Χωρική πρόβλεψη της ευαισθησίας των μονοπατιών αναψυχής στην προστατευόμενη περιοχή του Σικίμ στα Ιμαλάια
Από RemoteSensing Wiki
Πρωτότυπος τίτλος: GIS-based spatial prediction of recreational trail susceptibility in protected area of Sikkim Himalaya using logistic regression, decision tree and random forest model
Συγγραφείς: Nemai Sahani , Tirthankar Ghosh
Nemai Sahani , Tirthankar Ghosh 1 Bolpur, Birbhum 731204, West Bengal, India 2 Department of Statistics, Visva-Bharati, Siksha Bhavana, Santiniketan, West Bengal, India
Δημοσιεύθηκε: Ecological Informatics, 2021
Σύνδεσμος πρωτότυπου κειμένου: [[1]]
Λέξεις-κλειδιά: μονοπάτι, μοντέλα πρόβλεψης, Λογιστική παλινδρόμηση, Δέντρο απόφασης, Τυχαίο δάσος, Ιμαλάια
Εισαγωγή
Οι προστατευόμενες περιοχές παρέχουν ευκαιρίες αναψυχής στους τουρίστες και τα μονοπάτια εξυπηρετούν την προσβασιμότητα και την αναψυχή. Η διατήρηση του φυσικού τοπίου και του βιολογικού πλούτου είναι το πρωταρχικό μέλημα των προστατευόμενων περιοχών. Τα μονοπάτια έχουν υψηλή αξία διατήρησης όμως η αύξηση των δραστηριοτήτων αναψυχής, μπορούν να διαταράξουν σημαντικά την περιβαλλοντική τους ποιότητα. Η ταχεία αύξηση των δραστηριοτήτων αναψυχής στα μονοπάτια της περιοχής Sikkim των Ιμαλαΐων προκαλεί ανησυχίες και τροφή για σκέψη σε περιβαλλοντικούς φορείς. Ο αριθμός των επισκεπτών έχει αυξηθεί, τελευταία, γεγονός που έχει άμεσο αντίκτυπο στα γεω-περιβαλλοντικά χαρακτηριστικά του μονοπατιού. Ως εκ τούτου, η μοντελοποίηση και η χαρτογράφηση ευαίσθητων μονοπατιών είναι βασικής σημασίας για τους υπεύθυνους λήψης αποφάσεων. Σε αυτή τη μελέτη πραγματοποιήθηκε μια συγκριτική ανάλυση διαφορετικών μοντέλων πρόβλεψης που χρησιμοποιούν τεχνικές GIS για την αξιολόγηση ευαισθησίας μονοπατιών στην Ινδία και στη εκτίμηση την υποβάθμισής τους. Πιστεύαμε επίσης ότι οι μέθοδοι που υιοθετούνται εδώ θα βοηθήσουν πολύ μελλοντικούς ερευνητές και τις διαχειριστικές αρχές να λάβουν μέτρα για την ορθή διαχείριση μονοπατιών και πάρκων σε άλλα μέρη της Ινδίας.
Στόχος
Η παρούσα μελέτη στόχο έχει να υπολογίσει τα ευαίσθητα τμήματα εντός του μονοπατιού αναψυχής της περιοχής Sikkim στην Ινδία και να πραγματοποιήθηκε μια συγκριτική ανάλυση διαφορετικών μοντέλων πρόβλεψης που χρησιμοποιούν τεχνικές GIS και που ως σήμερα σπάνια έχουν εφαρμοστεί για την αξιολόγηση της ευαισθησίας μονοπατιών.
Περιοχή Μελέτης
Η παρούσα μελέτη διεξήχθη στο μονοπάτι αναψυχής Singalila Pass και Poktey Dara (SPPD) που βρίσκεται στο Εθνικό Πάρκο Singalila (SNP) των Ανατολικών Ιμαλαΐων που ιδρύθηκε το 1972, κοντά στα διεθνή σύνορα Ινδίας-Νεπάλ (Εικ. 1). Η περιοχή έχει πολλά μονοπάτια και το πιο δημοφιλές, είναι αυτό που μελετά η ετούτη η έρευνα. Καλύπτει απόσταση 24,4 km και το μέγιστο και το ελάχιστο υψόμετρο είναι 3081 m και 2012 m από το επίπεδο της θάλασσας. Η περιοχή μελέτης αποτελεί σημείο hotspot για τη βιοποικιλότητα και προσελκύει πεζοπόρους από όλο τον κόσμο. Οι ψυχαγωγικές δραστηριότητες κατά μήκος του μονοπατιού περιλαμβάνουν πεζοπορία, κάμπινγκ, ορειβασία, παρατήρηση ροδόδεντρων και παρατήρηση πουλιών.
