخلی بر اساس مجموعه داده SPEIbase V.2.6. خشک زمین Geogr. 2022 ، 45 ، 695-705. [ Google Scholar ] [ CrossRef ]
  58. هریس، پی. براندون، سی. بررسی تغییرات فضایی و روابط فضایی در مجموعه داده‌های بار بحرانی اسیدی‌سازی آب شیرین برای بریتانیای کبیر با استفاده از آمار خلاصه وزن‌دار جغرافیایی. محاسبه کنید. Geosci. 2010 ، 36 ، 54-70. [ Google Scholar ] [ CrossRef ]
  59. تیم اصلی R. R: زبان و محیطی برای محاسبات آماری . بنیاد R برای محاسبات آماری: وین، اتریش، 2021; در دسترس آنلاین: https://www.R-project.org/ (دسترسی در 28 ژوئن 2022).
  60. چاراد، م. غزالی، ن. بوتهو، وی. نیک نفس، الف. J. Stat. نرم افزار 2014 ، 61 ، 1-36. [ Google Scholar ] [ CrossRef ]
  61. زیمارویوا، آ. ژوکوف، او. فدونیوک، تی. پینکین، ا. Zhukov، O. استفاده از تجزیه و تحلیل اجزای اصلی وزن‌دار جغرافیایی بر اساس تغییرات فضایی عملکرد سویا برای پهنه‌بندی کشاورزی-اکولوژیکی قلمرو. آگرون. Res. 2019 ، 17 ، 2460–2473. [ Google Scholar ] [ CrossRef ]
  62. هریس، پی. کلارک، ای. جوگینز، اس. براندون، سی. چارلتون، ام. بهبود تجزیه و تحلیل مؤلفه اصلی وزن‌دار جغرافیایی در زمینه کاربرد در مجموعه داده‌های محیطی. Geogr. مقعدی 2015 ، 47 ، 146-172. [ Google Scholar ] [ CrossRef ]
  63. پرسیوال، JEH; تسوتسومیدا، ن. موراکامی، دی. یوشیدا، تی. Nakaya، T. gwpcormapper: یک ابزار نگاشت تعاملی برای کاوش همبستگی وزن‌دار جغرافیایی و همبستگی جزئی در مجموعه داده‌های مکانی با ابعاد بالا. arXiv preprint 2021 , arXiv:2101.03491. [ Google Scholar ]
  64. روکا-پاردینا، جی. اوردونز، سی. Cotos-Yáñez، TR; Pérez-Alvarez, R. تست ناهمگونی فضایی در تجزیه و تحلیل اجزای اصلی وزن‌دار جغرافیایی. بین المللی جی. جئوگر. Inf. علمی 2017 ، 31 ، 676-693. [ Google Scholar ] [ CrossRef ]
  65. لوسادا، ن. آلن، ای. کوتوس-یانز، TR; Dominguez، T. ناهمگونی فضایی در اسپانیا برای رفتار سفر سالمندان. تور. مدیریت 2018 ، 70 ، 444-452. [ Google Scholar ] [ CrossRef ]
  66. Tejedor-Flores، N.; ویسنته-گالیندو، پی. Galindo-Villard، P. رویکرد تجزیه و تحلیل اجزای اصلی وزن‌دار جغرافیایی برای ارزیابی رفتار مصرف برق. WIT Trans. Ecol. محیط زیست 2020 ، 249 ، 101-112. [ Google Scholar ]
  67. دی سیلوا، SSA؛ میکر، MA; رایان، وی. الگور، وی. طولانی، DL; کارسون، AP; سیاه، N. مک کلور، لس آنجلس، مقایسه مقیاس‌های مرکب جهانی و فضایی وضعیت اجتماعی-اقتصادی همسایگی در سراسر کشورهای ایالات متحده. J. Urban Health 2022 ، 99 ، 457-468. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  68. لی، ی. مدیریت منابع چرا و تخریب علفزار: تأثیر خصوصی‌سازی در منطقه استپی شمال چین. دکتری پایان نامه، دانشگاه کلارک، ووستر، کارشناسی ارشد، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  69. Li، YX; به عنوان مثال، جین، LS تحقیقی در مورد بهبود سیاست تطبیق تغییرات آب و هوایی در مناطق مرتع بر اساس ارزیابی جامعه منطقه خودمختار مغولستان داخلی. مسائل کشاورزی. اقتصاد 2013 ، 34 ، 22-28+110. [ Google Scholar ] [ CrossRef ]
