به گفته این شرکت آمریکای شمالی، پلتفرم نرم افزار Mach9 نقشه های دو بعدی و سه بعدی مکانی را از موبایل لیدار 30 برابر سریعتر از راه حل های موجود تولید می کند. این اولین محصولی است که توسط Mach9 راه اندازی شده است، اما این شرکت در حال حاضر با ارتقاء وب سایت خود، استخدام مدیران کلیدی مهندسی و فروش، انتقال به دفتر مرکزی جدید در محله بلومفیلد پیتسبورگ و ایجاد حضور در سیلیکون ولی، برای رشد آینده آماده می شود.
به گفته Mach9، محصول جدید از هوش مصنوعی (AI) و بینایی کامپیوتری برای تولید 2 بعدی و سه بعدی CAD و مهندسی GIS سریعتر از همیشه استفاده می کند . این راهاندازی محصول در میان چرخش شرکت به سمت یک مدل کسبوکار اول نرمافزاری انجام میشود – حرکتی که ناشی از افزایش تقاضا برای ابزارهایی است که پردازش و تجزیه و تحلیل دادههای مکانی را برای مدیریت زیرساخت سرعت میبخشد.
سازمانهایی که زیرساختهای ما را در اختیار دارند و مدیریت میکنند به نقشههای باکیفیت وابسته هستند. فنآوریهای جدید نقشهبرداری، مانند موبایل لیدار، پتانسیل تحولبخشی برای شرکتهای مهندسی و ساختمانی، بخشهای حملونقل، تاسیسات برق، راهآهن و سایر نهادهای دولتی دارند. الکساندر بایکویتز، یکی از بنیانگذاران و مدیرعامل، می گوید: با این حال، هزینه های بالا و زمان انتظار طولانی مورد نیاز برای تولید محصولات تحویلی نقشه برداری، مانع پذیرش گسترده این ابزارها می شود. “هدف ما در Mach9 این است که با ایجاد یک پلت فرم تولید مکانی برای کسانی که به نقشه های با کیفیت بالا و داده های عملی سریع نیاز دارند، این پتانسیل را باز کنیم.”
پیشرفت در جمع آوری داده ها
صنعت فناوری فضایی به سرعت در حال رشد توسط پیشرفتهای اخیر در جمعآوری دادهها از طریق راهحلهای ثبت واقعیت مانند دوربینهای 360 درجه، سنجش از راه دور در هواپیماهای بدون سرنشین و موبایل لیدار هدایت شده است. این سیستم ها داده های سه بعدی بی سابقه ای را در مورد اشیاء دنیای واقعی مانند ساختمان ها، جاده ها، بزرگراه ها، راه آهن ها و تاسیسات بالای زمینی تولید می کنند. با این حال، این مجموعه دادههای عظیم، که اغلب از تصاویر با وضوح بالا و ابرهای نقطه لیدار تشکیل شدهاند، بسیار پیچیده هستند و برای تبدیل آنها به نقشههای قابل استفاده و دوقلوهای دیجیتالی، نیازمند فرآیندهای کار فشرده و زمانبر هستند.
Mach9 از زمان تأسیس شرکت در سال 2021 در دانشگاه کارنگی ملون (CMU) در حال توسعه ابزارهای نقشه برداری و جمع آوری داده های پیشرفته بوده است . بنیانگذاران – الکساندر بایکوویتز، هاوون شی ، مایکل مونگ و زکری ساسمن – در طول زمان خود در مؤسسه رباتیک مشهور جهان CMU با یکدیگر ملاقات کردند. آنها متوجه شدند که تجارب ترکیبی آنها از توسعه سیستمهای رباتیک پیچیده برای نقشهبرداری و تحرک مستقل میتواند برای کمک به سازمانهای زیرساختی برای اتخاذ فناوریهایی که در نهایت زندگی روزمره را بهبود میبخشد، مورد استفاده قرار گیرد.
تصویری جامع از جهان بر اساس هوش مصنوعی و بینایی کامپیوتری
زک ساسمن ، رئیس مهندسی نرمافزار میگوید: «ما دریافتیم که به جای صرفهجویی در زمان و هزینه، بسیاری از سازمانهای زیرساختی زیر بار دستکاری دادههای کار فشرده هستند . ما از درک عمیق خود از هوش مصنوعی و قابلیتهای بینایی رایانه بهره بردیم تا راهحل نرمافزاری بسازیم که بهطور هوشمندانه اطلاعات دوربینها، لیدار و سایر منابع را ترکیب میکند تا تصویری جامع و جامع از جهان ایجاد کند. در نهایت، این یک راه حل بسیار زیبا برای یک مشکل پیچیده است که زمان ایجاد نقشه های دو بعدی و سه بعدی را به شدت کاهش می دهد.
برای درخواست نسخه نمایشی از پلتفرم، که در حال حاضر با گروهی از مشتریان در «بتا» است، یک فرم درخواست را در www.mach9.ai تکمیل کنید .
چه یک جغرافی دان حرفه ای، چه دانشجوی علوم زمین، یا صرفاً یک سرگرمی کنجکاو باشید، نرم افزارهای سنجش از راه دور )GIS(بسیار متنوعی برای کمک به شما در انجام کار وجود دارد.
از طبقه بندی تصاویر هوایی دقیق گرفته تا ایجاد مدل های سه بعدی پیچیده، این 10 بسته نرم افزار سنجش از دور بهترین ها هستند. بیایید درست شیرجه بزنیم
1. ERDAS تصور کنید
ERDAS Imagine به عنوان مجموعه نرم افزار سنجش از دور و تجزیه و تحلیل تصویر شماره 1 ما رتبه بندی شده است. که توسط Hexagon Geospatial توسعه یافته است، می تواند تقریباً هر نوع داده مکانی را مدیریت کند. این شامل تصاویر ماهوارهای، عکاسی هوایی، ابرهای نقطهای LiDAR، مدلهای ارتفاعی دیجیتال و سایر دادههای GIS است.
ERDAS Imagine یک نیروگاه برای سنجش از راه دور است زیرا کاربران را قادر می سازد تا هر نوع پردازش تصویر پیشرفته، تجسم سه بعدی و استخراج ویژگی را انجام دهند. به علاوه، یک رابط بصری مبتنی بر روبان برای یافتن ابزار مناسب برای کار فراهم می کند.
برخی از ویژگی های برجسته آن شامل ویرایشگر مدل فضایی، پردازش ابر نقطه ای و ابزارهای فتوگرامتری است. جای تعجب نیست که چرا این نرم افزار انتخاب از راه دور در صنایعی مانند کشاورزی، جنگلداری، معدن، مهندسی، برنامه ریزی شهری و دفاع است.
2. ENVI
ENVI یک پلت فرم نرم افزار سنجش از دور پیشرفته از L3 Harris Geospatial است. با ENVI، کاربران می توانند به سرعت اطلاعات را از ماهواره، هوا و سایر انواع تصاویر با استفاده از آخرین فناوری پردازش تصویر استخراج کنند.
مجموعه جامع ویژگی ها و قابلیت های ENVI به کاربران اجازه می دهد تا انواع وظایف پردازش تصویر را انجام دهند. به عنوان مثال، این شامل بهبود تصویر، استخراج ویژگی، تقسیم بندی تصویر، تجزیه و تحلیل آماری، تشخیص تغییر و تجسم بود.
این پشتیبانی از طیف گسترده ای از فرمت های داده، از جمله فرمت های منابع تجاری مانند DigitalGlobe، Airbus و Planet را فراهم می کند. ENVI همچنین قابلیت های اتوماسیون قدرتمندی را از طریق مدل ساز ENVI برای خودکارسازی کارهای تکراری ارائه می دهد.
3. PCI Geomatica (کاتالیزور)
PCI Geomatica یک مجموعه نرم افزار سنجش از دور پیشرفته است که توسط دانشمندان، محققان و متخصصان GIS در سراسر جهان استفاده می شود. که توسط شرکت کانادایی PCI Geomatics توسعه یافته است، کاربران می توانند به تصاویر ماهواره ای، عکس های هوایی و انواع دیگر داده های سنجش از راه دور دسترسی داشته باشند و آن ها را تجزیه و تحلیل کنند.
از سال 1982، PCI Geomatica پایه محکمی برای پردازش داده ها از منابع مختلف فراهم کرده است. این شامل عکسهای هوایی، تصاویر ماهوارهای، مدلهای دیجیتال ارتفاع، و دادههای SAR و InSAR است. اگرچه رابط کاربری کمی قدیمی است، اما همچنان ابزارهای اصلی مانند موزاییک کردن، فتوگرامتری و تجزیه و تحلیل زمین را در اختیار دارید.
همچنین دارای قابلیت استخراج ویژگی plug-and-play است که تشخیص ویژگی ها در تصاویر دیجیتال را آسان می کند. الگوریتمها شامل OBIA، طبقهبندی نظارت شده و بدون نظارت است. این بدان معنی است که کاربران می توانند اطلاعاتی مانند جاده ها، ساختمان ها و پوشش گیاهی را از تصاویر هوایی یا ماهواره ای استخراج کنند.
4. ArcGIS Pro
بخش عمده ای از ابزارهای سنجش از راه دور در ArcGIS Pro را می توان در پسوند Image Analysis یافت. این افزونه دسترسی به مجموعه ای از ابزارها را برای تجزیه و تحلیل تصاویر و انجام کارهای پیشرفته تجزیه و تحلیل تصویر فراهم می کند.
به عنوان مثال، کاربران را قادر می سازد تا مجموعه داده های شطرنجی را ایجاد و اصلاح کنند، تصاویر را تجسم و کشف کنند. همچنین می توانید تحلیل های پیچیده تری از جمله تجزیه و تحلیل زمین، تقسیم بندی تصویر و تجزیه و تحلیل طیفی را اجرا کنید.
با افزونه Image Analysis می توانید به سرعت حجم زیادی از تصاویر را پردازش کرده و اطلاعات ارزشمندی را از آن استخراج کنید. همچنین میتوانید از گردشهای تصویری آن برای انجام مجموعهای از وظایف مانند تجزیه و تحلیل سریهای زمانی و تشخیص تغییرات با یادگیری عمیق استفاده کنید.
5. QGIS 3
QGIS 3 به طور پیش فرض با ابزارهای سنجش از راه دور مانند آنالیز شطرنجی، تحلیل زمین و جعبه ابزار تفسیر بارگذاری می شود. اما QGIS 3 فقط به جعبه ابزار خودش محدود نمی شود، شما می توانید با استفاده از جعبه ابزارهای SAGA GIS، GDAL و GRASS GIS از قابلیت های فراوانی استفاده کنید.
اگر قبلاً از QGIS استفاده کرده اید، می دانید که می توانید با استفاده از افزونه ها قابلیت های آن را گسترش دهید. یکی از محبوبترین پلاگینهای سنجش از راه دور آن، افزونه رایگان منبع باز Semi-Automatic Classification Plugin (SCP) است.