Μέθοδοι και υλικά
Η παρούσα μελέτη χρησιμοποιεί τα συστήματα τηλεπισκόπησης και Γεωγραφικών Πληροφοριών (RS-GIS) με διαφορετικούς αλγόριθμους μηχανικής μάθησης για την χαρτογράφηση της ευαισθησίας κατά μήκος του μονοπατιού. Επιπλέον, στη μελέτη συγκρίνεται η προγνωστική απόδοση του μοντέλου λογιστικής παλινδρόμησης (LR), δέντρου απόφασης (DT) και τυχαίου δάσους (RF) για τη χαρτογράφηση ευαισθησίας στο μονοπατιού. Για την επίτευξη αυτού του ερευνητικού στόχου, η μεθοδολογία που χρησιμοποιήθηκε σε αυτή τη μελέτη απεικονίζεται στην Εικ. 2.
Αποτελέσματα και Συζήτηση
Στη μελέτη, χρησιμοποιήθηκαν μια εξαρτώμενη μεταβλητή (ευάλωτο μονοπάτι) και 17 μεταβλητές σχετικές με τα μονοπάτια με το μοντέλο LR, ώστε να επιτευχθεί η πρόβλεψη της ευαισθησίας. Στη συνέχεια, το σύνολο των χωρικών δεδομένων χωρίστηκε τυχαία σε δύο μέρη: σύνολο δεδομένων εκπαίδευσης (70%) και σύνολο δεδομένων επικύρωσης (30%). Η ανάλυση πολυσυγγραμμικότητας πραγματοποιήθηκε με τη χρήση συντελεστή διόγκωσης διακύμανσης (VIF) και ανοχής (TOL) για τη μείωση της μεροληψίας του μοντέλου. Στη συνέχεια, ο χάρτης ευαισθησίας του ίχνους προετοιμάστηκε χρησιμοποιώντας μοντέλα LR, DT και RF. Για τη μέτρηση της προγνωστικής απόδοσης των μοντέλων χρησιμοποιήθηκαν η μέθοδος καμπύλης λειτουργίας δέκτη (ROC) - περιοχή κάτω από την καμπύλη (AUC), η στατιστική συνολική ακρίβεια (ΟΑ) και ο δείκτης Kappa. Η μελέτη κατέληξε στο συμπέρασμα ότι το μοντέλο LR δίνει καλύτερες επιδόσεις στη συνολική αξιολόγηση ακρίβειας σε σύγκριση με τα μοντέλα DT και το RF. Η τιμή τείνει προς το «0» υποδηλώνει μικρότερη πιθανότητα ευαισθησίας και η τιμή κοντά στο «1» σημαίνει μεγαλύτερη ευαισθησία στην υποβάθμιση του μονοπατιού. Ο χωρικός χάρτης της ευαισθησίας του μονοπατιού ετοιμάστηκε και ο χάρτης ευαισθησίας χωρίστηκε περαιτέρω σε πέντε ευαίσθητες ζώνες χρησιμοποιώντας τη μέθοδο φυσικής διακοπής όπως πολύ υψηλή (0,83992–1), υψηλή (0,61178–0,83922), μέτρια (0,36865–0,61178), χαμηλή (0,1526865). και πολύ χαμηλό (<0,15298). Για τη χαρτογράφηση ευαισθησίας του μονοπατιού με τη χρήση μοντέλου δέντρο αποφάσεων DT διαπιστώθηκε ότι η τεχνική μηχανικής μάθησης, είχε μεγάλη ικανότητα να προβλέψει την ευαισθησία του ίχνους. Το DT δείχνει ότι το βάθος του μονοπατιού, η υψηλή έκθεση στις ρίζες, η έλλειψη βλάστησης υποδηλώνουν πολύ ευαίσθητα σημεία. Τα τμήματα με μικρότερο αριθμό έκθεσης ριζών, κατολίσθηση και διάβρωση του εδάφους υποδεικνύουν λιγότερο ευαίσθητα μονοπάτια.