  70. وانگ، ام جی؛ ژانگ، CH تغییر آب و هوا در علفزار مغولستان داخلی و اثرات آن بر دامداری مرتعی. گراسل. Prataculture 2013 , 25 , 5-12. [ Google Scholar ] [ CrossRef ]
  71. کروک، DR; رابینسون، BE; لی، پی. تأثیر طوفان های برفی، خشکسالی و شیوع ملخ بر تولید دام در مغولستان داخلی: پیش بینی و سازگاری با شوک های زیست محیطی. Ecol. اقتصاد 2020 , 177 , 106761. [ Google Scholar ] [ CrossRef ]
  72. بورنجیریگالا; Hu, HX در مورد ساخت سیستم بیمه بلایای طبیعی دامپروری علفزار در مغولستان داخلی. جی. فاینانس. اقتصاد نظریه 2011 ، 1 ، 52-56. [ Google Scholar ] [ CrossRef ]
  73. هیرانو، ا. توریاما، ک. Komiyama، H. خصوصیات فضایی-زمانی علفزار مغولستان بر اساس تجزیه و تحلیل روند پوشش گیاهی. در مجموعه مقالات کنفرانس آسیایی سنجش از دور (ACRS2006)، اولان باتور، مغولستان، 9 اکتبر 2006. [ Google Scholar ]
  74. میائو، ال جی؛ فریزر، آر. Sun، ZL; اسنیث، دی. او، بی. Cui، XF تأثیر آب و هوا بر پوشش گیاهی و دامپروری در فلات مغولستان: تجزیه و تحلیل مقایسه ای. نات. خطرات 2016 ، 80 ، 727-739. [ Google Scholar ] [ CrossRef ]
  75. اولان، تی. مطالعه خشکسالی و فاجعه برف در منطقه شبانی مغولستان داخلی. پایان نامه کارشناسی ارشد، دانشگاه عادی مغولستان داخلی، مغولستان داخلی، چین، 2021. [ Google Scholar ] [ CrossRef ]
  76. وی، جی. Kinnucan، H. تجزیه و تحلیل دینامیکی موجودی دام در مغولستان داخلی. چین کشاورزی اقتصاد Rev. 2018 , 10 , 498-515. [ Google Scholar ] [ CrossRef ]
  77. وی، YJ; لین، ز. پویایی دام و عوامل مؤثر بر آن در فلات مغولستان. محیط زیست توسعه دهنده 2020 ، 34 ، 100518. [ Google Scholar ] [ CrossRef ]
  78. یان، بی جی; یان، جی جی; شی، WJ; لی، ویژگی های تنوع YX و عوامل موثر بر تعداد دام در منطقه هوهات از سال 1986 تا 2015. Pol. جی. محیط زیست. گل میخ. 2020 ، 29 ، 2447-2453. [ Google Scholar ] [ CrossRef ]
  79. جیانگ، ی. ژانگ، Q. نیو، جی. سیاست رشد جمعیت دامداری و استفاده از زمین وو، جی به طور قابل توجهی بر ساختار دام در مغولستان داخلی تأثیر گذاشته است – مطالعه موردی در منطقه Xilinhot. پایداری 2019 ، 11 ، 7208. [ Google Scholar ] [ CrossRef ]
  80. شائو، ال کیو؛ چن، HB; ژانگ، سی. هوو، XX اثرات برنامه های حفاظت از علفزارهای اصلی که از سال 2000 در مغولستان داخلی اجرا شده است بر احیای پوشش گیاهی و اختلالات طبیعی و انسانی در موفقیت آنها. پایداری 2017 ، 9 ، 466. [ Google Scholar ] [ CrossRef ]
  81. دولت مردمی منطقه خودمختار مغولستان داخلی. در دسترس آنلاین: https://www.nmg.gov.cn/zwgk/zfgb/2011n_4924/201113/201105/t20110523_300550.html (دسترسی در 21 مه 2022).
