نقشه برداری پارامترهای آب و هوا در قلمرو بوتسوانا با استفاده از GMT و داده های سطح شبکه بندی شده TerraClimate

چکیده

این مقاله مجموعه جدیدی از نقشه ها را ارائه می دهد که آب و هوا و تنوع زیست محیطی بوتسوانا را نشان می دهد. بوتسوانا واقع در جنوب آفریقا، دارای آب و هوای خشک تا نیمه خشک است که به طور قابل توجهی در مناطق مختلف آن متفاوت است: صحرای کالاهاری، پان ماگادیکگادی و دلتای اوکاوانگو. در حالی که مناطق بیابانی در طول ماه های تابستان مستعد خشکسالی و دوره های گرمای شدید هستند، سایر مناطق باران های شدید و همچنین باران های اپیزودیک و غیرقابل پیش بینی را تجربه می کنند که بر فعالیت های کشاورزی تأثیر می گذارد. چنین تغییرات آب و هوایی بر جنبه های اجتماعی و اقتصادی زندگی در بوتسوانا تأثیر می گذارد. این مطالعه با هدف تجسم همبستگی های غیرخطی بین توپوگرافی و محیط اقلیمی در مقیاس کشور انجام شد. متغیرها شامل T °C min، T °C max، بارش، رطوبت خاک، تبخیر و تعرق (PET و AET)، تابش موج کوتاه سطح رو به پایین، فشار بخار و کمبود فشار بخار (VPD)، سرعت باد و شاخص شدت خشکسالی پالمر (PDSI). مجموعه داده از منبع TerraClimate و GEBCO برای نقشه برداری توپوگرافی گرفته شده است. رویکرد نگاشت شامل استفاده از ابزارهای نقشه برداری عمومی (GMT)، یک مجموعه ابزار برنامه نویسی مبتنی بر کنسول است که استفاده از روش اسکریپت نویسی نقشه برداری خودکار را امکان پذیر می کند. چندین ماژول GMT برای استخراج مجموعه ای از پارامترهای آب و هوا برای بوتسوانا استفاده شد. داده ها با عناصر کارتوگرافی تنظیم شده تکمیل و توسط کتابخانه انتزاع داده های جغرافیایی (GDAL) بازرسی شدند. PDSI در بوتسوانا در سال ۲۰۱۸ تغییرات گام به گام را با هفت منطقه خشکسالی نشان می دهد: (۱) -۳٫۷ تا -۲٫۲٫ (مفرط)؛ (۲) -۲٫۲ تا -۰٫۸ (قوی، کالاهاری جنوبی)؛ (۳) -۰٫۸ تا ۰٫۷ (قابل توجه، کالاهاری مرکزی؛ (۴) ۰٫۷ تا ۲٫۱ (متوسط)؛ (۵) ۲٫۱ تا ۳٫ ۵ (کمتر)؛ (۶) ۳٫۵ تا ۴٫۹ (کم)؛ (۷) ۴٫۹ تا ۶٫۴ (حداقل). VPD یک روند کلی به سمت منطقه جنوب غربی (صحرای کالاهاری، تا ۳٫۳) دارد، در حالی که در منطقه شمال شرقی بوتسوانا (تا ۱٫۴) کمتر است. مقادیر دیگر به ترتیب متفاوت است، همانطور که در ۱۲ نقشه ارائه شده از موجودی آب و هوا و محیط زیست در بوتسوانا نشان داده شده است.

کلید واژه ها:

آفریقا ؛ بوتسوانا _ نقشه کشی ; آب و هوا ؛ علوم کامپیوتر ؛ علم داده ; خشکسالی ; GMT _ نقشه برداری ؛ برنامه نویسی

