CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی – ایران ترجمه – Irantarjomeh

مقالات ترجمه شده آماده گروه کشاورزی

مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات رایگان

مطالعه 20 الی 100% رایگان مقالات ترجمه شده

1- قابلیت مطالعه رایگان 20 الی 100 درصدی مقالات 2- قابلیت سفارش فایل های این ترجمه با قیمتی مناسب مشتمل بر 3 فایل: pdf انگیسی و فارسی مقاله همراه با msword فارسی -- تذکر: برای استفاده گسترده تر کاربران گرامی از مقالات آماده ترجمه شده، قیمت خرید این مقالات بسیار کمتر از قیمت سفارش ترجمه می باشد.  

چگونگی سفارش

الف – پرداخت وجه بحساب وب سایت ایران ترجمه (شماره حساب) ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.com شامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر -- مقالات آماده سفارش داده شده عرفا در زمان اندک یا حداکثر ظرف مدت چند ساعت به ایمیل شما ارسال خواهند شد. در صورت نیاز فوری از طریق اس ام اس اطلاع دهید.

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

CREDOS: ارزیابی مناطق حفاظت شده و سیستم بهینه سازی طراحی

چکیده

تعدادی از سیستم های پشتیبان تصمیم گیری فضایی[1] (SDSS) برای برنامه ریزی سیستماتیک حفظ منابع طبیعی / مناطق محافظت شده[2] از گذشته در دسترس هستند. این سیستم های موجود سطوح متغیری از یکپارچگی و تعامل را ارائه می دهند. هرچند، این سیستم ها راه حل هایی را تولید می کنند که کمتر از حد بهینه[3] هستند. تکنیک های بهینه سازی برنامه نویسی عدد صحیح (IP) راه حل های بهینه را تضمین می کنند، اما در عین حال به دلیل زمان حل بسیار طولانی یا تعامل پذیر مورد انتقاد قرار گرفته اند. نرم افزار IP امروزی این انتقاد از طریق یافتن راه حل های مناسب در زمانی کوتاه تر بیان کرده است. هدف از استفاده از تکنیک های این مقاله، طراحی روش های حفظ منابع طبیعی / مناطق محافظت شده است که از حداقل امکانات مشخص شده در ارتباط با برآوردن اهداف مرتبط برخوردار هستند، و با بهره گیری از رویه قابلیت ارائه سیستم های محافظتی با بیشترین میزان مطلوبیت و کارایی بوجود می آید. سیستم ارزیابی حفظ منابع طبیعی / مناطق محافظت شده و بهینه سازی طراحی (CREDOS)، SDSS کاملا یکپارچه شده ای است که بهینه ساز شخص ثالثی[4] را برای تولید راه حل ها فرا می خواند. ما تلاش داریم با پیوند محکم CREDOS با سیستم اطلاعات جغرافیایی (GIS) اختصاصی و نرم افزار تحلیلی IP بوسیله رابط تعاملی، بنیانی را برای یک جایگزین موفق برای سیستم های موجود فراهم کنیم. این بنیان ارائه دهنده ویژگیهای کامل مرتبط با طراحی منابع طبیعی همراه با سیستم برنامه ریزی کامل برای حفظ منابع طبیعی زمینی و دریایی، با قابلیت استفاده آسان، می باشد و سطوح بالایی از تعامل و انعطاف پذیری را در نظر داشته و راه حل هایی موثر و عملی مطلوبی را در اختیار می گذارد که از آنها می توان در خصوص پشتیبانی از تجارب و نظرات حاصله استفاده نمود. این مقاله روشی را شرح می دهد که در طراحی و ساخت CREDOS استفاده شده و اثربخشی سیستم را در آسان نمودن برنامه ریزی حفظ و محافظت از منابع طبیعی مورد بحث قرار می دهد. کاربرد CREDOS در مفهوم طراحی مناطق حفاظت شده دریایی[5] (MPA) ارزیابی می شود. نتایج نشان دهنده حصول مناطق MPA بالقوه با حداکثر کارایی و با قابلیت های عملی و مدیریتی مطلوب در ارتباط با حفاظت از اهداف مرتبط می باشد.