پلاگین SCP بسیاری از ویژگی ها و عملکردها را ارائه می دهد، از جمله به کاربران اجازه می دهد تا به سرعت و به راحتی تصاویر ماهواره ای را دانلود و طبقه بندی کنند. همچنین الگوریتم هایی برای پیش پردازش، بهبود پس از طبقه بندی، ارزیابی دقت و موارد دیگر وجود دارد.
6. Trimble ECognition
Trimble eCognition متخصص استخراج ویژگی از طریق تجزیه و تحلیل تصویر مبتنی بر شی (OBIA) است. اگر تا به حال از eCognition استفاده کرده باشید، می دانید که از الگوریتم های تشخیص الگو برای تقسیم تصاویر به اشیاء معنادار (نه فقط پیکسل) استفاده می کند.
پس از اجرای یک الگوریتم تقسیم بندی چند رزولوشن، هر شیء دارای آمار مرتبط با آنها است. با استفاده از ویژگی های طیفی و مکانی، می توانید پیشرفته ترین طبقه بندی پوشش زمین را امروز ایجاد کنید. علاوه بر این، شما می توانید قوانینی را برای ایجاد خودکار پوشش زمین ایجاد کنید و آن را در انواع مختلف تصاویر اعمال کنید.
Trimble eCognition ورودی های مختلفی مانند ابرهای نقطه LiDAR، تصاویر هوایی، ماهواره ای و پهپاد را می پذیرد. اگرچه در توسعه پوشش زمین بسیار موفق است، اما مجموعه کامل سنجش از دور نیست. از آنجایی که فاقد ابزارهای رایج مانند ارجاع جغرافیایی، تجسم سه بعدی، یا قابلیت های SAR است، امتیاز homerun را از ما دریافت نمی کند.
7. Whitebox GAT
ما همیشه برای Whitebox GAT (جعبه ابزار تحلیل مکانی مکانی) جایگاه ویژه ای در قلب خود داشته ایم و هنوز هم داریم. اگر قبلاً از آن استفاده نکردهاید، یک ابزار قدرتمند تجزیه و تحلیل مکانی منبع باز است که میتوانید برای انواع برنامههای سنجش از راه دور از آن استفاده کنید. این به عنوان یک برنامه کاربردی مستقل و همچنین یک کتابخانه برای استفاده در نرم افزارهای دیگر در دسترس است.
به طور خلاصه، Whitebox GAT حاوی یک جعبه ابزار پیشرفته برای کار با داده های سنجش از راه دور است. کتابخانه گسترده توابع آن، آن را به انتخابی عالی برای کسانی که نیاز به انجام وظایف مختلفی با داده های خود دارند، تبدیل می کند.
اگرچه Whitebox GAT در ابزارهای هیدرولوژیکی تخصص دارد، طیف وسیعی از ویژگی ها را ارائه می دهد که آن را برای کاربردهای سنجش از راه دور مناسب می کند. به عنوان مثال، این شامل توانایی کار با داده های شطرنجی و برداری، پشتیبانی از روش های مختلف درونیابی فضایی، و مجموعه ای جامع از ابزارهای تجزیه و تحلیل زمین است. ناگفته نماند که Whitebox GAT دارای قابلیت های LiDAR عالی است.
8. GIS SAGA
مسلما SAGA GIS در اطراف لبه ها کمی خشن است. این یک نرمافزار سنجش از راه دور قدیمیتر است، بنابراین مطمئناً به خوبی سایر نرمافزارهای موجود در این لیست نیست. اما با این گفته، هنوز چیزهای زیادی وجود دارد که می توانید از آن نجات دهید.
SAGA GIS دارای طیف گسترده ای از ویژگی ها است که به کاربران اجازه می دهد تا وظایف اولیه پردازش داده ها و تجزیه و تحلیل مربوط به سنجش از دور را انجام دهند. به عنوان مثال، میتوانید از آن برای موزاییک کردن، کلیپ کردن، و تقسیم تصاویر و همچنین تغییر شکل پیشبینیهای تصویر استفاده کنید. همچنین ابزارهایی برای تجزیه و تحلیل شاخصهای پوشش گیاهی، محاسبه سطح و استخراج ویژگیها از مدلهای ارتفاعی دیجیتال ارائه میدهد.
برای نرم افزار سنجش از راه دور منبع باز، ابزارهای زیادی در اختیار دارید. راستش را بخواهید، برخی از ابزارهایی که هرگز در مورد آنها نشنیده ایم. اما هرچه بیشتر آنها را بررسی کنید، متوجه خواهید شد که برخی ممکن است قابل اعتماد و 100٪ کاربردی نباشند. اما هنوز هم ارزش زمان و تلاش را دارد تا آن را برای ابزارهای سنجش از راه دور کمیاب بررسی کنید. و فراموش نکنید که می توانید از جعبه ابزار SAGA GIS در QGIS 3 نیز استفاده کنید.
9. PolSARPro
همانطور که از نام آن پیداست، PolSARpro (جعبه ابزار پردازش و آموزش داده های قطب سنجی SAR) متخصص در تصویربرداری رادار است. این شامل انواع زیر از سنسورهای ماهواره ای است:
ALOS-1
COSMO-SkyMed
RADARSAT-2
TerraSAR-X و TanDEM-X
PolSARPro یک بسته نرم افزاری پیشرفته است که برای تجزیه و تحلیل و تجسم داده های رادار دیافراگم مصنوعی پلاریمتری (PolSAR) طراحی شده است. این می تواند اطلاعات دقیقی در مورد ویژگی های سطح، رطوبت خاک و سایر ویژگی های سطح زمین از اندازه گیری های مبتنی بر رادار ارائه دهد.
10. GRASS GIS
GRASS GIS یک نرم افزار منبع باز قدیمی در دنیای GIS است. GRASS GIS بدون خصیصه های خود هنوز برای کاربردهای سنجش از راه دور مناسب است.
GRASS GIS همچنین مجموعهای از ابزارهای پیشرفته را برای کار با دادههای LiDAR مانند طبقهبندی ابر نقطه، فیلتر کردن و درونیابی ارائه میدهد. مشابه SAGA GIS، می توانید از آن در QGIS 3 استفاده کنید یا می توانید از آن به عنوان یک برنامه مستقل استفاده کنید.
به طور کلی، این نرم افزار دارای مجموعه ای از ویژگی ها است که به طور خاص برای تجزیه و تحلیل سنجش از راه دور طراحی شده است، از جمله طبقه بندی تصویر، بهبود و ثبت. علاوه بر این، GRASS GIS مجموعه ای چشمگیر از ابزارها را برای تجسم داده ها فراهم می کند که به کاربران اجازه می دهد تا به سرعت نقشه ها و مدل های سه بعدی داده های خود را ایجاد کنند.
11. ILWIS
ILWIS (سیستم اطلاعات یکپارچه زمین و آب) یک سیستم اطلاعات جغرافیایی (GIS) است که برای ذخیره، مدیریت و تجزیه و تحلیل داده های مکانی طراحی شده است.
این توسط ITC در هلند توسعه یافته است و برای کاربردهای مختلفی از جمله برنامه ریزی کاربری زمین، تجزیه و تحلیل پوشش زمین، نقشه برداری خاک، مدیریت آب، نظارت بر محیط زیست و بسیاری موارد دیگر استفاده می شود.
12. جعبه ابزار Orfeo
جعبه ابزار ORFEO (OTB) یک کتابخانه منبع باز از الگوریتم های پردازش تصویر است که توسط آژانس فضایی فرانسه (CNES) توسعه یافته است. یکی از چیزهای خوب در مورد این فریم ورک این است که چگونه در C++ نوشته شده و روی ویندوز، مک او اس ایکس و لینوکس اجرا می شود. OTB طیف گسترده ای از الگوریتم های آماده برای استفاده را برای سنجش از راه دور و پردازش تصویر دیجیتال ارائه می دهد.
13. Global Mapper
Global Mapper قادر است هم تصاویر توپوگرافی و هم تصاویر ماهواره ای را نمایش دهد و به کاربران این امکان را می دهد که زمین را در هر مکانی به طور دقیق تجسم و تجزیه و تحلیل کنند. همچنین ابزارهای قدرتمند و در عین حال آسان برای استفاده مانند دیجیتالی کردن، محاسبات خط دید و محاسبات حجم ارائه می دهد که برای انواع مختلف تجزیه و تحلیل مفید هستند.
Global Mapper به کاربران امکان تجسم، تجزیه و تحلیل و دستکاری داده های مکانی را از منابع مختلف، از جمله تصاویر هوایی، ابرهای نقطه LiDAR، مدل های ارتفاعی دیجیتال و پایگاه های داده برداری می دهد.
14. Feature Manipulation Engine
موتور دستکاری ویژگی (FME) با تعداد زیادی از ترانسفورماتورهای شطرنجی که می توانید در میز کار خود بگنجانید، پادشاهی در قابلیت همکاری و اتوماسیون است. FME توانایی پردازش داده ها از منابع مختلف سنجش از راه دور مانند عکاسی هوایی، LiDAR و تصاویر چند طیفی و غیره را دارد.
اما برخی از هیجان انگیزترین پیشرفت های آن در زمینه بینایی کامپیوتر و یادگیری عمیق است. FME همچنین به کاربران اجازه میدهد تا گردشهای سنجش از راه دور خود را خودکار کنند و تجزیه و تحلیل دادهها را آسانتر و سریعتر کنند.
15. gvSIG
gvSIG یک منبع باز و رایگان است که به طور گسترده برای تجزیه و تحلیل داده های جغرافیایی، سنجش از دور و مدل سازی مکانی استفاده می شود. برای تجزیه و تحلیل سنجش از دور، GvSIG ابزارها و ویژگی هایی را برای پشتیبانی از ضبط، پردازش و تجزیه و تحلیل داده های ماهواره ای فراهم می کند. این دارای طیف گسترده ای از قابلیت ها برای کار با فرمت های مختلف داده های سنجش از راه دور است و ابزارهای پیشرفته ای را برای ارجاع جغرافیایی، تصحیح و موزاییک ارائه می دهد.
نتیجه
سنجش از راه دور روشی قدرتمند برای تبدیل داده ها به هوش عملی فراهم می کند. اگر به دنبال مجموعه نرم افزار سنجش از راه دور اختصاصی هستید، توصیه می کنیم با ERDAS Imagine، ENVI یا PCI Geomatica کار کنید.
اگر به دنبال قابلیت های قوی GIS هستید، ArcGIS Pro و QGIS 3 یک نقطه ورود برای افرادی است که می خواهند یک پلتفرم نقشه برداری سطح بالا نیز داشته باشند. در حالی که Trimble eCognition صرفاً برای طبقه بندی پوشش زمین است، PolSARPro در تصاویر مبتنی بر رادار تخصص دارد.
در نهایت، اگر به دنبال نرمافزار سنجش از راه دور منبع باز هستید، QGIS 3، Whitebox GAT، GRASS GIS و SAGA GIS بهترین گزینههای شما هستند.