۱٫ مقدمه

نقشه‌برداری پارامترهای اقلیمی با استفاده از روش‌های نقشه‌برداری پیشرفته در حال حاضر موضوع تحقیقات شدید است. رویکردهای پردازش تصویر [ ۱ ، ۲ ]، مدل‌سازی داده‌های آب و هوا [ ۳ ] و مطالعات چشم‌انداز [ ۴ ] تا حد زیادی بر روی الزامات اهمیت تجسم نقشه‌نگاری برای تجزیه و تحلیل محیطی مناسب برای استخراج و ارزیابی ویژگی‌ها همگرا شده‌اند. در حالی که روش های استاندارد مدیریت داده های مکانی مانند سیستم های اطلاعات جغرافیایی (GIS) برای نقشه برداری آب و هوا و محیطی محبوب هستند [ ۵ ، ۶ ، ۷]، عملکرد برتر با ترکیب راه حل های اسکریپت نویسی پیشرفته برای کارهای پیچیده نقشه برداری نشان داده شده است. طیف گسترده‌ای از پارادایم‌های پردازش داده‌های مکانی برای مشکل تجسم کارتوگرافی، از جمله تجزیه و تحلیل فضایی، مدیریت داده‌ها و شبیه‌سازی، بازیابی داده‌ها از منابع سنجش از راه دور، تشخیص الگو و مدل‌سازی مبتنی بر داده به کار گرفته شده‌اند.

یکی از محبوب‌ترین ابزارهای مدل‌سازی مبتنی بر GIS برای پردازش داده‌های نقشه‌برداری توسط نرم‌افزار تجاری ArcGIS و آنالوگ منبع باز آن QGIS ارائه شده است. این نرم‌افزار داده‌های مکانی را به‌عنوان لایه‌های قابل مشاهده در رابط کاربری گرافیکی (GUI) ساختار می‌دهد که در آن لایه‌ها نشان‌دهنده ساختار موضوعی و انواع داده‌های بسته معنایی هستند. چنین ساختاری ارتباط بین متغیرهای فضایی را از طریق تجزیه و تحلیل جداول اسنادی که در آن ابرداده ها در GIS ذخیره می شود، امکان پذیر می کند. بنابراین، متغیرهای کارتوگرافی در هر لایه نگهداری می‌شوند تا پارامترهای داده‌ها با توجه به ارتباط معنایی و طرح‌بندی یکسان، به طور مشروط مستقل باشند. ماهیت فاکتوریال این داده ها، نقشه برداری مبتنی بر GIS را ممکن می کند، که اساس اکثر نقشه های موجود را تشکیل می دهد.

با این حال، روش‌های مبتنی بر GIS، هم به‌عنوان ابزار تجسم و نقشه‌برداری داده‌ها و هم به‌ویژه به‌عنوان روشی برای مدل‌سازی داده‌های مکانی، اشکالات خاصی را نشان داده‌اند. پردازش داده ها در GIS بیشتر با استفاده از تعامل فعال کاربر برای گردش کار نقشه برداری سنتی انجام می شود که در آن بسیاری از عملیات دست ساز نیاز به انجام دستی داشتند. علاوه بر یک گردش کار وقت گیر برای نقشه برداری، یکی دیگر از اشکالات روش های GIS این است که برخلاف روش های اسکریپت نویسی، پردازش کامل گردش کار خودکار نیست. در عین حال، روش های خودکار در نقشه کشی به طور قابل توجهی دقت و دقت نمودار را افزایش می دهد. در نتیجه، استراتژی های معمول نقشه برداری تا حد زیادی از به کارگیری رویکرد برنامه نویسی در نقشه کشی سود می برند.

این مقاله استفاده از ابزارهای نقشه‌برداری عمومی (GMT) [ ۸ ] را برای نقشه‌برداری موضوعی بوتسوانا ارائه می‌کند. GMT اساساً با رویکردهای GIS سنتی متفاوت است. این به عنوان مجموعه ای از دستورات تعریف می شود که با استفاده از زبان برنامه نویسی تعبیه شده کنترل می شود، که هر پارامتر نقشه برداری را با استفاده از یک خط کد تعریف می کند. به این ترتیب پردازش نقشه برداری با نوشتن و اجرای یک اسکریپت بدون نیاز به رابط کاربری گرافیکی و پارادایم لایه ای GIS انجام می شود. چنین عملکردی ما را قادر می سازد تا پارامترهای انتخابی نمودار نقشه برداری را به خوبی تنظیم کنیم.