کلمات کلیدی: سیستم های پشتیبان تصمیم گیری فضایی، برنامه نویسی عدد صحیح،  بهینه سازی، GIS، مناطق محافظت شده

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

دسترس پذیری نرم افزاری

نام نرم افزار: CREDOS

آدرس تماس توسعه دهنده: استرالیا، 5064، SA، گلن اسموند، PMB 1، دانشگاه آدلاید، ساختمان دیویز، C/اتاق M03، لیال پری

سخت افزار موردنیاز: ویندوز 2000 یا بالاتر

نرم افزارهای مورد نیاز: ESRI ArcView 8.x، ESRI Spatial Analyst 8.x، ILOG CPLEX 9.0، ILOG OPL Studio 3.6

زبان برنامه نویسی: Microsoft Visual Basic 6.0

حجم برنامه: 145 کیلوبایت

دسترس پذیری: رایگان، تماس متقابل با برنامه نویس

[1] spatial decision support systems

[2] Conservation reserve

[3] sub-optimal

[4] Third-party optimizer

[5] Marine Protected Areas

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

1- مقدمه

1.1. حفظ منابع طبیعی و محافظت از مناطق مرتبط

هدف از حفظ منابع طبیعی، حفاظت از نواحی با چشم انداز زیبا، پوشش گیاهی[1] و جانوری[2] ارزشمند، جاذبه های تفریحی پر طرفدار، و یا اکوسیستم های حساس می باشد. اقدامات بین المللی توسط سازمان هایی از قبیل کمیسیون جهانی نواحی حفاظت شده برای محافظت دائم از چنین نواحی به نفع نسل های حال و آینده صورت گرفته است (مثل اتحادیه بین المللی حفاظت از طبیعت، 1994). بسیاری از دولت ها به توسعه سیستم های سراسری ذخایر بمنظور محافظت از تنوع زیستی[3] متعهد شده اند. هرچند، مکان های این ذخایر در بسیاری موارد بدون ملاحظات روشن در مورد منابع طبیعی، و اغلب به دلایلی اجتماعی، اقتصادی یا سیاسی انتخاب شده اند (پرسلی، 1994؛ برایان، 2002). در حالیکه ذخایر ممکن است در برخی موارد نماینده تنوع زیستی باشند، تمایل بیش از حدی به فعالیت های بازرگانی دارند و بنابراین نیاز به حداقل حفاظت دارند. این عمل منجر به جایگذاری ذخایر جدیدی در مناطقی شد که بهترین مشارکت را در نمایش تنوع زیستی فراهم نمی آورند (مارگولس و پرسلی، 2000). اخیرا اقداماتی در جهت اتخاذ رویکردی سیستماتیک تر برای انتخاب ذخیره صورت گرفته است. برنامه ریزی منابع طبیعی سیستماتیک (SCP؛ مارگولس و پرسلی، 2000) بنیانی را برای یک رویکرد ساخت یافته برای انتخاب مناطق و زیست بوم ها برای محافظت، با هدف حداکثرسازی فرصت های حفظ تنوع زیستی فراهم می آورد.

1.2. برنامه ریزی سیستماتیک حفظ منابع طبیعی

تصمیم هایی درباره حفظ منابع طبیعی، چه از طریق ذخایر چه از طریق بازسازی زیستگاه[4]، باید با اهدافی روشن، شناسایی اولویت ها در ابعاد منطقه ای متغیر، و انتخاب های دقیقی بین مناطق منابع طبیعی بالقوه و ابزارهای جایگزین مدیریت زیستگاه هدایت شوند (مارگولس و پرسلی، 2000). ذخایر باید کل تنوع زیستی را نمونه برداری کند (آستین و مارگولس، 1986). همچنین ذخایر باید گونه های طویل العمر موجود در آنها را با نگهداری فرایندهای طبیعی و سطوح جمعیتی زیست پذیر[5] و با حذف تهدیدات، به زنده ماندن تشویق کند (سوله، 1987).

کارایی یکی از مهمترین ویژگی های فرایند انتخاب ذخایر است. رویکردی که توسط بسیاری از محققین استفاده شده، ارائه بیشترین میزان تنوع گونه ها در ازای حداقل هزینه، که هزینه بر حسب ناحیه اندازه گیری شده، می باشد. رویکرد جایگزین، حداقل ساختن موضوع هزینه در مجموعه ای از محدودیت هاست (مثل نمایش هر گونه به میزان n بار). این رویکرد مسئله پوشش مجموعه مکانی[6] نام دارد.