برای بررسی سهم پهپادها در فرآیند نقشه برداری فضایی در محیط های شهری، تیمی از یونان استفاده از تصاویر هوایی را برای دستیابی به پوشش گسترده ای از یک منطقه هندسی از پیش تعریف شده مورد علاقه مطالعه کردند.
مدیریت فضاهای شهری به دلیل انبوهی از فناوری های نوین پدید آمده، نقطه کانونی در برنامه ریزی مشارکتی بوده است. تیمی از یونان نقش پهپادها را در فرآیند نقشه برداری فضایی در محیط های شهری بررسی کردند. جمع آوری اطلاعات کمی و کیفی و استفاده از مدل سازی سه بعدی درک جامع تری از محیط شهری را ممکن می سازد و فرآیند بازآفرینی شهری را تسهیل می کند.
محیط شهری شامل مناطق مرزی سطوح مصنوعی انسانی است که برای حمل و نقل، تجارت، تولید، مدیریت و مسکن و سطوح پوشش گیاهی استفاده می شود که به شدت تحت تأثیر پوشش مصنوعی قرار می گیرند. برای درک بهتر سیستم شهری، نقشه برداری و پایش گسترده محیط ساخته شده مورد نیاز است. با این وجود، دستیابی به دقت بالا در این وظایف به دلیل ماهیت غیرقابل نفوذ و پیچیده سطوح و ساختمان های ساخته شده چالش برانگیز است. فتوگرامتری با استفاده از وسایل نقلیه هوایی بدون خدمه (پهپادها یا “پهبادها”) یک رویکرد سریع در حال توسعه است که هدف آن مقابله با این مشکل است.
اکتساب داده ها
تیمی از دانشگاه ارسطو تسالونیکی، یونان، مطالعه ای را در مورد استفاده از تصاویر هوایی برای دستیابی به پوشش گسترده ای از یک منطقه هندسی از پیش تعریف شده مورد علاقه آغاز کردند. منطقه انتخاب شده، که در مجموع 81000 متر مربع را در بر می گرفت، با استفاده از نرم افزار Pix4Dcapture نقشه برداری شد . تصاویر با دوربین هواپیمای بدون سرنشین با ارتفاع پرواز 93.34 متر از سطح زمین به دست آمد.
مسیر از پیش تعریف شده (شکل 1) دو بار پرواز شد تا مجموعه تصاویر با کیفیت بالا را تضمین کند. هر پرواز 20 دقیقه به طول انجامید، که معادل دو ساعت برای کل فرآیند جمع آوری داده است. در مجموع، 231 تصویر دارای برچسب جغرافیایی با 80 درصد همپوشانی به دست آمد.
تولید مدل سه بعدی
مدل سه بعدی با استفاده از نرم افزار Pix4Dmapper و با پیروی از یک گردش کار معمولی فتوگرامتری به دست آمد: – انتخاب تصاویر دارای برچسب جغرافیایی مناسب برای پردازش – بهینه سازی نقاط کلیدی و محاسبه مطابقت عکس ها – تجزیه و تحلیل نقاط گره خورده
– تولید ابر نقطه متراکم و مش بافت سه بعدی (شکل 2) – درون یابی نقاط ابر نقطه برای تولید مدل سطح دیجیتال (DSM) – Orthorectification بر روی DSM، تولید ارتوموزائیک نهایی (شکل 4).
نقشه برداری و رندر بافت
از بلندر برای ارائه یک رندر واقعی از مدل سه بعدی استفاده شد و تیم موفق شد مثلث های مدل را با تصویر منبع گره بزند. هنگامی که این فرآیند توسط موانع فیزیکی مانند درختان، گیاهان، تیرهای روشنایی یا عدم وجود تصاویر همپوشانی گرفته شده توسط پهپاد جلوگیری شد، بهجای آن از یک موقعیت مشابه و محدود کردن نقاط استفاده شد (شکل 3).
منطقه مورد علاقه در نهایت می تواند با درصد کم انحراف ردپای تجسم شود. سطح جزئیات (LOD) مدل سه بعدی به دست آمده از گردش کار تولید، LOD1 بود، که سطح مناسبی برای استفاده در تحقیقات برنامه ریزی مشارکتی است. محیط ساخته شده، حفره های شهری و مرزهای منطقه را می توان با استفاده از مش بافت سه بعدی و ارتوموزائیک تولید شده از داده های جمع آوری شده به دقت تشخیص داد (شکل 4).
ارتقای برنامه ریزی شهری و مشارکتی
مدل سه بعدی به دست آمده درک جامعی از محیط شهری را امکان پذیر می کند. این تجسم و ارائه منطقه را بالا می برد و ادغام و اندازه گیری منطقه را در بافت شهرهای هوشمند، برنامه های محیطی و برنامه ریزی شهری و مشارکتی استراتژیک تسهیل می کند (شکل های 5 و 6).
این فرآیند بر سنجش و توصیف مشکلات و تضادهای فضایی و نیز اولویتبندی کاستیهای منطقه متمرکز بود. این امکان را برای دامنه و ارزیابی طیف بالقوه ای از نتایج، شناسایی و جستجوی راه حل های جایگزین، و نظارت، اجرا و ارزیابی مجدد پتانسیل فرآیندهای مختلف طراحی استراتژیک و راه حل های طراحی دقیق فراهم می کند.
مرحله عمل اجرای طراحی تحقیق هنوز هم حدس و گمان است و تحقیق نشان دادن عملی و استفاده از مدلهای بهدستآمده در فرآیند را ادغام نمیکند، زیرا دامنه تحقیق فراهم کردن ابزار جدید برای نیازهای اطلاعاتی در برنامهریزی مشارکتی فضایی را محدود میکند. با این وجود، اطلاعات مکانی پردازش شده در این مطالعه میتواند هم مدلهای تأثیر و هم مدلهای مقابلهای را ارائه دهد که میتواند مکان، منابع و تضادهای رویدادها را بررسی کند.
نتایج را می توان برای جمع سپاری در فرآیندهای تصمیم گیری مشارکتی و برای بررسی پیامدهایی که اینها بر محیط ساخته شده دارند استفاده کرد. آنها همچنین می توانند به عنوان روشی جدید برای مشارکت شهروندان در فرآیندهای تصمیم گیری محلی مورد استفاده قرار گیرند. حتی افراد آموزش ندیده نیز می توانند پیامدهای هر تأثیر استراتژیک بر جامعه خود را که با پتانسیل مدل سازی سه بعدی فضای شهری ممکن می شود، بهتر درک کنند.
تکمیل محصولات نقشه برداری با مدل های سه بعدی
مدلهایی که با استفاده از گردشهای کاری فتوگرامتری (با استفاده از پهپاد) به دست میآیند، میتوانند مدلهای بهدستآمده از اسکن لیزری زمینی را تکمیل کنند. پهپادها جمع آوری داده ها را از دیدگاه نادری امکان پذیر می کنند. این کاستی های روش زمینی را برطرف می کند، یعنی اینکه بسیاری از نقاط را نمی توان بدون تکنیک های زمینی وقت گیر و پرهزینه که همچنین مشمول مقررات سختگیرانه و مالکیت خصوصی است، دست یافت. تصاویر هوایی به طور موثر مدل های سه بعدی فوتورئالیستی تولید می کنند، بنابراین زمان و هزینه هر پروژه را کاهش می دهند.
علاوه بر این، مدل سازی سه بعدی با استفاده از فتوگرامتری نیز برای برنامه ریزی مشارکتی مفید است. داده های جمع آوری شده در مورد محیط ساخته شده به راحتی در پایگاه داده های دانش فضایی محلی ادغام می شوند و می توانند مدل های جغرافیایی مرجع و مقیاس بندی شده را تولید کنند.
همچنین میتواند پروژههای اداری آتی را در منطقه مورد بررسی تسریع بخشد و به طوفان فکری در مورد پیادهسازیهای بعدی مربوط به تکامل فضای عمومی، مانند کاربری زمین، باغبانی اجتماعی، پارکهای جیبی و فضاهای زودگذر فرهنگی کمک کند. اطلاعات به دست آمده، شناسایی و تحلیل مشکلات مشارکتی را تقویت می کند و می تواند از اولویت ها و کاوش سیستماتیک راه حل های بالقوه حمایت کند. علاوه بر این، از طریق نظارت مشترک، میتواند بازخوردی را در مورد فعالیتها ارائه دهد و به طراحی مشارکتی بین ذینفعان و شرکتکنندگان بپردازد.
نتیجه گیری
مدلسازی سهبعدی مجموعه دادههای غنی را فراهم میکند که ایجاد تحلیل شهری خودکار را تسهیل میکند. رویکرد پیشنهادی با استفاده از دادههای فتوگرامتری پهپاد، پارامترهای کمی و کیفی شهری را تجزیه و تحلیل و اعتبارسنجی میکند و ابر نقطه فتوگرامتری را در اختیار ذینفعان قرار میدهد که چگالی نقطهای بالاتری نسبت به ابرهای نقطه لیدار دارد.
نماهای متنی گسترده و دقیق حاصل از محیط شهری را می توان از نمای ساختمان ها و خیابان ها تا نماهای کل محله ها مقیاس بندی کرد. بنابراین، آنها را می توان برای اهداف متعدد، از یک ساختمان یا بلوک واحد گرفته تا کل محله یا بخش منطقه ای شهر مورد استفاده قرار داد. نماهای مایل و بالای سر می توانند از گرافیک های مفهومی و همپوشانی برای تجزیه و تحلیل سایت پشتیبانی کنند، بنابراین مقدار مهمی از مواد را برای معماران و برنامه ریزان شهری فراهم می کنند.
این مواد و به خصوص تصاویر گرفته شده را می توان به منظور حمایت از پروژه های عمومی در محیط ساخته شده و همچنین پیشرفت ساخت زیرساخت ها در بخش دولتی و خصوصی (با استفاده از تصاویر “قبل” و “پس از”) به بازار عرضه کرد. .
علاوه بر این، ویدئوها و تصاویر الهام بخش را می توان برای تقویت مشارکت عمومی از درون جوامع محلی استفاده کرد. نکته مهم، به دلیل دقت و قابلیت اطمینان اطلاعات به دست آمده (حتی در مناطق غیرقابل دسترس)، این رویکرد همچنین اتوماسیون تحلیل شهری را تسهیل می کند و به انجام منظم و دوره ای وظایف نظارت شهری کمک می کند.
استفاده از نقشه برداری فتوگرامتری پهپاد و مدل سازی سه بعدی در فضای شهری در آینده نزدیک به طور قابل توجهی افزایش خواهد یافت، زیرا پهپادها مقرون به صرفه تر خواهند شد. علاوه بر آن، استفاده از آنها تأثیرات عمده ای در زمینه های متعددی در این زمینه خواهد داشت. همانطور که جوامع تحقیقاتی نقشه برداری و برنامه ریزی شهری و مشارکتی به استقبال این فناوری های جدید ادامه می دهند، استفاده از آنها در فضای شهری می تواند به روش استاندارد در آن بخش ها تبدیل شود.