به عنوان یک ابزار فنی برای نگاشت، GMT از این جهت جالب است که، مانند زبان های برنامه نویسی، به عنوان مثال، پایتون یا R، نحو آن، پارامترهای شرطی اشیاء تجسمی شده را با استفاده از زبان داخلی با دستورات و گزینه ها رمزگذاری می کند، در حالی که به طور همزمان ساختار مستقل ساده را حفظ می کند. نقشه ای که نیازی به ایجاد لایه ها و پروژه GIS ندارد. این زیربنای عملکرد کارآمد GMT در برابر گردش کار GIS است. علاوه بر این، اثربخشی GMT با انعطاف‌پذیری فرمت‌های داده، ادغام با ابزارهای مختلف، از جمله کتابخانه انتزاع داده‌های مکانی (GDAL) و پایتون و بهره‌برداری از داده‌های چند قالبی از طریق وارد کردن و قالب‌بندی مستقیم به دست می‌آید.

در این مطالعه، GMT برای نقشه برداری بوتسوانا با استفاده از مجموعه ای از متغیرهای آب و هوایی و محیطی استفاده شد. بوتسوانا کشوری است که در جنوب آفریقا واقع شده است ( شکل ۱ )، که در آن خشکسالی یک خطر طبیعی تکرارشونده است [ ۹ ]. علاقه به وقوع و توزیع خشکسالی ها و تغییرات اقلیمی در بوتسوانا ناشی از نیاز به تجزیه و تحلیل پیامدهای احتمالی خشکسالی است که بر جنبه های اجتماعی و زیست محیطی کشور تأثیر می گذارد. چنین مسائلی عبارتند از، به عنوان مثال، تخریب مراتع [ ۱۰ ] و تکامل و انطباق معیشت کشاورزی – دامداری با خشکسالی های مکرر [ ۱۱ ].]. علاوه بر این، تغییرات زمین منجر به مناظر کشاورزی در معرض خشکی می شود که به نوبه خود شامل گسترش زمین های برهنه و سطوح سنگی می شود [ ۱۲ ]. تجزیه و تحلیل بیوشیمیایی شامل ارزیابی اثرات تبخیر و تعرق بر تکامل کربن معدنی محلول در شمال غربی بوتسوانا است [ ۱۳ ]. مورد دیگر شامل ارزیابی آب و هوا و اثرات آن بر پوشش گیاهی است [ ۱۴ ].

انواع مطالعات زیست محیطی در بوتسوانا بر تجزیه و تحلیل تکرارپذیری، شدت و پیامدهای بارندگی در مناطق مختلف کشور متمرکز شده است. چنین مطالعاتی و مشابه اغلب شامل مدل‌سازی داده‌های هواشناسی می‌شود که هم ارزیابی گذشته‌نگر و هم مدل‌سازی پیش‌آگهی تغییرات اقلیمی را با هدف پیش‌بینی و کاهش اثرات احتمالی از افراط‌های اقلیمی امکان‌پذیر می‌سازد. به عنوان مثال، مطالعه قبلی [ ۱۵ ] یک تحلیل گذشته نگر از اثرات آب و هوا در محیط خشک بوتسوانا برای تعیین تغییرات در سری بارندگی و شناسایی همبستگی بین بارش و دما انجام داد. پیش آگهی تخمین آغاز و پایان بارندگی تابستان ممکن است عدم قطعیت های منطقه ای در بارندگی را برجسته کند [ ۱۶ ]]. تغییرپذیری بارندگی و روند برای تجزیه و تحلیل اثرات آنها بر کشاورزی خشک آسیب پذیر از طریق تغییرات آب و هوایی برای مدیریت ریسک آب و هوا در بوتسوانا مهم است [ ۱۷ ].

نقشه برداری پارامترهای آب و هوایی یک کار چالش برانگیز با کاربردهای بسیاری مانند ارزیابی ریسک زیست محیطی، پایش کشاورزی و مدیریت منابع طبیعی است. یک عنصر کلیدی برای تجسم داده های کارتوگرافی، طراحی یک گردش کار موثر و انتخاب ابزارهای نرم افزاری است. یک رویکرد سنتی برای این کار استفاده از سیستم اطلاعات جغرافیایی (GIS) برای پردازش داده های مکانی است. سپس نقشه برداری توسط برنامه های متداول GIS با رابط کاربری گرافیکی (GUI) موجود انجام می شود. GIS یک ابزار مفهومی پذیرفته شده در پردازش داده های نقشه برداری است که به طور گسترده در آثار موجود مستند شده است [ ۱۸ ، ۱۹ ، ۲۰ ]]. روش‌های نقشه‌نگاری موجود که از رویکرد GIS پیروی می‌کنند ممکن است از روش‌های معروف مدل‌سازی و تجسم داده‌ها استفاده کنند، همانطور که در انواع گزارش‌ها منعکس شده است [ ۲۱ ، ۲۲ ، ۲۳ ، ۲۴ ، ۲۵ ].