رویکرد SCP بنیانی را برای تلاقی این ها و دیگر اهداف، مثل جامعیت[7]، کفایت[8]، عینیت[9] و کمال[10] فراهم می کند. SCP شش مرحله دارد با هدف انتخاب نواحی برای ذخیره که تنوع زیستی را در یک منطقه حداکثر می کند. مرحله اول ویژگی هایی را انتخاب می کند که می توانند بعنوان جانشین هایی برای تنوع زیستی خدمت می کنند. مرحله دوم هدف های حفظ منابع طبیعی کمی را شناسایی می کند. مرحله سوم گستره ای را اندازه گیری می کند که این هدف های حفظ منابع طبیعی بوسیله سیستم های ذخیره موجود برآورده شده اند. مرحله چهارم قراردادهای اولیه نواحی ذخیره جدید را شناسایی می کند که سیستم های ذخیره موجود را تکمیل کرده و هدف های حفظ منابع طبیعی را برآورده می سازد. مرحله پنجم شدنی ترین ابزارهای پیاده سازی عمل حفظ منابع طبیعی را تعیین می کند. در نهایت، مرحله ششم مکانیزم هایی برای حفظ شرایط بهینه در نواحی حفظ منابع طبیعی فردی توسعه می دهد. چالش های فنی می تواند با سیستم های پشتیبان تصمیم گیری فضایی که مراحل مهم را در فرایند SCP خودکار می سازد، کاهش دهد. سپس پتانسیلی برای پشتیبانی طراحی ذخیره توسط اصول SCP وجود دارد. هرچند، به دلیل پیچیدگی جنبه های اجتماعی، سازمانی و عملیاتی برنامه ریز، SCP فرایندی است که دستیابی به آن دشوار است.

[1] flora

[2] fauna

[3] Biodiversity

[4] Habitat

[5] Viable

[6] Location set covering

[7] Comprehensiveness

[8] Adequacy

[9] Irreplaceability

[10] Complementarity

1.3. الگوریتم های انتخاب

بسیاری از الگوریتم های ریاضی در انتخاب سایت ذخایر بکار رفته اند، اما بطور گسترده در دو رده جداگانه از لحاظ تولید راه حل های بهینه یا زیربهینه شرح داده می شوند. بازبینی های مقایسه ای متعددی (مثل آندرهیل، 1994؛ سوتی و دیگران، 1997؛ پاسینگهام و دیگران، 2000؛ مک دانل و دیگران، 2002؛ مور و دیگران، 2003) وجود دارد که نتیجه می گیرند روش های کاوشی (روش های تقریبی)، شامل الگوریتم های مبتنی بر آزمندی[1] (کرکپاتریک، 1983) و کمیابی (مارگولس و دیگران، 1988)، و تابکاری[2] شبیه سازی شده (پاسینگهام و دیگران، 2000) برای انتخاب سایت راه حل حداکثر کارا و بهینه ای پیدا نمی کنند.

[1] Greedy

[2] Annealing

1.4. سفارشی سازی[1] GIS

کاربردهای GIS معاصر اغلب شامل ابزارهایی برای توسعه سفارشی سازی است که ظرفیت های سیستم را گسترش داده، و بدین ترتیب فرصتی را برای ارتباط یک GIS با تعداد بیشتری از ماژول های تحلیلی قدرتمند که پیش از این برای تحلیل های فضایی استفاده نمی شد ارائه کرد. چنین سفارشی سازی هایی ارزش قابل توجهی به داده های جغرافیایی اضافه می کند. اتصال بین GIS و ماژول تحلیلی جداگانه را می توان بصورت دستی یا از راه برنامه نویسی توسط ابزارهای نرم افزار third-party برقرار کرد.

[1] customization

1.5. ابزارهای انتخاب ذخایر موجود

در دهه اخیر تعدادی از سیستم های پشتیبانی تصمیم گیری در پاسخ به نیاز به بهبود سیستم های اطلاعات برای مدیریت اثربخش تنوع زیستی توسعه داده شده اند. این ابزارها (مثل WORLDMAP، MARXAN، و C-Plan) سطوح متغیری از تعامل و یکپارچگی را فراهم کرده و همه آنها از مدل های کاوشی استفاده می کنند. هیچکدام از بهینه سازی IP بعنوان مدل تحلیلی استفاده نمی کنند، بنابراین نمی توانند راه حل های بهینه را تضمین نمایند. برای مثال، MARXAN از تابکاری شبیه سازی شده برای کمک به طراحی ذخایر آبی استفاده می کند و بخاطر زمان های سریع راه حل و الگوریتم های قدرتمند حداقل سازی کران ش محبوبیت چشمگیری بدست آورده است.

1.6 هدف این مقاله

هد دو مولفه مرتبط با اقدامات ملی و بین المللی در زمینه حافظت از محیط زیست مشخص کننده نیاز به شبکه ای از مناطق محافظت شده دریایی (MPA؛ اتحادیه بین المللی برای حفاظت از طبیعت، 1994؛ کار گروه هیئت حفاظت و محیط زیست نیوزیلند و استرالیا در مناطق محافظت شده دریایی، 1994) می باشند. در مقابل، دولت استرالیای جنوبی متعهد به پیاده سازی سیستم نمایشی 19 MPA در آبهای ساحلی ایالت شده است (وزارت میراث و محیط زیست، 2004).