تحلیل شطرنجی GIS فرآیند تجزیه و تحلیل اطلاعات مکانی موجود در مجموعه داده های شبکه است. هر سلول در یک شبکه حاوی یک مقدار یا کلاس است که می تواند مربوط به خاک، پوشش زمین، ارتفاع یا نوع دیگری از داده ها باشد.
از طریق تحلیل شطرنجی، میتوانیم اطلاعات مربوط به یک مکان جغرافیایی را بر اساس مقدار پیکسل ارزیابی و تفسیر کنیم. بر خلاف داده های برداری، تمرکز بر روی شطرنجی است که در آن هر پیکسل حاوی اطلاعاتی در مورد یک مکان جغرافیایی خاص است.
نمونه هایی از تحلیل شطرنجی
شما اغلب تحلیل شطرنجی را در سنجش از راه دور خواهید دید. تصاویر ماهوارهای، مدلهای دیجیتال ارتفاع، و محصولات پوشش زمین همگی نمونههایی از دادههای مبتنی بر شبکه هستند. اما این به سنجش از دور محدود نمی شود زیرا ما اغلب از داده های شطرنجی در رشته هایی مانند زمین شناسی، هیدرولوژی و علوم خاک استفاده می کنیم.
به عنوان مثال، یک هیدرولوژیست ممکن است از این نوع تجزیه و تحلیل برای محاسبه شیب و رواناب در یک منطقه استفاده کند. از طرف دیگر، یک بومشناس ممکن است از آن برای ایجاد مدل مناسب زیستگاهی استفاده کند. یک زمین شناس ممکن است از داده ها و تجزیه و تحلیل شطرنجی برای ایجاد یک نقشه خاک استفاده کند که انواع خاک های موجود در یک منطقه و نحوه توزیع آنها را نشان می دهد.
هزاران کاربرد GIS برای تحلیل فضایی وجود دارد. تحلیل شطرنجی همچنین میتواند برای پروژههای تحقیقاتی محیطی و مکانی که شامل نقشهبرداری و تجسم دادهها است، مفید باشد. به عنوان مثال، اگر در حال مطالعه تغییر دما در یک منطقه خاص در طول زمان هستید، می توانید از پردازش شطرنجی برای ایجاد نقشه ای استفاده کنید که این داده ها را نشان می دهد. این نقشه می تواند به شما در درک بهتر داده ها و نتیجه گیری معنادارتر کمک کند.
ما یک جدول تناوبی برای تحلیل فضایی ایجاد کرده ایم که ابزارهای برداری و جدول را در سمت چپ طبقه بندی می کند. در سمت راست، میتوانید رایجترین ابزارهای تحلیل شطرنجی را در سایههای بنفش، آبی و سبز پیدا کنید.
تکنیک های ابزار تحلیل شطرنجی
چندین تکنیک پردازش شطرنجی وجود دارد که می توانید برای تجزیه و تحلیل داده های خود از آنها استفاده کنید. در اینجا برخی از محبوب ترین ها آورده شده است:
جبر نقشه – جبر نقشه مجموعه ای از عملیات ریاضی است که برای تجزیه و تحلیل داده های شطرنجی استفاده می شود. به عنوان مثال، جبر نقشه شامل عملیات محلی، کانونی، منطقه ای و جهانی است.
آمار منطقه ای – این ابزار شطرنجی به کاربران اجازه می دهد تا اطلاعات یک یا چند ویژگی را در یک منطقه خلاصه کنند. به عنوان مثال، شما میانگین، میانه، مجموع، حداقل، حداکثر و انحراف استاندارد مجموعه ای از مقادیر را با استفاده از آمار منطقه ای محاسبه می کنید.
کانتورها – تولید کانتور فرآیند ایجاد نمایشی از شکل و ارتفاع ویژگی های زمین است. تحلیلگران GIS خطوطی را با اتصال نقاط با ارتفاع مساوی در یک منطقه معین ایجاد می کنند.
توابع ریاضی – توابع ریاضی یک نوع عبارت عددی را بر اساس سلول به سلول اجرا می کنند. به عنوان مثال، این ممکن است شامل انواع توابع حسابی، توانی، نمایی و لگاریتمی باشد.
شرایط – یک تابع شرطی، همچنین به عنوان یک عملگر منطقی شناخته می شود، یک نوع عملیات شطرنجی است که به کاربران اجازه می دهد مجموعه ای از شرایط را در یک مجموعه داده شطرنجی ارزیابی کنند.
مسیر هزینه – بر اساس یک رستر ورودی، تجزیه و تحلیل مسیر هزینه تکنیکی برای شناسایی مقرون به صرفه ترین مسیر از یک منبع معین به یک مکان مقصد است.
تجزیه و تحلیل زمین – تجزیه و تحلیل زمین فرآیند استفاده از داده های رقومی ارتفاع (DEM) برای تجزیه و تحلیل جنبه های مختلف توپوگرافی یک منظر است.
تناسب – تجزیه و تحلیل تناسب پتانسیل یک منطقه را برای یک فعالیت یا هدف خاص ارزیابی می کند. این می تواند شامل مدل های رگرسیون فضایی برای تجزیه و تحلیل کاربری و توپوگرافی زمین و همچنین عوامل دیگری مانند آب و هوا، نوع خاک، پوشش گیاهی و زیرساخت باشد.
پردازش شطرنجی – پردازش شطرنجی یک اصطلاح جامع است که برای تبدیل داده های شبکه موجود به خروجی های جدید استفاده می شود. وظایف رایج پردازش شطرنجی شامل انتخاب، برش، و تقسیم مجموعه داده های شطرنجی است.
درون یابی – تکنیک های درون یابی مقادیر ناشناخته را بر اساس نقاط نمونه موجود تخمین می زنند. خروجی درون یابی (مانند IDW، کریجینگ یا اسپلاین) یک سطح شطرنجی است.
انتخاب نوع داده رستر
قبل از انجام هر نوع پردازش شطرنجی، مهم است که انواع مختلف داده هایی را که می توانید استفاده کنید، بدانید. دو نوع اصلی داده های شطرنجی عبارتند از (1) داده های پیوسته و (2) داده های گسسته.
داده های پیوسته – داده های شطرنجی پیوسته به داده هایی اشاره دارد که دارای مقدار کمی هستند، مانند دما، جمعیت یا هر تصویری.
دادههای گسسته – دادههای گسسته به دادههایی اطلاق میشود که کیفی هستند و دارای مقادیری هستند که متقابلاً منحصر به فرد هستند، مانند وجود یا عدم وجود یک گونه یا پوشش زمین.
هنگام انجام تحلیل شطرنجی، انتخاب نوع داده مناسب مهم است. مهم است که هم اندازه داده های خود و هم سطح جزئیات را در نظر بگیرید. این به شما کمک می کند تا تصمیم بگیرید از کدام نوع داده برای پردازش شطرنجی استفاده کنید.
انتخاب مقیاس رستر مناسب
یکی دیگر از ملاحظات مهم هنگام انجام تحلیل شطرنجی استفاده و ایجاد داده های شطرنجی در مقیاس مناسب است.
وضوح بالا – هرچه اندازه شبکه کوچکتر باشد، به قدرت محاسباتی و ذخیره سازی بیشتری نیاز به تجزیه و تحلیل شطرنجی و داده های شما دارد.
وضوح پایین – اندازه شبکه بزرگتر از نظر اندازه فایل کوچکتر است. اما اگر اندازه شبکه شما خیلی بزرگ باشد، جزئیات را در داده های شطرنجی خود از دست می دهید.
مهم نیست که چه اندازه سلولی را انتخاب می کنید، همیشه مهم است که وضوح داده های شطرنجی ورودی یا خروجی خود را در نظر بگیرید.
نتیجه
تحلیل شطرنجی یک روش قدرتمند تجزیه و تحلیل داده ها در GIS است که از داده های شبکه ای استفاده می کند. اگرچه ما معمولاً آن را با سنجش از دور مرتبط میکنیم، میتوانیم از پردازش شطرنجی در طیف گستردهای از رشتهها استفاده کنیم.
تجزیه و تحلیل شطرنجی می تواند روندها و الگوهای داده ها را شناسایی کند یا تغییرات را در طول زمان به صورت سلول به سلول تشخیص دهد. به طور کلی، تجزیه و تحلیل شطرنجی یک ابزار مفید در GIS برای تجزیه و تحلیل سریع حجم زیادی از داده ها است.
خوانش های قطب نما که جهت شمال واقعی را نشان نمی دهند و تداخل با عملکرد ماهواره ها از جمله مشکلات ناشی از ویژگی های میدان مغناطیسی زمین است. میدان مغناطیسی در سرتاسر جهان و به دور از فضا تابش می کند، اما توسط فرآیندهایی تنظیم می شود که در اعماق هسته زمین اتفاق می افتد، جایی که دما از 5000 درجه سانتیگراد فراتر می رود. تحقیقات جدید ژئوفیزیکدانان نشان می دهد که روش سرد شدن این هسته فوق داغ کلیدی برای درک علل خاص – یا ناهنجاری ها، همانطور که دانشمندان آنها را میدان مغناطیسی زمین می نامند .
دینامو در مرکز زمین
در دمای بسیار داغ که در اعماق زمین یافت می شود، هسته توده ای از آهن مذاب چرخان است که به عنوان یک دینام عمل می کند. همانطور که آهن مذاب حرکت می کند، میدان مغناطیسی جهانی زمین را تولید می کند.
جریانهای همرفتی دینام را در چرخش نگه میدارند زیرا گرما از هسته بیرون میآید و به گوشته میرسد، لایهای سنگی که تا پوسته زمین 2900 کیلومتر امتداد دارد.
تحقیقات دکتر جاناتان ماوند و پروفسور کریستوفر دیویس، از دانشکده زمین و محیط زیست در لیدز، نشان میدهد که این فرآیند خنکسازی به صورت یکنواخت در سراسر زمین اتفاق نمیافتد – و این تغییرات باعث ایجاد ناهنجاریهایی در میدان مغناطیسی زمین میشود.
تغییرات میدان مغناطیسی زمین
تجزیه و تحلیل لرزه ای مشخص کرده است که مناطقی از گوشته، به عنوان مثال، در زیر آفریقا و اقیانوس آرام وجود دارد که به ویژه گرم است. شبیهسازیهای رایانهای توسط محققان نشان داده است که این مناطق داغ اثر خنککننده روی هسته را کاهش میدهند – و این باعث تغییرات منطقهای یا موضعی در خواص میدان مغناطیسی میشود.
به عنوان مثال، جایی که گوشته گرمتر است، میدان مغناطیسی در بالای هسته احتمالا ضعیف تر است.
و این منجر به یک میدان مغناطیسی ضعیفتر میشود که در بالای اقیانوس اطلس جنوبی به فضا پرتاب میشود که باعث مشکلاتی برای ماهوارههای در حال گردش میشود.
تداخل با فناوری فضایی
دکتر موند، که این مطالعه را رهبری کرد، گفت: “یکی از کارهایی که میدان مغناطیسی در فضا انجام می دهد، منحرف کردن ذرات باردار ساطع شده از خورشید است. وقتی میدان مغناطیسی ضعیف تر باشد، این سپر محافظ چندان موثر نیست.
بنابراین، هنگامی که ماهواره ها از آن منطقه عبور می کنند، این ذرات باردار می توانند عملکرد آنها را مختل کرده و در آنها اختلال ایجاد کنند.
دانشمندان از زمانی که نظارت و رصد میدان مغناطیسی را آغاز کردند، از این ناهنجاری بر روی اقیانوس اطلس جنوبی اطلاع داشتند، اما مشخص نیست که آیا این یک ویژگی طولانی مدت است یا چیزی که اخیراً در تاریخ زمین اتفاق افتاده است.
همانطور که مطالعه در لیدز نشان داد، این ناهنجاری ها احتمالاً ناشی از تفاوت در سرعت جریان گرما از هسته زمین به گوشته است. محل وقوع این اختلافات جریان گرما در ساختار درونی زمین احتمالاً تعیین کننده مدت زمان ماندگاری آنها است.
دکتر مووند افزود: “فرآیندها در گوشته بسیار آهسته اتفاق میافتند، بنابراین میتوان انتظار داشت که ناهنجاریهای دما در گوشته پایینی برای دهها میلیون سال ثابت بماند. بنابراین، ما انتظار داریم که خواص میدان مغناطیسی که آنها ایجاد میکنند نیز داشته باشیم. در طول ده ها میلیون سال مشابه بوده است.
اما هسته بیرونی داغتر، یک منطقه سیال کاملاً پویا است. بنابراین، جریان گرما و خواص میدان مغناطیسی که آنها ایجاد میکنند احتمالاً در مقیاسهای زمانی کوتاهتر، شاید برای 100 تا 1000 سال، در نوسان هستند.
باتلاق های نمکی و جزر و مدی جهان، کانون های ذخیره و بهره وری کربن هستند که رسوبات و مواد گیاهی را برای ماندن در بالای سطح دریا ایجاد می کنند. با این حال، همانطور که سطح دریا با سرعت فزاینده ای افزایش می یابد، دانشمندان بحث می کنند که آیا ممکن است تالاب ها در این مسابقه پیروز شوند یا خیر. تحقیقات جدید نشان میدهد که چگونه باتلاقهای نمکی در امتداد سواحل شرقی ایالات متحده با ایجاد ارتفاع سریعتر برای همگام شدن با دریا در طول قرن گذشته، به تسریع افزایش سطح دریا واکنش نشان دادهاند.
این مطالعه در Earth’s Future منتشر شد که تحقیقات بین رشته ای را در مورد گذشته، حال و آینده سیاره ما و ساکنان آن منتشر می کند.
دو عامل اصلی بر سرعت انباشته شدن خاک توسط شورهزار تأثیر میگذارد: میزان رسوب در تالاب در طول سیلابهای جزر و مدی و اینکه چه مقدار مواد آلی از گیاهان مرداب از تجزیه فرار میکند. انسانها میتوانند با ساختن سدها، رسوب به باتلاقها را خفه کنند یا با ایجاد فرسایش در بالادست، اغلب از طریق پاکسازی زمین برای کشاورزی، عرضه را افزایش دهند. دمای سردتر اجازه می دهد تا مواد آلی بیشتری ایجاد شود.
اگر سطح دریا به آرامی بالا می رود، رسوبات فراوان است، و پوشش گیاهی شکوفا می شود، یک تالاب ساحلی می تواند همگام با افزایش آب ها باشد. اما اگر سطح دریا خیلی سریع بالا رود، این تعادل از بین می رود.
ناتانیل وستون، بومشناس اکوسیستم در دانشگاه ویلانووا که این مطالعه را رهبری میکند، میگوید: «این چرخههای بازخورد به مرداب اجازه میدهد تا سرعت تجمع خاک خود را تا جایی که نمیتواند ادامه دهد، افزایش دهد.» “بعد از آن، از انتهای دیگر می افتد و دیگر نمی تواند به عنوان مرداب وجود داشته باشد. و به احتمال زیاد در بسیاری از نقاط این اتفاق خواهد افتاد.”
مطالعه جدید اولین مطالعه ای است که نژاد را در مقیاس بزرگ ارزیابی می کند و نرخ برافزایش خاک را با استفاده از هسته خاک از 9 باتلاق نمکی از مین تا جورجیا مقایسه می کند. ستونهای تاریک و تورب مانند بیش از 100 سال از تاریخ باتلاقها را ثبت میکنند و محققان تاریخگذاری خاک را برای محاسبه سرعت رشد تالابها در طول زمان و چگونگی تغییر این سرعت تعیین کردند.
اگرچه تجمع خاک در هر نه باتلاق افزایش یافت، تنها شش باتلاق تقریباً با سرعتی برابر با افزایش سطح دریا در قرن گذشته، خاک ساختند. سه باتلاق در کارولینای شمالی، کارولینای جنوبی و ویرجینیا به دلیل افزایش سریع سطح آب دریاها، ذخایر کم رسوب ناشی از سدسازی و دمای گرمتر نتوانستند با افزایش سطح آب محلی هماهنگی داشته باشند.
وستون گفت: “این اولین مطالعه ای است که آنچه را که در این مقیاس اتفاق می افتد، تقریباً در کل ساحل شرقی مستند می کند.” ما قطعاً از دیدن نتایج نسبتاً ثابت در سراسر سایتهایمان هیجانزده بودیم، جایی که باتلاقها میزان تجمع خاک خود را افزایش میدادند.»
وستون گفت که بسیاری از باتلاق های نمکی ساحلی در سراسر جهان ممکن است رشد خود را نیز تسریع کنند، حداقل در حال حاضر.
مولی کیوگ، زمین شناس ساحلی در دانشگاه اورگان که در این مطالعه شرکت نداشت، این احساس را تکرار کرد. او گفت: «باید یک نقطه اوج وجود داشته باشد که تالابها به سادگی نمیتوانند با این نرخهای فزاینده افزایش سطح دریا همگام شوند. “مکان هایی مانند دلتای می سی سی پی وجود دارد که قبلاً به این نقاط اوج رسیده اند. در این نقطه، غرق شدن تالاب های [ساحلی] اساساً اجتناب ناپذیر است.” او گفت که کند کردن افزایش سطح دریا کلیدی است، اما انجام این کار بسیار دشوار و کند است که به اندازه کافی سریع برای نجات باتلاقهای نمک انجام نمیشود.
وستون گفت که برای کند کردن روند طغیان، جوامع می توانند “ساحل های زنده” از پوشش گیاهی را برای حفظ رسوب نصب کنند. یک راه حل گران قیمت اما موقت، پاشیدن دوغاب گل و آب بر روی مرداب است که چند میلی متر رسوب اضافه می کند و می تواند چند سال افزایش سطح دریا را جبران کند.
نقشه برداری از یخچال های طبیعی ساحلی بزرگ در آلاسکا نشان داد که بخش عمده آن در زیر سطح دریا قرار دارد و کانال ها زیر آن قرار دارند و آن را در برابر ذوب شدن سریع در یک زیستگاه ساحلی در حال زوال آسیب پذیر می کنند.
این یافته ها که توسط محققان دانشگاه آریزونا در مجله تحقیقات ژئوفیزیک منتشر شده است، بر شکنندگی یک سیستم یخبندان بسیار بزرگ تأکید می کند که می تواند منجر به از بین رفتن حجم قابل توجهی از یخ و زمین های خدمات پارک ملی شود و حجم قابل اندازه گیری را به جهانی کمک کند. افزایش سطح آب دریا.
براندون توبر، نویسنده ارشد این مطالعه، دانشجوی دکترا در دپارتمان علوم زمین UArizona، میگوید: «از بین رفتن این یخچال احتمالاً بزرگترین از بین رفتن یخ از یخچالهای طبیعی آلاسکا در این قرن خواهد بود.
به گفته توبر، منطقه مقابل یخچال مالاسپینا، یک منطقه منجمد دائمی با یخ خالص در زیر سطح، در مواجهه با افزایش دمای جهانی در حال از بین رفتن است. منجمد دائمی به زمینی اطلاق می شود که برای دو یا چند سال یخ زده باقی می ماند.
توبر گفت: «از آنجایی که این سد ساحلی فرسایش مییابد و جای خود را به تالابهای بزرگ میدهد، عمدتاً از طریق فروریختن صخرههای یخی، آب اقیانوس ممکن است در نهایت به یخچال دسترسی پیدا کند. هنگامی که به جلوی یخچال می رسد، ممکن است یخ را سریعتر ذوب کند و شروع به عقب نشینی یخچال کند.
Malaspina با تشکیل یک صفحه یخی گسترده که درست در ساحل جنوب شرقی آلاسکا واقع شده است، بزرگترین یخچال طبیعی پیمونت جهان است، نوعی یخچال طبیعی که از کوه های شیب دار به یک دشت وسیع می ریزد و اساسا یک “پنکک یخی” را تشکیل می دهد که بر روی یک پهنه می ریزد. دشت ساحلی از کوه های سنت الیاس. یک مانع خشکی نازک یخچال را از آب های نسبتا گرم خلیج آلاسکا جدا می کند. تصاویر ماهوارهای تاریخی نشان میدهند که این تودههای آبی در طول زمان گسترش مییابند و در چند دهه گذشته یک سیستم تالاب را درست در مقابل یخچال طبیعی تشکیل میدهند.
به گفته توبر، به طور سنتی، محققان برای اندازهگیری ضخامت یخچالها بر مدلهای ریاضی تکیه میکنند، اما این مدلها در توانایی خود برای پیشبینی دقیق ضخامت یخچالها بسیار متفاوت هستند. این مدلها اغلب بر اندازهگیری سرعت حرکت یخچال طبیعی در سراسر سطح برای پیشبینی عمق یخچال تکیه میکنند، مشابه روشی که از نرخ جریان آب رودخانه برای به دست آوردن بینش در مورد عمق و شکل بستر آن استفاده میشود.
توبر گفت: «ما می دانیم که یخچال های طبیعی در آلاسکا در بسیاری از نقاط به سرعت در حال ذوب شدن و نازک شدن هستند، اما به طور دقیق نمی دانیم ضخامت آنها چقدر است و بنابراین نمی توانیم به طور دقیق از دست دادن جرم در آینده را پیش بینی کنیم. “اگر ما ضخامت و توپوگرافی بستر را ندانیم، نمی توانیم به طور دقیق تکامل آینده آنها را مدل سازی کنیم.”
