Improving GIS-based Wildlife-Habitat Analysis

سیستم‌های اطلاعات جغرافیایی (GIS) ابزار قدرتمندی برای بررسی روابط گونه‌ها و زیستگاه‌ها و توسعه برنامه‌های مدیریت حیات وحش و حفاظت فراهم می‌کند. با این حال، سهولت نسبی دستکاری و تجزیه و تحلیل داده‌ها با استفاده از GIS، بسته‌های متریک چشم‌انداز مرتبط، و آزمایش‌های آماری پیچیده ممکن است گاهی اوقات باعث شود محققان روابط عملکردی مهم گونه‌ها و زیستگاه‌ها را نادیده بگیرند. علاوه بر این، مفروضات اساسی طراحی یا فناوری مطالعه ممکن است پیامدهای ناشناخته ای داشته باشد. این جلد بررسی می‌کند که چگونه انتخاب‌های اولیه محقق از وضوح تصویر، مقیاس (های) تجزیه و تحلیل، پاسخ و متغیرهای توضیحی، و مکان و ناحیه نمونه‌ها می‌توانند بر نتایج تجزیه و تحلیل، تفسیر، قابلیت پیش‌بینی، و نسخه‌های مدیریت مشتق از مطالعه تأثیر بگذارند. به طور کلی، بیشتر مطالعات در این حوزه از تصاویر با وضوح نسبتا پایین استفاده می‌کنند که نه شناسایی و نه طبقه‌بندی دقیق اجزای زیستگاه را امکان‌پذیر می‌سازد. علاوه بر این، معیارهای منظر که معمولاً به کار می‌روند، آرایش فضایی اجزای مرتبط با اشغال گونه‌ها را به اندازه کافی کمیت نمی‌کنند. برای پرداختن به این موضوع اخیر، نویسندگان دو معیار جدید منظر را معرفی می‌کنند که اندازه عملکردی و مکان را در چشم‌انداز انواع زیستگاه «جامد» و «لبه» خاص تاکسون‌ها اندازه‌گیری می‌کنند. کلر و اسمیت نتیجه می گیرند که محققینی که تجزیه و تحلیل های مبتنی بر GIS را از روابط گونه-زیستگاه انجام می دهند باید با دقت بیشتری 1) وضوح تصاویر سنجش از دور را با مقیاس روابط عملکردی زیستگاه تاکسون کانونی مطابقت دهند، 2) ویژگی ها (متغیرهای توضیحی) زیستگاه را شناسایی کنند. معماری، اندازه، پیکربندی، کیفیت و زمینه که منعکس کننده روشی است که تاکسون کانونی از زیرمجموعه منظری که اشغال می کند استفاده می کند، و 3) مکان و مقیاس نمونه های زیستگاه، اعم از GIS یا زمینی، را با گونه های مربوطه مطابقت می دهد. مکان های شناسایی و مقیاس استفاده از زیستگاه.

Geographic Information Systems (GIS) provide a powerful tool for the investigation of species-habitat relationships and the development of wildlife management and conservation programs. However, the relative ease of data manipulation and analysis using GIS, associated landscape metrics packages, and sophisticated statistical tests may sometimes cause investigators to overlook important species-habitat functional relationships. Additionally, underlying assumptions of the study design or technology may have unrecognized consequences. This volume examines how initial researcher choices of image resolution, scale(s) of analysis, response and explanatory variables, and location and area of samples can influence analysis results, interpretation, predictive capability, and study-derived management prescriptions. Overall, most studies in this realm employ relatively low resolution imagery that allows neither identification nor accurate classification of habitat components. Additionally, the landscape metrics typically employed do not adequately quantify component spatial arrangement associated with species occupation. To address this latter issue, the authors introduce two novel landscape metrics that measure the functional size and location in the landscape of taxon-specific ‘solid’ and ‘edge’ habitat types. Keller and Smith conclude that investigators conducting GIS-based analyses of species-habitat relationships should more carefully 1) match the resolution of remotely sensed imagery to the scale of habitat functional relationships of the focal taxon, 2) identify attributes (explanatory variables) of habitat architecture, size, configuration, quality, and context that reflect the way the focal taxon uses the subset of the landscape it occupies, and 3) match the location and scale of habitat samples, whether GIS- or ground-based, to corresponding species’ detection locations and scales of habitat use.