این مقاله پیشرفت و کاربرد سیستم بهینه سازی طراحی و ازریابی مناطق محافظت شده (CREDOS) را که توسط دولت استرالیای جنوبی اتخاذ شده به تفصیل شرح می دهد. ما SDSS کاملی را ارائه می دهد که سطح بالاتری از یکپارچگی، تعامل، انعطاف پذیری و استفاده آسانتری را نسبت به ابزارهای انتخاب ذخایر موجود یافته است. توانایی استفاده از بهینه سازی IP، انتخاب مناطق حفاظت شده را برای افراد حرفه ای غیر فنی راحت تر خواهد کرد، بدین ترتیب منجر به تولید سیستم های اثربخش تر و بهینه ای برای مناطق حفاظت شده موجود با هزینه ای کمتر از گذشته خواهد شد. دولت استرالیای جنوبی از CREDOS بعنوان ابزاری برای تصمیم سازی در اقداماتش برای استقرار سیستم معرف MPA در آبهای ساحلی ایالات استفاده خواهد کرد. CREDOS اولین SDSS کاملا یکپارچه برای ترکیب سطوح بالای تعامل با روش های بهینه سازی IP فضایی می باشد.

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

2- روش ها

2.1. نرم افزار

SDSS (CREDOS) سه مولفه دارد. مشهودترین مولفه برای کاربر GIS اختصاصی است. و نامشهودترین آن نرم افزار تحلیلی IP اختصاصی است. ارتباط دادن این دو مولفه، خود مولفه سوم است، رابطی CREDOS، که در ابتدا بصورت نوار ابزاری در رابط GIS ظاهر می شود. GIS اختصاصی انتخاب شده برای این پروژه ArcMap 8.3 است. ضمیمه تحلیلگر فضایی ArcGIS باید نصب و فعال شود. نرم افزار تحلیلی IP اختصاصی CPLEX 9.0 است، که ثابت شده در زمینه حفاظتی، توانایی حل برنامه های خطی در ابعاد بزرگ و کلاس های گوناگون برنامه های عددصحیح را دارد. مدل های بهینه سازی و فایل داده ها به زبان OPL (زبان برنامه نویسی بهینه سازی) ایجاد شده با استفاده از OPL Studio 3.6 نوشته شده اند. نرم افزار سفارشی شده برای تعامل با ESRI’s ArcMap GIS و ILOG’s OPL Studio و CPLEX با استفاده از COM (مدل شیء مولفه مایکروسافت) زبان توسعه سازگار مایکروسافت ویژوال بیسیک (VB) توسعه داده شده است. این نرم افزار ArcObject را برای اجرای عاملیت فضایی و کتابخانه های مولفه ILOG را برای اجرای بهینه سازی فراخوانی می کند. این نرم افزار بصورت یک پروژه کتابخانه اتصال پویا (DLL)ی ActiveX در VB برای تعامل با ArcMap توسعه داده شده است. DLL یک فایل فعال شده COM قابل اجرا است که در همان فضای حافظه ی برنامه کاربردی فراخوان اجرا می شود. در این شکل نرم افزار به راحتی بین دوره های ArcMap قابل حمل است و به سند یا قالب نقشه خاصی بسته نشده است.

2.2. الگوریتم IP

در این مطالعه برای شناسایی حداقل تعداد سایت های موردنیاز برای تلاقی اهداف حفاظتی سطحی و نسبی از مدل IP مسئله پوشش مجموعه مکانی[1] استفاده شده است. مدل مسئله پوشش مجموعه مکانی در زیر شرح داده شده است (برگرفته از پاسینگهام و دیگران، 2000).

یک ماتریس m × n که m تعداد سایت ها و n تعداد کل کلاس های داده ای است (معرف زیستگاه و/یا گونه ها) ساخته شده که عناصر aij معرف مقدار دوتایی بر اساس حضور یا عدم حضور یک کلاس در هر سایت است (جدول 1). اگر سایتی در کلاس خاصی باشد مقدار یک و در غیر اینصورت بصورت زیر مقدار صفر می گیرد:

[1] Location set covering problem

2.3. محدودیت های فضایی

راه حل های بهینه ضمن اینکه دو محدودیت بالا را برآورده می سازند، به وضوح به موقعیت جغرافیایی توجه نمی کنند و می توانند به شدت خرد شده و غیرقابل اجرا شوند. این مشکل رایجی در تمرین های نقشه برداری از مناطق حفاظت شده است، اما اقدامات موفق متعددی با معرفی الگوریتم های مجاورت و فشردگی به تابع هدف بر این مشکل فائق آمده اند. بال و همکاران توابع هدفی را معرفی کرده اند که طول محیط کل و مساحت کل سایت های انتخاب شده را حداقل می کند، و اونال و بریر و نال و دیگران با حداقل کردن مجموع فواصل بین همه جفت سایت های انتخاب شده سایت ها را خوشه سازی می کند. در این موارد توابع هدف اضافی پیاده سازی می شوند تا به موقعیت توجه کرده و بدین ترتیب جوابهای بامعنی فضایی تولید کنند.