برای به دست آوردن ایده بهتری از آینده مالاسپینا، محققان نیاز به یک “اسکن بدن” دقیق از شکل و ضخامت آن داشتند. برای انجام این کار، گروه تحقیقاتی توبر از صدای اکو رادیویی آریزونا یا ARES استفاده کرد، ابزاری که توسط تیمی به رهبری جک هولت ، پروفسور آزمایشگاه قمری و سیارهای UArizona و گروه علوم زمین طراحی و ساخته شد. -نویسندگان گروه تحقیقاتی هولت در استفاده از روش های تحقیقاتی ژئوفیزیک، عمدتاً رادار، برای مطالعه ویژگی های زمین و مریخ تخصص دارد.
ARES به عنوان بخشی از عملیات IceBridge، یک ماموریت با بودجه ناسا با اندازهگیری تغییرات سالانه در ضخامت یخچالهای طبیعی، یخهای دریا و صفحات یخی در گرینلند، آلاسکا و قطب جنوب از هواپیماها بین سالهای 2009 تا 2021، در هواپیما سوار شد.
در حالی که هواپیما از گستره وسیع و یخی عبور میکرد، رادار یخنفوذ آن یخچا ل را “اشعه ایکس” میتاباند که منجر به “اسکن سه بعدی بدن” کامل یخچال و سنگ زیرین شد. اندازهگیریها نشان داد که یخچال مالاسپینا تا حد زیادی زیر سطح دریا قرار دارد و توسط کانالهای متعددی در بستر آن قطع شده است که حداقل 21 مایل از جایی که یخچال به ساحل میرسد تا سرچشمهاش در کوههای سنت الیاس ادامه دارد.
محققان در مقاله خود می نویسند که ترکیب موقعیت یخچال با توجه به سطح دریا و ادامه از دست دادن سد ساحلی آن ممکن است مسیرهایی را برای آب های اقیانوس برای دسترسی به مناطق وسیعی از بستر یخچال در امتداد این کانال ها فراهم کند. با فرض اینکه این منجر به ریزش توده های یخ در مقیاس بزرگ و عقب نشینی یخچا ل شود، محققان به این نتیجه رسیدند که مالاسپینا پتانسیل این را دارد که 560 کیلومتر مکعب یا 134 مایل مکعب یخ را به اقیانوس برساند. به عبارت دیگر، مالاسپینا به تنهایی میتواند سطح دریاهای جهانی را 1.4 میلیمتر یا کمی کمتر از 1/16 اینچ افزایش دهد.
این ممکن است زیاد به نظر نرسد، اما برای در نظر گرفتن این موضوع، همه ییخچالهای طبیعی آلاسکا در مجموع حدود 0.2 میلیمتر در سال به افزایش سطح جهانی دریاها کمک میکنند – نرخی که به غیر از یخهای گرینلند و قطب جنوب، بالاتر از سایر مناطق یخزده روی زمین است. توبر گفت.
به گفته تیم توبر، این مطالعه Malaspina را به گستردهترین یخچا لهای طبیعی نقشهبرداری شده با رادار در آلاسکا تبدیل میکند. در حالی که یخچالهای دیگر نقاط جهان با سطوح مشابهی از جزئیات نقشهبرداری شدهاند، همتایان آلاسکایی آنها از اندازهگیری دقیق طفره رفتهاند، زیرا از یخهای معتدل یا “گرم” تشکیل شدهاند.
توبر میگوید: «شکافهای یخچا ل اغلب دارای آب هستند، و این باعث میشود که انرژی رادار به بستر یخچال و بازگشت به ابزار دشوار شود.»
غلبه بر آن چالش بخشی از انگیزه ساخت ARES بود.
اسکنهای راداری نشان داد که مدلهای یخچا لشناسی حجم مالاسپینا را بیش از 30 درصد بیش از حد تخمین میزنند. با این حال، این یخچال که ضخامت آن در مرکز آن کمی بیش از نیم مایل اندازه گیری شد، 10 برابر حجم کل یخچا لهای طبیعی در کوه های آلپ سوئیس است.
توبر گفت: «ما میتوانیم حدس بزنیم که کانالها، گودالهای بزرگ زیر یخچا ل، آب مذاب را که از ساحل خارج میشود، هدایت میکنند.
وسعت مشاهده شده تالاب ها در سرتاسر پیشین مالاسپینا در چند دهه گذشته تا حد زیادی چیزی است که گروهی از محققان از جمله هولت را از این واقعیت آگاه کرده است که سد ساحلی در مقابل یخچال مالاسپینا در حال از بین رفتن است و سؤالاتی در مورد پایداری یخچال ایجاد می کند. این تیم که متشکل از محققانی از UArizona، دانشگاه آلاسکا فیربنکس، دانشگاه مونتانا و خدمات پارک ملی است، توسط بنیاد ملی علوم برای بررسی بیشتر احتمال نابودی بزرگترین یخچا ل طبیعی پیمونت در جهان، کمک مالی دریافت کرد.
سیدنی مونیهام، یکی از نویسندگان این مقاله که از دانشکده جغرافیا، توسعه و محیط زیست UArizona فارغ التحصیل شده است، وسعت تالاب ها را در سراسر پیشین مالاسپینا در طول حدود 50 سال از تصاویر گرفته شده توسط Landsat، نقشه برداری کرد. ماهواره های رصد زمین برای مطالعه و نظارت بر خشکی های زمین به فضا پرتاب شدند.
توبر گفت که انگیزه دیگر برای تمرکز بر یخچال مالاسپینا از این واقعیت ناشی می شود که در بزرگترین پارک ملی ایالات متحده، پارک و حفاظتگاه ملی Wrangell Saint Elias واقع شده است. به گفته سرویس پارک ملی، این پارک با 13.2 میلیون هکتار مساحت، از مجموع پارک ملی یلوستون، پارک ملی یوسمیتی و کشور سوئیس بزرگتر است.
توبر گفت: «از دست دادن بالقوه مالاسپینا و گشودن یک خلیج جدید در امتداد خط ساحلی آلاسکا ممکن است بزرگترین دگرگونی چشماندازی در ایالات متحده باشد که میتوانیم در این قرن شاهد باشیم، و ممکن است منجر به از دست دادن 500 مایل مربع از زمین پارک شود. “
دهها کشور برای اولین بار گرد هم میآیند تا درباره جزئیات یک صندوق برای قربانیان آب و هوا گفتگو کنند. آنها تصمیم گرفتند نوامبر گذشته در COP27 با هم کار کنند.
صندوق خسارات و خسارات بزرگترین توافقنامهای بود که از اجلاس آب و هوای سازمان ملل در مصر برگزار شد. بیش از 30 سال از اولین پیشنهاد این ایده، کشورها موافقت کردند که به کشورهای آسیب پذیر کمک کنند تا از بلایای مرتبط با آب و هوا بهبود یابند.
اما معامله در حال حاضر یک لانه خالی است. کشورها هنوز باید تصمیم بگیرند که جریان جدید بودجه دقیقاً چگونه کار خواهد کرد و این پول از چه کسی و به چه کسی سرازیر خواهد شد.
کمیته سازمان ملل در مورد ضرر و زیان چیست؟
طبق برنامه اجرای شرم الشیخ، یک کمیته انتقالی متشکل از 24 عضو از 27 تا 29 مارس تشکیل می شود تا در این موضوع حیاتی پیشرفت کند.
نشست کمیته سازمان ملل در شهر صحرایی مصر اقصر در حال برگزاری است و یک رویداد کلیدی در مسیر COP28 در دبی در اواخر امسال است.
سامه شکری، رئیس COP27، میگوید: «همه نگاهها به کمیته انتقالی است که در لوکسور تشکیل جلسه میدهد.
با توجه به پیشرفت در عملیاتی شدن صندوق مربوطه و سایر عناصر تشکیل دهنده وظایف این کمیته، انتظارات زیادی وجود دارد.
چه کسی در کمیته انتقالی در مورد ضرر و زیان حضور دارد؟
فقط تعدادی از افراد منتخب در کمیته انتقالی حضور دارند. این 24 عضو از طرفهای UNFCCC و توافقنامه پاریس را گرد هم میآورد که به دقت بر اساس ثروت و جغرافیا گروهبندی شدهاند.
در مجموع، 10 عضو از کشورهای توسعه یافته و 14 عضو از کشورهای در حال توسعه در جدول حضور دارند. با توجه به تعداد بسیار کمی از نقاط برای تصاحب، مناطق مجبور به مصالحه در مورد اینکه چه کسی آنها را نمایندگی خواهد کرد.
گروه آسیا-اقیانوسیه – که دارای سه کرسی است – تنها دو هفته پیش و پس از گزارش هایی مبنی بر برخی آرنج های تیز بین کشورها به توافق رسیدند.
محمد نصر ، مذاکره کننده اصلی مصر و عضو کمیته یکی از سه جایگاه آفریقا که به ریاست COP27 اختصاص دارد، گفت: «همه می خواهند بخشی از بحث باشند .
از آنجایی که دو جلسه کمیته انتقالی دیگر قبل از COP28 برنامه ریزی شده است، بلوک آسیا-اقیانوسیه (و سایرین) با تقسیم این سه جلسه بین شش کشور مختلف به خطر افتاده اند.
هند، فیلیپین و عربستان سعودی یک کرسی مشترک و چین، کره جنوبی و پاکستان کرسی دیگر را به اشتراک خواهند گذاشت. کرسی سوم به نماینده ریاست جمهوری آینده COP28 اختصاص دارد: حنا الهاشمی از امارات.
ایالات متحده، بریتانیا، فرانسه، نروژ، فنلاند، استرالیا، کانادا و ژاپن کرسیهای کشورهای توسعهیافته را اشغال کردهاند و دانمارک و هلند، و ایرلند و آلمان دو کرسی باقیمانده را برای گروههای صنعتی و ثروتمندتر به اشتراک میگذارند.
به عنوان بخشی از انتقال بین نیروهای پلیس، نصر کنترل کمیته را به روسای مشترک منتخب اوتی هونکاتوکیا (فنلاند) و ریچارد شرمن (آفریقای جنوبی) واگذار کرده است.
یک پروژه نقشه برداری جهانی که توسط محققان دانشگاه کوئینزلند هدایت می شود، عوامل استرس زا عمده ای را که فعالیت های انسانی بر سواحل جهانی وارد می کند، آشکار کرده است.
این تیم حضور و میزان عوامل استرس زای اصلی زمینی و دریایی را کمی و نقشه برداری کردند و دریافتند که 97 درصد مناطق ساحلی در سطح جهان حداقل یک عامل استرس زا عمده دارند.
پروفسور سالیت کارک از دانشکده علوم زیستی UQ گفت که تیم تحقیقاتی از گستردگی و تأثیر گسترده ای که توسط نقشه ردپای ایجاد شده آشکار شده بود شگفت زده شدند.
پروفسور کرک گفت: «به سختی جایی در کره زمین، خارج از مناطق قطبی و قطبی، وجود ندارد که نوعی فشار انسان بر خط ساحلی آنها را نشان ندهد.
«در اصل، ما بر اکثر مناطق ساحلی در سطح جهان تأثیر گذاشتهایم.