Για τη χαρτογράφηση ευαισθησίας του μονοπατιού με τη χρήση μοντέλου τυχαίο δάσους (RF) σε πλατφόρμα προγραμματισμού R οι μεταβλητές όπως το βάθος διαδρομής, η διάβρωση του εδάφους, η έκθεση των ριζών, τύπος βλάστησης κλπ, έχουν τον σχετίζονται με την εμφάνιση ευαίσθητων σημείων. Οι μεταβλητές όπως, τρεχούμενο νερό, απόβλητα, όψη, κλίση, καταπάτηση βλάστησης έχουν μικρότερη επιρροή. Μια λεπτομερής χαρτογράφηση ευαισθησίας διαδρομής έγινε χρησιμοποιώντας τα μοντέλα λογιστικής παλινδρόμησης, δέντρου αποφάσεων και τυχαίου δάσους. Ο χάρτης ευαισθησίας χωρίστηκε σε πέντε ιεραρχικές ζώνες από πολύ υψηλή ως πολύ χαμηλή. Το αποτέλεσμα ήταν παρόμοια εκτός από κάποια τμήματα όπου βρέθηκε Υψηλή έως πολύ υψηλή ευαίσθητη ζώνη στον πυθμένα της κοιλάδας με εύκρατο δάσος με υψηλή κάλυψη από βλάστηση.
Συμπεράσματα
Η δυνατότητα πρόβλεψης της υποβάθμισης των μονοπατιών σε τμήματα που είναι επιρρεπή είναι ένα χρήσιμο μέσο για την λήψη και εφαρμογή προστατευτικών μέτρων και τη μείωση της ζημιάς. Τα μονοπάτια της ανατολικής περιοχής των Ιμαλαΐων είναι από τα πιο ευαίσθητα σε οικολογικές, μορφολογικές και μετεωρολογικές αλλαγές, σε ολόκληρη τη ζώνη των Ιμαλαΐων. Επομένως, για να μελετηθεί η περιβαλλοντική ευαισθησία των μονοπατιών χρησιμοποιήθηκε η αναλυτική ισχύς των GIS, εφαρμόστηκε ο αλγόριθμος μηχανικής μάθησης της δυαδικής λογιστικής παλινδρόμησης (LR), του δέντρου απόφασης (DT) και του μοντέλου τυχαίου δάσους (RF) για την αξιολόγηση της ευαισθησίας κατά μήκος του μονοπατιού στην περιοχή μελέτης. Οι περιοχές με υψηλή έως πολύ υψηλή ευαισθησία βρίσκονται στην βάση της κοιλάδας με μεσαία κλίση, με εύκρατο δάσος με κάλυμμα θόλου, μεγαλύτερο πλάτος και βάθος διαδρομής, υγρό έδαφος, διάβρωση του εδάφους, έκθεση ριζών και ανθρωπογενείς παράγοντες. Το λιγότερο ευαίσθητο τμήμα του μονοπατιού βρίσκεται κυρίως στην κορυφογραμμή του βουνού, όπου το μονοπάτι είναι στενό και δεν έχει βάθος, η κυρίαρχη βλάστηση είναι θάμνοι και αλπικά λιβάδια, κλίση του εδάφους είναι χαμηλή. Σε αυτή τη μελέτη, διερευνήθηκαν λεπτομερώς οι γεω-περιβαλλοντικοί παράγοντες που έχουν επίδραση στα μονοπάτια και έγινε λεπτομερής χαρτογράφηση του ίχνους και των θέσεων που είναι πιο ευαίσθητες στη διάβρωση. Η αειφόρος διαχείριση του μονοπατιού χρειάζεται κατάλληλες ενέργειες παρακολούθησης, όπως νέος σχεδιασμός, αποκατάσταση, συντήρηση των μονοπατιών. Η εφαρμογή κατάλληλων μέτρων είναι αναγκαίο να γίνουν σε τμήματα κατά μήκος του μονοπατιού για να βελτιωθεί η κατάστασή του και να οδηγήσει στη βιωσιμότητά του. Η σωστή σχεδίαση και οι κατάλληλες παρεμβάσεις είναι χρήσιμες για τη βιώσιμη διαχείριση των μονοπατιών.