2.4. الزامات داده ها

CREDOS انتظار دارد که تعدادی از مجموعه های داده های فضایی در سند نقشه ArcMap از ESRI برای انتخاب بعنوان پارامترهای تحلیلی (شکل 2 فرایند الف) در دسترس باشند. باید یک «لایه ناحیه» نشانگر مکان های جغرافیایی همه سایت های ذخیره بالقوه موجود باشد. همچنین باید حداقل یک «لایه مقدار» وجود داشته باشد که شرح دهنده ویژگی های محیط زیست و / یا گونه هایی است که انتخاب سایت بر مبنای آن است (شکل 2 فرایند ج). داده های نمایانگر حضور / عدم حضور گونه ها هم می توانند استفاده شوند. داده های جانشینی که محدوده کاملی از انواع اکوسیستم را در بر می گیرند، بعنوان مکمل یا جایگزین توصیه می شوند زیرا همه گونه های موجود در یک منطقه را هرگز نمی توان شمرد. کمیابی داده های گونه های مجزا و اعتماد به جانشین ها سناریوی محتمل تری در محیط های دریایی است. لایه های مقدار باید در داده های دسته بندی شده با هر کلاس داده که نشانگر حضور یک گونه یا جانشین است، رده بندی شوند. کاربر همچنین می تواند یک امپدانس تکی («لایه وزن»)را به مدل وارد کند (شکل 2، فرایند د). برای مثال سایت های دارای بهره وری اقتصادی پایین تر یا ارزش تفریحی بالاتر، یا سایت های نزدیک به ذخایر زمینی و دریایی اولویت بالاتری برای انتخاب ذخیره دارند.

2.5 پیاده سازی

چهار ماژولی که رابط CREDOS را در بر دارند در نوار ابزار (شکل 3) موجود در پنجره برنامه ArcMap موجودند. چهار ماژول مستقل از یکدیگر کار می کنند اما در ترتیبی منطقی از چپ به راست چیده شده اند. این ماژول ها به ترتیب ماژول «سایتها»، ماژول «پارامترها»، ماژول «تحلیلها» و ماژول «آماره ها» نام دارند.

2.6. تکرارهای مدل

انعطاف پذیری در طراحی ذخایر مهم است. طراحی های سیستم ذخایر بالقوه زیادی موجود است که قادر به برآورده ساختن اهداف حفاظت (منابع طبیعی) هستند. ایجاد یک سیستم ذخایر خاص یا فقط بهینه (با بیشترین اثربخشی) بخاطر محیط های اجتماعی، اقتصادی و سیاسی که در آن تصمیم های انتخاب ذخیره گرفته می شوند، به ندرت امکان پذیر است. بنابراین، محاسبه بسیاری از راه حل های بهینه انعطاف پذیری و گزینه هایی را فراهم می کند که عموما با راه حل فقط بهینه امکان پذیر نیستند. سطح بالای تعامل نیز این اطمینان را می دهد که سیستم های طراحی حفاظت (منابع طبیعی) می توانند مناطق مشخصی را مشمول یا محروم نمایند.

2.7. مثال کاربردی

عملکرد و عاملیت CREDOS با اعمال آن در طراحی منطقه محافظت شده دریایی در بخشی به مساحت 2790 کیلومترمربع در آبهای ساحلی استرالیای جنوبی ارزیابی شد (شکل 5). منطقه مطالعاتی Backstairs Passage بین جزیره کانگرو و Fleurieu Peninsula را در بر گرفته و تا نواحی غربی Coorong گسترش می یابد. آبهای جنوبی تر خلیج سنت وینسنت به بیشتر قسمت های شمال منطقه مطالعاتی برخورد دارد. این منطقه دارای پوشش گیاهی و جانوری منحصربفردی است که محافظت از آنها مهم می باشد. برای مثال، گروه جزیره Pages که در کرانه جنوبی Backstairs Passage قرار دارد، از عظیم ترین کلونی تولیدمثل شیرهای دریایی استرالیایی در تمام دنیا حمایت می کند (شاگنسی و دنیس، 2003).

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

3- نتایج

3.1 عملکرد  

عملکرد سیستم در یک کامپیوتر رومیزی که دارای پردازشگر اینتل پنتیوم 4 1.7 گیگاهرتزی و 500 مگابایت رم بود، سنجش شد. تکمیل یک آنالیز معمولی روی ده تکرار با استفاده از 44 دسته داده، 2790 منطقه و لایه امپدانس بیش از 21 دقیقه و 40 ثانیه طول کشید. زمانبرترین قسمت آنالیز، تابع TabulateAreas استفاده شده برای پردازش داده های لایه امپدانس و کلاس به فرمت عددصحیح که با استفاده از مدل بهینه سازی قابل خواندن باشد، بود. کار های اخیر راه حلی فرعی برای TabulateAreas ایجاد کرده که همین عملیات را تنها در چند ثانیه انجام می دهد (کراسمن و دیگران، منتشر نشده). فرآیند بهینه سازی IP کم زمانبر ترین بخش یک آنالیز بر روی تعداد کمی از تکرار های مدل بود که انجام هر تکرار 4 ثانیه طول می کشید. هر تکرار بصورت افزایش کند تر می شود چون هر راه حل به عنوان محدودیتی برای تکرار بعدی مدل، اضافه می گردد. در داده نمونه استفاده شده در اینجا، اولین تکرار تنها چند بار طول می کشد. با اینحال، تست هایی که با استفاده از 300 تکرار انجام شدند نشان دادند که هر تکرار بعد از 300 امین مورد، 47 ثانیه طول می کشد. باید در انتخاب تعداد تکرار ها محتاطانه عمل کرد. انجام آزمایش در یک کامپیوتر قوی تر (پردازشگر 3 گیگاهرتزی، 1 گیگ رم) این زمان های پردازش را تقریبا به نصف رساند.

3.2 راه حل ها

دو آنالیز برای آزمایش عاملیت CREDOS بررسی شدند. هر دو آنالیز شامل 10 تکرار می شدند اما تنها یکی از آنها دارای یک لایه امپدانس بود. در آنالیزی که لایه امپدانس در آن نیست (شکل 6)، ترتیب پردازش لایه های مقداری دارای اثری معنا دار بر توزیع مناطق است. مقایسه ای از راه حل های بهینه از دو تکرار آنالیز مشابه نشان دهنده شباهت ها و تفاوت های زیادی در توزیع مناطق است (شکل 6 الف و ب). یک خوشه بندی در هر دو راه حل وجود دارد. با اینحال، آزمایش راه حل مجموع عینیت حاصل شده از ده تکرار (شکل 6 ج) نشانگر تغییر پذیری بسیار در هر راه حل بهینه است. راه حل مجموع عینیت، مناطقی که اغلب انتخاب می شوند را شناسایی می کند. این مناطق در یک سیستم ذخیره دارای اهمیت بیشتری هستند.

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی

4- بحث و نتیجه گیری

الگوریتم مسئله پوشش دهنده دسته محل، همراه با CREDOS، در شناسایی یک سیستم حفاظت موثر نشان دهنده حداقل تعداد مناطق مورد نیاز برای دستیابی به اهداف ناحیه ای و حفاظت نسبی، موثر بود. کارایی بر حسب منطقه سنجش می شود چون ما فرض می کنیم که همبستگی مثبتی بین هزینه پولی ایجاد و حفظ مناطق حفاظت شده و گسترده ناحیه آنها وجود دارد. هزینه ها را می توان از هزینه های فرصت ماهیگیری تجاری از دست رفته و هزینه های کنترل درون MPA ها محاسبه کرد. هر چه قدر منطقه در نظر گرفته شده برای حفاظت کوچکتر باشد، هزینه ها نیز کمتر می شوند. با اینحال، منطقه حفاظت شده باید برای حفظ گونه ها مناسب باشد. بنابر این راه حل ها شامل نمونه های نمایانگر، همجوار، و تقریبا مناسب داده های ورودی که در این مورد تمامی زیستگاه های درون مطالعه را توصیف می کنند، می باشند.

توزیع سایت ها در پی شمول لایه امپدانسی، عموما درون محدوده 5 کیلومتری خط ساحلی یا دور محوطه ذخایر دریایی بود. چیدمان مناطق در راه کار هایی که در آنها یک لایه امپدانس بکار می رفت، پایه یک سیستم زیست پذیر و قابل کنترل ذخایر دریایی را شکل می دهد. نمایش واقعی ارائه شده در این مقاله تنها توجهی خلاصه را به لایه امپدانس داده است. محدوده بسیاری برای تحقیق آینده در مورد نقش امپدانس ها در زمان استفاده CREDOS در انتخاب منطقه بهینه برای طراحی MPA وجود دارد. برای مثال، اثر اندازه وزن سطحی امپدانس فردی بر راه حل ها چیست؟ آیا وزن ها و لایه متعاقب امپدانس واقعا منافع گوناگون مصرف کننده گان محیط دریا را در پروسه طراحی MPA نشان دهند؟

باید به تعداد تکرار های مدل استفاده شده در هر آنالیز توجه خاصی شود. تعداد مناطق انتخاب شده در هر تکرار مدل تنها به اندازه تعداد کمی از مناطق در زمان شمول لایه های امپدانس فرق داشت، که نشان دهنده این بود که فایده کمی در انجام تکرار های بسیار وجود دارد. زمان پردازش بصورت تصادفی همراه با هر تکرار افزایش می یابد چون راه حل های هر تکرار به عنوان محدودیتی به تکرار های متعاقب اضافه می شوند. به نقطه ای رسیده می شود که در آن، آنالیز های دربرگیرنده تعداد زیادی تکرار نمی توانند برای پروسه های تصمیم گیری، پشتیبانی تعاملی و اطلاعات پاسخ سریع فراهم کنند. اگرچه، هنوز تامین قابلیت انجام تعداد زیادی تکرار برای آن مواقعی که به آنالیز جامع نیاز است، مهم است. همینطور باید در نظر گرفت که نمره مجموع عینیت یک راه حل، راه حل مطلوبی نبوده و در زمان طراحی سیستم های ذخیره، نمره مجموع عینیت باید همراه با راه حل های مطلوب تکی استفاده شود. مقایسات بین CREDOS و سیستم های طراحی ذخایر موجود WORLDMAP (Williams,1999)، MARXAN (POSSINGham, 2000)، و C-Plan (Pressey 1995, Ferrie, 2000)، مزیت های و ضرر های بالقوه سیستم ما را نشان می دهند. CREDOS دارای مزیت توانایی یافت راه حل های مطلوب از طریق پیوند با برنامه بهینه سازی IP می باشد. سیستم های موجودی که ما بررسی کردیم محدود به راه حل های نیمه مطلوب می شوند. شک هایی در مورد لزوم یافت راه کار های مطلوب (برخلاف نیمه مطلوب) وجود دارند (Pressey و دیگران 1996) زیرا سیستم های موجودی که از تکنیکهای تصادفی استفاده می کنند می توانند راه حل های تقریبا مطلوب را برای، مشکلات کوچکتر غیر خطی در زمانی کم، پیدا کنند. با اینحال، ما پتانسیل بهینه سازی IP را برای حل مشکلات بزرگتر (22000 سایت، 70 رده از داده ها) در برنامه کاربردی های برنامه ریز منظره معدنی خود نشان دادیم (کراسمن و بریان، 2006، کراسمن و دیگران در مطبوعات). CREDOS همچنین دارای مزیت تعامل بیشتر با یک GIS است، از اینرو پیش پردازش کم داده های فضایی را لازم می کند. اتصال تنگاتنگ با GIS نیز جستجوی فضای سریع و آنالیز خروجی ها را ممکن می کند. یک نقطه ضعیف در CREDOS، اما نه در هیچ کدام از سیستم های موجود، نیاز به رجوع به یک بسته بهینه سازی تجاری شخص ثالث برای بدست آوردن راه حل هاست. WORLDMAP، MARXAN و C-Plan همه شامل الگوریتم های مستقل برای انتهای سایت در طراحی ذخیره می شوند. از سویی دیگر، CREDOS حداقل نیاز به موتور ILOG CPLEX دارد. بسته ILOG OPL Studio برای توسعه مدل IO توصیه می شود. ارزان ترین مجوز (برای موسسه های آکادمیک) برای CPLEX و OPL Studio از قیمت 1745 دلار آمریکا شروع می شوند (ILOG, 2004).

یک نقطه ضعف کلی در IP، و همچنین CREDOS در برنامه ریزی حفاظت از منابع طبیعی، محدودیت برای مشکلاتی با طبیعتی خطی است. برای مثال، تلاش های ستودنی اخیر برای وارد کردن مدل های غیر خطی زیست پذیری جمعیت گونه های در معرض تحدید در اقدامات شکل بندی منظره خاکی برای برنامه ریزی حفاظت از منابع طبیعی (وستفال و دیگران، 2003) برای IP  سنتی غیر قابل کنترل هستند. با اینحال، ضعف اصلی اقدامات حفاظتی هدف گرفته شده برای برآوردن نیاز های فردی یا دسته ای از گونه ها، طبیعت داده انبوه چنین شیوه مدل سازی است. بعلاوه، اقدامات برنامه ریزی حفاظتی که تاکید بسیاری بر برآوردن نیازهای یک سری از یا یکی از گونه های «کانونی»، «شاه کلیدی» یا «چتری» قرار می دهند، و در همین زمان ارزش جانشینان محیطی را کم می کند، مورد پرسش واقع شده اند (سیمبرلف 1998، آندلمن و فاگان 2000، لیدنمایر و دیگران، 2004، پرسی، 2004). ما به کاستی های IP واقفیم، اما می گوییم که کمبود داده ها در مورد گونه ها در محیط های دریایی بیشتر است، بنابراین به ارزش جانشینان افزوده می شود. در این مورد، IP راه حلی مناسب برای برنامه ریزی MPA است.

دپارتمان دولت استرالیای جنوبی میراث و محیط (DEH) روش هایی را بررسی می کند که می توانند بر فرآیند انتخاب MPA اثر مثبتی بگذارند. DEH در نظر می گیرند که انتخاب سایت های اولویت برای مدیریت حفاظت مخصوص، قدم میانه مهمی در ناحیه بندی کردن یک MPA است. این سایت های اولویت با استفاده از یک راه حل مشاوره انجمنی همراه با مدل سازی شناسایی می شوند. فرآیند های مدلسازی خودکار، ترتیب های فرعی سایت ها را، بر اساس ملاک های گوناگون ایجاد می کنند و بدین شکل، گزینه های بیشتری برای تصمیم گیرندگان فراهم می کنند. با اینحال، اگر قرار باشد که این مدل ها اثر گذار باشند، باید بشود آنها را توسط اهداف حفاظتی خاصی، محدود کرد. CREDOS شامل ویژگی هایی می شود که اجازه اعمال شدن این محدودیت ها را می دهد، و از یک مدل تحلیلی که راه حل های مطلوب را تضمین می کند استفاده می کند. راه حل بهینه سازی فضایی برای برنامه ریزی حفاظتی سیستماتیک در این مقاله، مورد توجه DEH می باشد، و همراه با روش های سنتی برای کمک به فرآیند انتخاب MPA استفاده خواهد شد. متعاقبا، DEH، CREDOS را برای طراحی یک سیستم MPA ها در آبهای ساحلی جنوب استرالیا بکار گرفته اند. سیاست دولتی اخیر (دپارتمان محیط زیست و میراث فرهنگی، 2004)، منابعی را برای ایجاد یک سیستم از 19 MPA در سال 2010، اختصاص می دهد. منطقه مورد مطالعه که در آن CREDOS در این مقاله آزمایش می شود، یکی از این 19 مورد است. در زمان نوشتن این مقاله، DEH در حال ترکیب خروجی هایی از CREDOS با کمک هیئت مشاور برای ایجاد مناطقی در منطقه مطالعاتی است که به شکلی مناسب از نمونه های نمایانگر زیستگاه دریایی حفاظت می کنند. DEH می تواند خروجی های CREDOS به هیئت انتقال دهد و نگرانی ها و توصیه های هیئت می تواند مستند سازی شود. کلاس ها و اهداف مشمول و محروم می توانند بر طبق بازخورد هیئت اصلاح شوند و CREDOS می تواند دوباره راه اندازی شود تا راه حل هایی برای دست یابی به اهداف حفاظتی جدید، پیدا شوند. کارکنان غیر فنی DEH می توانند فرآیندهای تکراری را انجام داده و با اینکار مکانیزمی منعطف را برای کمک به تصمیم گیری در طراحی MPA فراهم کنند. بدین ترتیب، DEH در حال اعمال شکلی از SCP هستند.

CREDOS پیشرفت خوبی را در پیوند زدن آنالیز های بهینه سازی با GIS، و قابل دسترس و عملی کردن این آنالیزها داشته است، و بدین ترتیب به مسئولان حفاظت از منابع طبیعی قابلیت پشتیبانی تصمیم گیری فضایی جامع و ارزشمندی داده است. در این باب، CREDOS پیشرفتی در سیستم های طراحی ذخیره محسوب می شود. سفارشی سازی هایی مثل CREDOS به برنامه ریزان حرفه ای حفاظت غیر فنی اجازه استفاده از شکل هایی از آنالیز های فضایی که در بسته های GIS وجود ندارند را می دهند. ارزش چنین سفارشی سازی هایی در کمک به پیشرفت صنعت فناوری اطلاعات فضایی قابل توجه است. تا آنجایی که ما می دانیم این اولین اقدام برای مرتبط کردن یک GIS با یک بسته بهینه سازی IP است. CREDOS نیاز به دستکاری زیاد در اطلاعات و رویه های ورود/صدور ضروری برای انتقال عادی اطلاعات را بین نرم افزار های GIS و IP از بین می برد. بدین ترتیب، می توان راه حل ها را بررسی کرد، و در زمانی کوتاه، اطلاعات جدیدی تولید نمود. CREDOS تصمیم گیری سریع را برای طراحی MPA  در چارچوب SCP تسهیل می کند.

CREDOS: ارزیابی مناطق حفاظت شده و بهینه سازی طراحی