بنابراین ما باید به دنبال نقشه برداری و درک اثرات خود باشیم و همچنین برخی از خطوط ساحلی را دست نخورده باقی بگذاریم.
هانا آلن، کاندیدای دکتری UQ، گفت: این تحقیق وسعت و بزرگی فضایی 10 عامل استرسزای اصلی زمینی و 10 عامل استرسزای عمده دریایی را که در سراسر خطوط ساحلی در سراسر جهان رخ میدهند، مشخص کرده است.
خانم آلن گفت: «تهدیدهایی که فعالیت انسانی برای اکوسیستمهای ساحلی و تنوع زیستی ایجاد میکند، هم از خشکی و هم از دریا میآید و گاهی اوقات دور از فعالیتهای انسانی میآید.
«بنابراین، حفاظت از سواحل باید اتصالات زمین و دریا را در بر بگیرد.
“اندازه جمعیت انسانی، گردشگری، و جاده ها برخی از بزرگترین عوامل موثر در بخش زمینی ردپای انسان ساحلی استرالیا بودند.
در مورد عوامل استرس زای دریایی، افزایش دمای سطح دریا، آلودگی مواد مغذی و کشتیرانی محرک های اصلی فشار انسان بر سواحل استرالیا هستند.
پروفسور نوام لوین گفت که نقشه ای از این نوع که عوامل استرس زای زمینی و دریایی را جمع آوری می کند و ردپای انسان ساحلی را در سطح جهانی نشان می دهد، به ندرت تلاش شده است.
پروفسور لوین گفت: “این تحقیق بینش های ارزشمندی را ارائه می دهد که می تواند به تصمیم گیرندگان و مدیران کمک کند تا مکان هایی را برای کاهش تأثیرات خاص شناسایی کنند.”
به عنوان مثال، پایگاه داده زیربنای ردپای انسان می تواند مناطق خاصی را با عملیات نفت و گاز بالا نشان دهد، مانند استرالیای غربی.
این می تواند به توسعه روش های آمادگی برای احتمال بسیار واقعی بلایای زیست محیطی که بر مناطق ساحلی تأثیر می گذارد، مانند نشت نفت کمک کند.
“یک مزیت اضافی نقشه جهانی جدید ما این است که به اولویت بندی این تصمیمات بر اساس میزان گسترده بودن فشارهای بالقوه رد پای انسانی ما در مناطق خاصی از جهان کمک می کند.
نواحی ساحلی، جایی که 90 درصد استرالیایی ها در آن زندگی می کنند، از این عوامل استرس زا مصون نبودند.
برای استرالیا، بالاترین ردپای انسان در شهرهای ساحلی به ترتیب ملبورن، سیدنی، پرث، آدلاید و بریزبن یافت شد.
ما همچنین از 160 منطقه با بکرترین مناطق ساحلی، از جمله چندین منطقه در استرالیا، نقشه برداری کردیم.
از این تعداد، نزدیک به 40 درصد کاملاً محافظت نشده بودند – فرصتی برای شناسایی مناطق ساحلی برای اقدامات حفاظتی بیشتر ایجاد کرد.
“یک یافته کلیدی این بود که آلودگی نوری در حال افزایش است، با استفاده از ال ای دی های سفید بیشتر، فشار زیادی بر مناطق با اهمیت زیادی برای تنوع زیستی وارد می کند و الگوهای طبیعی حیات وحش را مختل می کند.”
با حرکت رو به جلو، محققان به دنبال تنظیم دقیق فرآیند نقشه برداری هستند و به طور خاص به خطوط ساحلی استرالیا نگاه می کنند.
پروفسور لوین گفت: “برنامه ما توسعه نقشه برداری ردپای ساحلی با وضوح بالا برای مناطق ساحلی خاص در استرالیا، با استفاده از لایه های دقیق تر است که در حال حاضر در مقیاس جهانی در دسترس نیستند.”
تحقیقات منتشر شده در Environmental Research Letters نشان داده است که انتشار متان از مناطق شهری با ضریب سه تا چهار دستکم گرفته میشود و فاضلاب تصفیه نشده ممکن است یکی از عوامل موثر باشد.
این مطالعه با عنوان “بررسی انتشار گازهای متان بالا از مناطق شهری شناسایی شده توسط TROPOMI و ارتباط آنها با فاضلاب تصفیه نشده” توسط بنجامین دی فوی، دکترای علوم زمین و جو در دانشگاه سنت لوئیس رهبری شد و در ماه مارس به صورت آنلاین منتشر شد. 14.
محققان دریافتند که انتشار گازهای متان از تخلیه فاضلاب تصفیه نشده سهم عمده ای در انتشار گاز متان در سطح جهانی دارد و بهبود تصفیه فاضلاب در مناطق شهری می تواند منجر به کاهش قابل توجه انتشار گازهای گلخانه ای شود و به شهرهایی که در جستجوی بی طرفی کربن هستند کمک کند.
دی فوی گفت: “ما تخمین می زنیم که کاهش تخلیه فاضلاب تصفیه نشده می تواند انتشار جهانی متان را تا 5 تا 10 درصد کاهش دهد.” این همچنین می تواند مزایای زیست محیطی و انسانی قابل توجهی را به همراه داشته باشد.”
دو عامل اصلی تغییرات آب و هوایی دی اکسید کربن و متان هستند. در سال 2021، غلظت جهانی متان با بالاترین نرخ ثبت شده افزایش یافت و برآوردهای فعلی موجودی انتشار متان نمی تواند روندهای اخیر را توضیح دهد.
یکی از روشهای ارزیابی انتشار متان از طریق سنجش از دور ماهوارهای است، به عنوان مثال، با ابزار نظارتی TROPOspheric (TROPOMI) روی ماهواره Sentinel 5 Precursor. این از نوامبر 2017 متان و سایر آلاینده های هوا را در سراسر جهان اندازه گیری می کند.
این تحقیق نشان میدهد که انتشار گاز متان از مناطق شهری ممکن است با ضریب ۳ تا ۴ در فهرست انتشار گازهای گلخانهای پایگاه داده انتشارات برای تحقیقات جهانی جوی (EDGAR) دست کم گرفته شود. این مطالعه نتایج را به 385 منطقه شهری در سراسر جهان با بیش از 2 میلیون سکنه تقسیم کرد که نشان میدهد این مناطق میتوانند تا 22 درصد از انتشار جهانی متان را تشکیل دهند.
برآوردهای انتشار 61 منطقه شهری با فهرست انتشار کل یا بخشی EDGAR ارتباطی ندارد. با این حال، آنها با نرخ تخمینی فاضلاب تصفیه نشده همبستگی دارند، که از 33 کیلوگرم متان به ازای هر نفر در سال برای شهرهایی با فاضلاب تصفیه نشده صفر تا 138 کیلوگرم متان به ازای هر نفر در سال برای شهرهایی که بیشترین فاضلاب تصفیه نشده را دارند متغیر است.
این مطالعه سناریوهای مختلفی را برای کاهش انتشار گازهای گلخانه ای در 61 منطقه شهری و همچنین برای تمام مناطق با جمعیت بیش از 2 میلیون نفر بررسی کرد. با کاهش انتشار گازهای گلخانهای 33 شهر با سطوح متوسط تا بالا پساب تصفیهنشده به میانگین آلایندههای شهرهایی با انتشار صفر تا کم فاضلاب تصفیهنشده، 2 درصد از کل انتشار جهانی را میتوان کاهش داد. اگر هر 61 شهر انتشار گازهای گلخانه ای خود را به کمترین میزان کاهش دهند، 6 درصد از کل انتشار متان در سراسر جهان کاهش می یابد.
مدل محققان به فاضلاب تصفیه نشده به جای گزینه های دیگر، از جمله نشت گاز طبیعی یا زیرساخت های قدیمی، به عنوان سهم بزرگی از انتشار کلی متان اشاره می کند.
دی فوی گفت: “تخمین ما از انتشار متان نشان می دهد که در نتیجه انتشار فاضلاب تصفیه نشده، متان در محیط زیست تشکیل می شود که بسیار بزرگتر از تخمین موجود در موجودی های فعلی است.” برخی از مناطق شهری می توانند با تصفیه کامل تمام فاضلاب خود، انتشار گازهای گلخانه ای خود را 50 درصد یا بیشتر کاهش دهند.
محققان می گویند برای پر کردن شکاف بین موجودی ها و اندازه گیری ها برای ایجاد فهرست انتشار جهانی تصفیه شده تر و شناسایی دقیق تر انتشارات مختلف از شهر به شهر، به کار بیشتری نیاز است. به عنوان مثال، شهرهای اروپا و چین بسیار کمتر از شهرهای آمریکای شمالی و آسیا متان منتشر می کنند.
دی فوی گفت که ممکن است تفاوتهای زیادی در داخل کشورها وجود داشته باشد، خاطرنشان کرد که میلواکی افزایش متان زیادی دارد اما مینیاپولیس همسایه آن چنین نیست، که میتواند به دلیل تفاوت در نحوه مدیریت آب طوفان و فاضلاب باشد.
صد و پنجاه کشور متعهد شده اند که به عنوان بخشی از تعهد جهانی متان، انتشار گاز متان خود را تا سال 2030 تا 30 درصد نسبت به سال 2020 کاهش دهند. بهبود تصفیه فاضلاب می تواند کمک قابل توجهی به این هدف داشته باشد.
نویسندگان دیگر عبارتند از: دکتر جیمز جی. شاور، استاد مهندسی محیط زیست ویلیام سی بویل و مدیر آزمایشگاه بهداشت ایالتی ویسکانسین در دانشگاه مدیسون ویسکانسین. آلبا لورنته، دکترا، دانشمند پژوهشی، موسسه تحقیقات فضایی هلند (اکنون در صندوق دفاع از محیط زیست). و توبیاس بورسدورف، دکترا، دانشمند پژوهشی، موسسه تحقیقات فضایی هلند.
این کار تا حدی توسط دو کمک مالی از وزارت امور خارجه ایالات متحده (SMLAQM19CA2361 و SLMAQM20CA2398) حمایت شد. پردازش داده های TROPOMI در زیرساخت ملی الکترونیک هلند با حمایت تعاونی SURF انجام شد.
Education 2030: Incheon Declaration and Framework for Action for the implementation of Sustainable Development Goal 4: Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all
یونسکو به همراه یونیسف، بانک جهانی، UNFPA، UNDP، UN Women و UNHCR مجمع جهانی آموزش 2015 را در اینچئون جمهوری کره از 19 تا 22 مه 2015 به میزبانی جمهوری کره برگزار کردند. بیش از 1600 شرکت کننده از 160 کشور جهان، از جمله بیش از 120 وزیر، روسای و اعضای هیئت ها، روسای آژانس ها و مقامات سازمان های چندجانبه و دوجانبه، و نمایندگان جامعه مدنی، حرفه معلمی، جوانان و بخش خصوصی، اعلامیه اینچئون را به تصویب رساندند. آموزش 2030، که چشم انداز جدیدی را برای آموزش در پانزده سال آینده تعیین می کند.