  82. گائو، LP; Kinnucan، HW; ژانگ، YQ; Qiao، GH اثرات یارانه برای حفاظت از علفزار بر تعداد دام، شدت چرا، و درآمد دامداران در مغولستان داخلی. سیاست کاربری زمین 2016 ، 54 ، 302-312. [ Google Scholar ] [ CrossRef ]
  83. کولاس، Å. گفتمان تخریب و حکومت سبز در علفزارهای Xilinguole مغولستان داخلی. توسعه دهنده چانگ. 2014 ، 45 ، 308-328. [ Google Scholar ] [ CrossRef ]
  84. لیو، اس ال. وانگ، تی. تغییر اقلیم و استراتژی های سازگاری محلی در مغولستان میانی، شمال چین. محیط زیست علوم زمین 2012 ، 66 ، 1449-1458. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00520 g001 550
شکل 1. ( الف ) موقعیت منطقه مورد مطالعه و ( ب ) انواع واحدهای اداری در سطح شهرستان در مغولستان داخلی (IM).
Ijgi 11 00520 g002 550
شکل 2. دام کوچک ( الف ) گوسفند و دام بزرگ ( ب ) شتر، ( ج ) گاو، ( د ) اسب.
Ijgi 11 00520 g003 550
شکل 3. گردش کار پردازش داده ها.
Ijgi 11 00520 g004 550
شکل 4. پویایی دام در IM از 2000 تا 2020. توزیع ( الف ) دام کوچک و ( ب ) دام بزرگ، ( ج ) ماتریس همبستگی دام کوچک و ( د ) دام بزرگ، ( ه ) روند تغییر دام در من هستم.
Ijgi 11 00520 g005 550
شکل 5. نسبت تجمعی واریانس کل (CPTV) تجزیه و تحلیل مؤلفه های اصلی وزنی جغرافیایی (GWPCA) برای جمعیت دام های کوچک و بزرگ.
Ijgi 11 00520 g006 550
شکل 6. متغیرهای برنده GWPC1-2 جمعیت دام کوچک ( سمت چپ ) و GWPC1 جمعیت دام بزرگ ( سمت راست ).
Ijgi 11 00520 g007 550
شکل 7. تعداد بهینه خوشه ها و توزیع خوشه ها بر اساس بارگذاری GWPCA. ( الف ) دام کوچک GWPC1. ( ب ) GWPC2 دام کوچک و ( ج ) GWPC1 دام بزرگ.
Ijgi 11 00520 g008 550
شکل 8. مقادیر میانگین بارگذاری GWPCA خوشه ها. ( الف ) دام کوچک GWPC1. ( ب ) دام کوچک GWPC2. ( ج ) دام بزرگ GWPC1.
Ijgi 11 00520 g009 550
شکل 9. توزیع SPEI در بهار و تابستان 2000، 2003، 2007 و همبستگی بین SPEI و جمعیت دام کوچک. ( الف – ج ) SPEI در بهار 2000، 2003 و 2007. ( d – f ) SPEI در تابستان 2000، 2003 و 2007. ( g – i ) همبستگی بین SPEI و جمعیت دام کوچک در بهار 2000، 2003 و 2007. ( j – l ) همبستگی بین SPEI و جمعیت دام کوچک در تابستان 2000، 2003 و 2007.
Ijgi 11 00520 g010 550
شکل 10. توزیع SWEI در زمستان 2000، 2003 و همبستگی بین SWEI و جمعیت دام کوچک. ( الف ، ب ) SWEI در زمستان 2000 و 2003. ( ج ، د ) همبستگی بین SWEI و جمعیت دام کوچک در زمستان 2000 و 2003.
Ijgi 11 00520 g011 550
شکل 11. توزیع SPEI در بهار و تابستان 2005، 2016 و همبستگی بین SPEI و جمعیت بزرگ دام. ( الف ، ب ) SPEI در بهار و تابستان 2005; ( ج ، د ) SPEI در بهار و تابستان 2016; ( e ، f ) همبستگی بین SPEI و جمعیت بزرگ دام در بهار و تابستان 2005. ( g , h ) همبستگی بین SPEI و جمعیت بزرگ دام در بهار و تابستان 1395.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید