Εκτίμηση του δυναμικού αναψυχής των δασών από δεδομένα κοινωνικών μέσων και δεδομένα τεχνολογιών τηλεπισκόπησης

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 06:06, 20 Μαρτίου 2024

Πρωτότυπος τίτλος: Assessing forest recreational potential from social media data and remote sensing technologies data

Συγγραφείς: Federico Lingua, Nicholas C. Coops, Verena C. Griess

1 Department of Forest Resources Management, Faculty of Forestry, University of British Columbia, Forest Sciences Centre, 2424 Main Mall, Vancouver, BC V6T 1Z4, Canada

2 Institute of Terrestrial Ecosystems, Department of Environmental System Sciences, ETH Zurich CHN K72.2, Universitätstrasse 16, 8092 Zurich, Switzerland

Δημοσιεύθηκε: Ecological Indicators, 2023

Σύνδεσμος πρωτότυπου κειμένου: [[1]]

Λέξεις-κλειδιά: δασική αναψυχή, υπηρεσίες οικοσυστήματος, Flickr, Big Data τηλεπισκόπηση

Εισαγωγή

Οι πολιτιστικές οικοσυστημικές υπηρεσίες στα δάση (CES) έχουν μεγάλη σημασία παγκοσμίως, καθώς πάνω από 186.000 εκτάρια δασών, χρησιμοποιούνται σε ετήσια βάση για αναψυχή, τουρισμό και εκπαίδευση σε παγκόσμιο επίπεδο (FAO, 2020). Τα δάση λοιπόν δεν πρέπει να διαχειρίζονται μόνο για να εξασφαλιστεί η συνεχής παροχή ξύλου και στα σχέδια βιώσιμης διαχείρισης των δασών είναι απαραίτητο να διασφαλίζεται η απρόσκοπτη παροχή όλων των υπηρεσιών που αυτά μας παρέχουν. Ωστόσο, η συμπερίληψη των πολιτιστικών υπηρεσιών στα σχέδια διαχείρισης είναι δύσκολο να ποσοτικοποιηθούν και να χαρτογραφηθούν. Οι εικόνες από τα μέσα κοινωνικής δικτύωσης με αναφορά στη γεωγραφική θέση, μπορούν να αξιοποιηθούν ώστε να παρέχουν ποσοτικές πληροφορίες για τη διαχείριση των δασών και τις πολιτιστικές οικοσυστημικές υπηρεσίες σε αυτά. Oι τεχνολογίες τηλεπισκόπησης παρέχουν πληροφορίες σχετικά με τα φυσικά χαρακτηριστικά μιας περιοχής, προσδιορίζοντας επομένως ποιες από αυτές τις μεταβλητές έχουν θετική επίδραση για την αναψυχή στα δάση. Η ταξινόμηση των φωτογραφιών από τα μέσα κοινωνικής δικτύωσης, μπορεί να γίνει με εξελιγμένες τεχνικές που βασίζονται σε πολυσυλλεκτικά δίκτυα και επιτυγχάνεται αυτοματοποιημένη ταξινόμηση των εικόνων. Η προσαρμογή των μοντέλων και η εξαγωγή συναφών αποτελεσμάτων με βάση τα τροφοδοτούμενα δεδομένα συνιστά μια πολλά υποσχόμενη διαδικασία για τη λήψη γρήγορων φθηνών και λεπτομερών συμπερασμάτων που θα μπορούσαν να είναι χρήσιμα στη διαχείριση των πολιτιστικών οικοσυστημικών υπηρεσιών στα δάση.

Στόχος

Ο στόχος αυτής της μελέτης, είναι να αναπτύξει μια μεθοδολογία που θα αξιοποιήσει τα δεδομένα από τα μέσα κοινωνικής δικτύωσης και τις δυνατότητες της τηλεπισκόπησης, για να ενσωματώσει την πληροφορία από τις πολιτιστικές οικοσυστημικές υπηρεσίες στα σχέδια διαχείρισης δασών.

Περιοχή Μελέτης

Η περιοχή μελέτης είναι τα δασικά επαρχιακά πάρκα της Βρετανικής Κολομβίας στον Καναδά (Εικ. 1) και καλύπτουν περίπου 68.000 km2. Οι οικοσυστημικές υπηρεσίες αναψυχής είναι σημαντικές γιατί τα πάρκα δέχονται, ετησίως, περίπου 20 εκατομμύρια επισκέπτες.

Εικόνα 1. Χάρτης της περιοχής μελέτης. Στην κάτω αριστερή γωνία δείγμα από τις εικόνες περιλαμβάνονται στη μελέτη.