مقدمه
ما وزیران، رؤسا و اعضای هیأتها، روسای آژانسها و مقامات سازمانهای چندجانبه و دوجانبه، و نمایندگان جامعه مدنی، حرفه معلمی، جوانان و بخش خصوصی، به دعوت مدیر در ماه می 2015 گرد هم آمدهایم. – ژنرال یونسکو در اینچئون، جمهوری کره، برای مجمع جهانی آموزش 2015 (WEF 2015). ما از دولت و مردم جمهوری کره برای میزبانی این رویداد مهم و همچنین از یونیسف، بانک جهانی، صندوق جمعیت سازمان ملل متحد، UNDP، زنان سازمان ملل و کمیساریای عالی پناهندگان سازمان ملل متحد به عنوان شرکت کنندگان در این نشست برای کمک هایشان تشکر می کنیم. ما قدردانی صمیمانه خود را از یونسکو برای آغاز و رهبری برگزاری این رویداد مهم برای آموزش 2030 ابراز می کنیم.
در این مناسبت تاریخی، ما دیدگاه جنبش جهانی آ موزش برای همه را که در سال 1990 در جومتین آغاز شد و در سال 2000 در داکار تکرار شد – مهم ترین تعهد به آموز ش در دهه های اخیر و که به پیشرفت قابل توجهی در آموزش کمک کرده است، مجدداً تأیید می کنیم. ما همچنین دیدگاه و اراده سیاسی منعکس شده در معاهدات بین المللی و منطقه ای متعدد حقوق بشر را که حق آمو زش و ارتباط متقابل آن با سایر حقوق بشر را تصریح می کند، مجدداً تأیید می کنیم. ما تلاش های انجام شده را تصدیق می کنیم. با این حال، ما با نگرانی بسیار متوجه هستیم که تا رسیدن به آموزش برای همه فاصله داریم.
ما توافق مسقط را به یاد می آوریم که از طریق رایزنی های گسترده ایجاد شد و در نشست آموزش جهانی برای همه (EFA) در سال 2014 تصویب شد و با موفقیت اهداف آموزشی پیشنهادی گروه کاری باز در مورد اهداف توسعه پایدار (SDGs) را به اطلاع رساند. ما همچنین نتایج کنفرانسهای وزیران منطقهای در مورد آموز ش پس از 2015 را به یاد میآوریم و به یافتههای گزارش نظارت جهانی 2015 EFA و گزارشهای ترکیبی منطقهای EFA توجه میکنیم. ما سهم مهم ابتکار آمو زش جهانی اول و همچنین نقش دولت ها و سازمان های منطقه ای، بین دولتی و غیردولتی را در ایجاد تعهد سیاسی برای آ موزش و پرورش می شناسیم.
بررسی پیشرفت های انجام شده در راستای اهداف EFA از سال 2000 و اهداف توسعه هزاره مرتبط با آموزش (MDGs) و همچنین درس های آموخته شده، و بررسی چالش های باقی مانده و بررسی دستور کار پیشنهادی آموزش 2030 و چارچوب برای آمو زش اقدام و همچنین در مورد اولویت ها و استراتژی های آینده برای دستیابی به آن، ما این اعلامیه را تصویب می کنیم.
گروهی از موزه های تاریخ طبیعی که توسط موزه ملی تاریخ طبیعی اسمیتسونیان در واشنگتن دی سی، موزه تاریخ طبیعی آمریکا در شهر نیویورک و موزه تاریخ طبیعی در لندن سازماندهی شده اند، کل مجموعه ها را از 73 مجموعه از جهان ترسیم کرده اند. بزرگترین موزه تاریخ طبیعی در 28 کشور این اولین گام از یک تلاش بلندپروازانه برای فهرستبندی داراییهای جهانی است که میتواند به دانشمندان و تصمیمگیرندگان کمک کند تا راهحلهایی برای مسائل فوری و گسترده مانند تغییرات آبوهوایی، ناامنی غذایی، سلامت انسان، آمادگی همهگیری، و حفاظت از حیات وحش بیابند.
موزههای تاریخ طبیعی جهان، فراتر از دیوارهای گالریهای عمومی، نگهبانان آرشیو بیسابقهای از تاریخ سیاره و منظومه شمسی ما هستند. این مجموعههای تاریخ طبیعی دریچهای منحصربفرد به گذشته سیاره ارائه میدهند و به طور فزایندهای برای پیشبینیهای عملی برای ترسیم آینده ما مورد استفاده قرار میگیرند. موزهها بهطور سنتی بهعنوان سازمانهای مستقل عمل میکنند، اما این رویکرد جدید مجموعهای جهانی متشکل از تمام مجموعههای همه موزههای جهان را تصور میکند.
برای درک بهتر این منبع عظیم و دست نخورده، دانشمندان برجسته از دوازده موزه بزرگ تاریخ طبیعی، چارچوبی خلاقانه اما ساده برای ارزیابی سریع اندازه و ترکیب مجموعههای موزه تاریخ طبیعی در سطح جهان ایجاد کردند. این یافتهها امروز در مجله Science در مقاله «یک رویکرد جهانی برای مجموعههای موزه تاریخ طبیعی» منتشر شد .
سازماندهندگان نظرسنجی روشی را ایجاد کردند که میتواند با ایجاد واژگان مشترک 19 نوع مجموعهای که کل مجموعههای زیستشناسی، زمینشناسی، دیرینهشناسی، و مردمشناسی و 16 منطقه زمینی و دریایی را که کل زمین را پوشش میدهند، به سرعت مجموعههای موجود در موزهها را بررسی کند.
کرک جانسون، نویسنده اصلی، مدیر سنت موزه ملی تاریخ طبیعی اسمیتسونیان، گفت: ما میخواستیم راهی سریع برای تخمین اندازه و ترکیب مجموعه جهانی پیدا کنیم تا بتوانیم یک استراتژی جمعی برای آینده بسازیم. جانسون با همکاری بیش از 150 مدیر موزه و دانشمند به نمایندگی از 73 موزه تاریخ طبیعی و گیاهان دارویی، این تلاش را به همراه ایان اف.پی اوونز (که قبلا در موزه تاریخ طبیعی لندن و اکنون مدیر اجرایی آزمایشگاه پرنده شناسی کورنل است) رهبری کرد.
این نظرسنجی مجموعه ای از بیش از 1.1 میلیارد شی را تأیید کرد که توسط بیش از 4500 کارمند علمی و نزدیک به 4000 داوطلب مدیریت می شد. در حالی که مجموعه کل گسترده است، بررسی نشان داد که شکاف های آشکاری در میان مجموعه های موزه در مناطقی از جمله مناطق گرمسیری و قطبی، سیستم های دریایی، و تنوع بندپایان و میکروبی کشف نشده وجود دارد. این شکافها میتوانند نقشه راهی برای تلاشهای جمعآوری هماهنگ در آینده فراهم کنند.
این گزارش خلاصه قابل توجهی است، اما تنها اولین قدم در بررسی مجموعه جهانی و بهره برداری از پتانسیل عظیم آن است. مجموعههای تاریخ طبیعی به طور منحصربهفردی برای اطلاعرسانی پاسخ به بحرانهای درهم تنیده امروزی قرار دارند، اما به دلیل کمبود بودجه و هماهنگی، اطلاعات جاسازی شده در مجموعههای موزه تا حد زیادی غیرقابل دسترس باقی مانده است. با هماهنگی استراتژیک، یک مجموعه جهانی پتانسیل هدایت تصمیماتی را دارد که آینده بشریت و تنوع زیستی را شکل خواهد داد.
هدف سازماندهندگان پروژه با ایجاد این چارچوب و نظرسنجی، ایجاد پایهای برای شبکه جهانی موزهها برای همکاری با یکدیگر برای حمایت از پایداری جهانی، تنوع زیستی و چارچوبهای آب و هوایی با استفاده از دانش بهدستآمده از مجموعههای موزه است. این به همه موزهها این امکان را میدهد تا با برنامهریزی مجموعههای خود در آینده، استراتژیکتر باشند.
نویسندگان همچنین تشخیص میدهند که تمرکز تاریخی موزههای بزرگ در آمریکای شمالی و اروپا میتواند مانعی برای اشتراک دانش باشد و عدم تعادل قدرت را که ریشه در تاریخ استعماری علم موزه دارد، تداوم بخشد. در آینده، بسیار مهم است که مجموعه جهانی موزههای سایر نقاط جهان را نیز منعکس و از آنها حمایت کند.
«مجموعههای تاریخ طبیعی شواهدی هستند که دانشمندان از آن دانش به دست میآورند، از جمله دانشی که میتواند برای مسائل مهمی که امروز سیاره ما با آن مواجه است به کار رود». مایکل نوواچک، متصدی بخش دیرینه شناسی و استاد پیشین علم در موزه تاریخ طبیعی آمریکا، گفت. این هرگز به اندازه امروز فوری نبوده است، زیرا از دست دادن تنوع زیستی جهانی و تغییرات آب و هوایی در حال افزایش است.
این دیدگاه جهانی از مجموعههای علوم طبیعی بر پتانسیل ترکیبی آنها برای کمک به ما در واکنش به بحران سیارهای تأکید میکند. همچنین نشاندهنده تعهد و مسئولیت مستمر برای ایجاد همکاری و ظرفیت بینالمللی عادلانه با شرکای همه کشورها، با بهرهگیری از آخرین پیشرفتهای تکنولوژیک است. داگ گور، مدیر موزه تاریخ طبیعی، گفت: این زیرساخت گسترده و به تدریج متحد از مجموعه ها و تخصص، منبعی حیاتی در درک علمی و پیش بینی تغییرات جهانی، حمایت از اقدام برای جلوگیری از فاجعه در لندن است.
این مقاله کاربردهای تحقیقات مبتنی بر مجموعه را بررسی میکند، با تمرکز بر مطالعات موردی که نشان میدهد چگونه مجموعههای تاریخ طبیعی موزه میتوانند برای مطالعه آمادگی همهگیر، تغییرات جهانی، تنوع زیستی، گونههای مهاجم، میراث استعماری، و موزهشناسی (مطالعه DNA از نمونههای موزه) مورد استفاده قرار گیرند. .
همانطور که نویسندگان می نویسند، “امنیت و ارزش بلندمدت مجموعه های تاریخ طبیعی به توسعه مشارکت های جهانی و محلی بستگی دارد که نه تنها ارتباط آنها را با چالش های خاص علمی، اجتماعی و حفاظتی نشان می دهد، بلکه مزایایی را که برای هر فرد اعمال می شود در این سیاره نشان می دهد. “
سایت Geonline، سایتی مرجع برای مرتفع نمودن نیاز علاقمندان، پژوهشگران، دانشجویان و دانش آموزان در حوزه جغرافیا است که برای تمامی سنین و سطوح مطالب کاربردی دارد.