Μέθοδοι και υλικά

Η μεθοδολογία βασίζεται στο συνδυασμό τεχνολογιών τηλεπισκόπησης και δεδομένων από τα κοινωνικά μέσα μαζικής ενημέρωσης με στόχο να χαρτογραφηθεί και να εκτιμηθεί το δυναμικό της δασικής αναψυχής στα πάρκα της Βρετ. Κολομβίας. Πιο αναλυτικά, οι εικόνες με γεωγραφικές συντεταγμένες λήφθηκαν από το Flickr, χρησιμοποιώντας την εφαρμογή Python. Εν συνεχεία, οι εικόνες ταξινομήθηκαν και φιλτραρίστηκαν με βάση τις ψυχαγωγικές δραστηριότητες που απεικόνιζαν χρησιμοποιώντας πολυσυλλεκτικά δίκτυα (CNN). Οι εξαρτημένες μεταβλητές της μελέτης είναι 5 : σκι, πεζοπορία, κάμπινγκ, παρατήρηση άγριας ζωής και ποδηλασία. Για να γίνει αντιστοίχιση κάθε εικόνας με τις ανεξάρτητες μεταβλητές (τοπογραφικές, ανθρωπογενείς επιπτώσεις και βιομετρικές χαρακτηριστικά των δασών, εποχιακά δεδομένα) χρησιμοποιήθηκε το πακέτο Python «rasterstats». Στο πολυσυλλεκτικό δίκτυο αναψυχής (CNN) χρησιμοποιήθηκε η βάση δεδομένων εικόνων Places 365 και εξετάστηκαν εικόνες για τις 5 δραστηριότητες. Ένα μοντέλο τυχαίας ταξινόμησης δασών «Random Forest Classifier» δημιουργήθηκε για να προσδιοριστεί εάν και πώς οι ανεξάρτητες μεταβλητές επηρεάζουν τη χρήση των δασικών εκτάσεων για λόγους αναψυχής και για την αξιολόγηση του δυναμικού αναψυχής για κάθε μία δραστηριότητα στο πιο δημοφιλές πάρκο Cypress. Για να διερευνηθεί η σχέση μεταξύ της εξαρτημένης μεταβλητής και των ανεξάρτητων μεταβλητών δημιουργήθηκαν μερικές γραφικές παραστάσεις εξάρτησης και στη συνέχεια δημιουργήθηκαν δύο τύποι χαρτών, οι χάρτες δυναμικού αναψυχής και οι χάρτες αξίας της αναψυχής.

Αποτελέσματα και Συζήτηση

Τα αποτελέσματα από τη διαδικασία ταξινόμησης των εικόνων έδειξαν ότι για η συνολική ακρίβεια του CNN είναι υψηλή (0,84). Το πολυσυλλεκτικό δίκτυο αναψυχής είχε καλή απόδοση στην ταξινόμηση εικόνων που απεικονίζουν τις 5 μεταβλητές ήτοι : 2,1% ποδηλασία, 3,5% κάμπινγκ, 11,2% πεζοπορία, 4,5% παρακολούθηση άγριας ζωής, 5,9% σκι.

Εικόνα 2. Τα αποτελέσματα από την ταξινόμηση των εικόνων του Flickr την χρονική περίοδο 2005-2020 στην περιοχή μελέτης. Το εσωτερικό στρώμα αντιπροσωπεύει τη συνάφεια πολυσυλλεκτικών δικτυών CNN, το μεσαίο στρώμα αντιπροσωπεύει το πολυσυλλεκτικό δίκτυο των πολιτιστικών οικοσυστημικών υπηρεσιών CES CNN, το εξωτερικό στρώμα αντιπροσωπεύει το πολυσυλλεκτικό δίκτυο αναψυχής.

Συνδυάζοντας τα αποτελέσματα από την ταξινόμηση εικόνων με τις ανεξάρτητες μεταβλητές, ήταν δυνατό να εκτιμηθούν οι μέσες τιμές και οι τυπικές αποκλίσεις αυτών σε σχέση με τις 5 ψυχαγωγικές δραστηριότητα. Όπως φαίνεται στην Εικ 3, η πιο σημαντική μεταβλητή στη βελτίωση της ακρίβειας των προβλέψεων είναι η εποχικότητα και ακολουθούν οι τοπογραφικές μεταβλητές (υψόμετρο και κλίση). Οι ανθρωπογενείς επιπτώσεις είχαν μικρή συμβολή ενώ όλες οι μεταβλητές βιομετρίας των δασών είχαν ελάχιστη συμβολή (<10%).

Εικόνα 3. Στον άξονα x το % σημαντικότητας των μεταβλητών στη βελτίωση της πρόβλεψης.

Τα διαγράμματα στην Εικ. 4 δείχνουν πώς οι προβλέψεις του τυχαίου μοντέλου δασών εξαρτώνται από μία μόνο είσοδο. Έτσι κατά τους καλοκαιρινούς μήνες η πιθανότητα μιας εικόνας να απεικονίζει «πεζοπορία» και «κάμπινγκ» είναι μεγαλύτερη, η πιθανότητα να απεικονίζει «παρακολούθησης άγριας ζωής» είναι μεγαλύτερη την άνοιξη και το φθινόπωρο και η πιθανότητα να απεικονίζει «σκι» αυξάνεται το χειμώνα.

Εικόνα 4. Τα διαγράμματα μερικής εξάρτησης δείχνουν πώς οι προβλέψεις πιθανοτήτων του μοντέλου εξαρτώνται εν μέρει από τις τιμές των μεταβλητών εισόδου που μας ενδιαφέρουν. Στους άξονες x, οι ανεξάρτητες μεταβλητές και στους y η πιθανότητα της εικόνας να ταξινομηθεί ως σχετική.

Οι χάρτες δυναμικού αναψυχής δημιουργήθηκαν χρησιμοποιώντας ένα μοντέλο τυχαίου ταξινομητή, στο πάρκο Cypress, για να προβλεφθούν οι πιθανότητες της κάθε δραστηριότητας να πραγματοποιηθεί σε κάθε σημείο, την κάθε εποχή. Στις Εικ. 5 και 6 προκύπτει ότι στο πάρκο Cypress η πεζοπορία κυριαρχεί την άνοιξη, το καλοκαίρι και το φθινόπωρο, ενώ το σκι το χειμώνα. Η παρατήρηση άγριας ζωής, το κάμπινγκ και η ποδηλασία έχουν ελάχιστες δυνατότητες σε αυτό το πάρκο.

Εικόνα 5. Εκτίμηση του δυναμικού αναψυχής όλες τις εποχές για πεζοπορία και σκι στο πάρκο Cypress.

Εικόνα 6. Οι δραστηριότητες αναψυχής με τη μεγαλύτερη πιθανότητα να πραγματοποιηθούν στο πάρκο Cypress την κάθε εποχή.

Τέλος, οι χάρτες της αξίας της αναψυχής δημιουργήθηκαν με βάση τις παροχές από το κοινό. Χρησιμοποιήθηκαν τα έσοδα από τις 5 μεταβλητές και ο αριθμός των ημερήσιων επισκεπτών σε όλα τα πάρκα για την περίοδο 2012-2018. Το πάρκο Cypress, είναι το πιο επισκέψιμο και δέχεται περισσότερους από 1,5 εκατομμύριο επισκέπτες κάθε χρόνο (Εικ. 7). Η αξία της αναψυχής εκφράστηκε σε C$/ha/ημέρα. Όπως φαίνεται από την ανάλυση (Εικ. 5) 2 είναι οι hotspots περιοχές ψυχαγωγικής αξίας στο πάρκο Cypress, μια στα ΝΑ του πάρκου και μια στο κεντρικό τμήμα του πάρκου όπου οι βρίσκονται και οι περισσότερες υποδομές (χώροι στάθμευσης, μονοπάτια πεζοπορίας, για σκι και έλκηθρο, κ.λπ.).

Εικόνα 7. Η οικονομική αξία των οικοσυστημικών υπηρεσιών αναψυχής στο πάρκο Cypress.

Συμπέρασμα Οι εικόνες μέσων κοινωνικής δικτύωσης, αποτελούν πολύτιμη πηγή δεδομένων για τη εκτίμηση της αξίας των πολιτιστικών οικοσυστημικών υπηρεσιών. Στη μελέτη αυτή οι εικόνες από τα πάρκα της Βρετ. Κολομβίας, ταξινομήθηκαν αυτόματα με πολυσυλλεκτικά δίκτυα και σε συνδυασμό τεχνολογιών τηλεπισκόπησης, εξετάστηκε πως αυτές οι μεταβλητές επηρεάζουν τη δημοτικότητα των δραστηριοτήτων αναψυχής στο δάσος. Τα ευρήματα από την παρούσα μελέτη δείχνουν ότι: η πιο δημοφιλής δραστηριότητα στα πάρκα της Βρετανικής Κολομβίας, είναι η πεζοπορία και ακολουθεί το σκι, η παρατήρηση άγριας ζωής, το κάμπινγκ και η ποδηλασία, οι μεταβλητές που έχουν τη μεγαλύτερη επιρροή στον καθορισμό του είδους δραστηριότητας είναι η εποχή και τα τοπογραφικά χαρακτηριστικά. Επιπλέον, τα αποτελέσματα της μελέτης δείχνουν ότι η ενοποίηση των δεδομένων από τα μέσα κοινωνικής δικτύωσης και των τεχνολογιών τηλεπισκόπησης επιτρέπει, στους διαχειριστές να προσαρμόζουν τις ψυχαγωγικές υπηρεσίες στις ανάγκες των επισκεπτών του πάρκου.