برای پیشرفت فراتر از روش‌های سنتی GIS، تحقیقات فعلی یک رویکرد جایگزین برای پردازش داده‌های نقشه‌برداری با استفاده از اسکریپت‌های مبتنی بر کنسول GMT ارائه می‌کند [ ۸ ]. GMT از یک سیستم مدولار GMT استفاده می کند که به طور خودکار گردش کار نقشه برداری کامل را به مجموعه ای از اجزای تکه ای پیوسته از اسکریپت ها تجزیه می کند، به عنوان مثال، خطوط کد نوشته شده در نحو GMT. به این ترتیب، اسکریپت فرآیند کامل داده‌های مکانی از قالب‌بندی و مدل‌سازی داده‌ها تا تولید یک طرح نهایی، ارائه نقشه و تبدیل داده‌های خروجی را مدیریت می‌کند. با توجه به این موضوع، در این مقاله ما مزایای بهره‌برداری از مجموعه ابزار برنامه‌نویسی GMT برای نقشه‌برداری پارامترهای محیطی و آب و هوایی در بوتسوانا را مطالعه می‌کنیم.

هدف از تحقیق ارائه شده نشان دادن عملکرد برنامه نویسی مبتنی بر کنسول در GMT برای نقشه برداری آب و هوا و محیط زیست بوتسوانا است. برای کمک به مطالعات آب و هوایی موجود در بوتسوانا، این مطالعه مجموعه‌ای از نقشه‌های جدید را بر اساس مجموعه داده‌های باز ارائه کرد. نقشه ها توسط خط فرمان ساخته شده اند که سرعت و دقت نقشه برداری را افزایش داده و داده های مکانی با پیچیدگی های مختلف را نشان می دهد.

هدف کلی، ترسیم تغییرپذیری پارامترهای محیطی و اقلیمی کشور با استفاده از مجموعه داده TerraClimate بود. متغیرهای این مجموعه داده به گونه ای طراحی شده اند که بتوان رویکرد GMT را با توجه به ابعاد مختلف داده و پارامترهای مختلف در منطقه مورد مطالعه ارزیابی کرد. به طور خاص برای قلمرو بوتسوانا، در حالی که مجموعه داده TerraClimate را نقشه برداری می کنیم، به مدیریت و تجسم گستره متنوع مقادیر در پارامترهای آب و هوا، از کوچک تا بزرگ می پردازیم. این مهم است، زیرا مشکلات در پردازش داده‌های مکانی زمانی به وجود می‌آیند که داده‌ها دارای ابعاد متضاد هستند، به عنوان مثال، دما، توپوگرافی، و مقادیر PDSI متفاوت هستند و مقیاس‌های رنگی مختلفی برای نقشه‌برداری مناسب و تجسم نقشه‌نگاری مؤثر مورد نیاز است که با استفاده از راه‌حل‌های GMT مدیریت شد.

هدف خاص پشتیبانی از تجزیه و تحلیل محیطی و آب و هوا در بوتسوانا از طریق تجسم نقشه‌کشی پیشرفته بود. این شامل تجزیه و تحلیل توزیع دمای شدید در بوتسوانا، وقوع رویدادهای خشکسالی، تغییر در تبخیر و تعرق واقعی که روی نقشه ها تجسم شده است. همبستگی بین رطوبت خاک و بارش، پارامترهای اقلیمی و شکل های زمینی توپوگرافی را می توان برای مدیریت زمین [ ۲۶ ، ۲۷ ، ۲۸ ، ۲۹ ]، پایش محصولات و پوشش گیاهی [ ۳۰ ، ۳۱ ]، ارزیابی هواشناسی [ ۳۲ ]، حفاظت از طبیعت، و توسعه پایدار در بوتسوانا [ ۳۳، ۳۴ ]. با توجه به موارد فوق، تمرکز تحقیق ارائه شده بر روی کاربرد نقشه برداری روش های نوین برنامه ریزی برای ارزیابی اقلیم و محیط زیست بوتسوانا است که شامل اهداف زیر می باشد:

تهیه مجموعه ای از نقشه های اقلیمی بوتسوانا و ویژگی های توپوگرافی، محیطی و آب و هوایی مرتبط با آن، با اشاره به مقیاس جغرافیایی جغرافیایی منطقه ای و محلی این کشور؛
برای انجام تکنیک‌های نگاشت مبتنی بر اسکریپت، که یک روش جدید نقشه‌کشی را ارائه می‌دهد. این شامل نشان دادن رویکرد برنامه نویسی GMT است که با GIS سنتی متفاوت است، زیرا روش های نقشه برداری و نحو برنامه نویسی را یکپارچه می کند.
بکارگیری مجموعه داده های منبع باز GEBCO و TerraClimate با گستره فضایی بوتسوانا، با هدف پرداختن و تجسم وقوع، روندها و قدرت متغیرهای مختلف آب و هوایی مرتبط با عوامل محیطی؛
برای تجسم پارامترهای آب و هوای بوتسوانا: افراط در دما $T_{m i n}$ / $T_{m a x}$ ، بارش، رطوبت خاک، تبخیر و تعرق بالقوه (PET)، تبخیر و تعرق واقعی (AET)، تابش موج کوتاه سطح رو به پایین، فشار بخار (VP)، کمبود فشار بخار (VPD)، سرعت باد، شاخص شدت خشکسالی پالمر (PDSI).

روش‌های خودکار و ماژول‌های مستقل GMT برای پردازش داده‌های آب و هوایی که نقشه‌برداری آب و هوا و متغیرهای محیطی بوتسوانا را نشان می‌دهد، استفاده شد. این شامل ارجاع به گردش کار نقشه برداری GMT است که در ادبیات فنی موجود با نمونه هایی از استفاده از برنامه توضیح داده شده است [ ۳۵ ، ۳۶ ، ۳۷ ، ۳۸ ، ۳۹ ]. این مقاله با استفاده از یک رویکرد اسکریپت نویسی، الگوریتم کارتوگرافی جایگزینی را برای نگاشت پایدار و دقیق و تجسم پارامترهای اقلیمی بر فراز بوتسوانا در حضور اثرات غیرخطی مختلف از توپوگرافی و اقلیم بر محیط زیست کشور ارائه می‌کند، به دنبال مثال‌های موجود در مطالعات موجود [ ۴۰ ،۴۱ ].

۲٫ منطقه مطالعه

۲٫۱٫ تسکین

توپوگرافی بوتسوانا بالاترین نقاط خود را در امتداد مناطق جنوب شرقی کشور، در حوضه کالاهاری دارد. در بقیه مناطق، مناظر تسطیح شده است که شرایط آب و هوایی منحصر به فردی ایجاد می کند. قلمرو کشور توسط طیف متنوعی از مناظر، از جمله موزاییک پیچیده ای از چمن، ماسه ها و ساوانا پوشیده شده است [ ۴۲ ]. دلتای اوکاوانگو توسط مخروط افکنه شیب توپوگرافی یکنواخت با الگوهای پیچیده پوشش گیاهی، هیدرولوژی و رسوب گذاری ارائه شده است [ ۴۳ ].

یکی از ویژگی های توپوگرافی قابل توجه بوتسوانا صحرای کالاهاری است که تا ۷۰ درصد از خاک این کشور را اشغال می کند. صحرای کالاهاری بیشتر توسط ماسه ها و ماسه سنگ های قرمز رنگ با رسوبات کوارتزوز و ماسه سنگ پوشیده شده است. چنین ترکیب بیوشیمیایی آن را مستعد هوازدگی شیمیایی می کند و حجم بالایی از کانی های رسی را تولید می کند [ ۴۴ ]. همراه با درجه حرارت شدید و آتش سوزی های گاه به گاه، موقعیت زمین شناسی و خاک صحرای کالاهاری توزیع پوشش گیاهی را محدود کرده و انواع گیاهان غالب را کنترل می کند. در نتیجه، کالاهاری عمدتاً توسط گونه های سازگار با چنین شرایط محیطی پوشیده شده است [ ۴۵ ، ۴۶ ].

یک نمونه متضاد از چشم انداز، تشت ماکگادیگادی است که یک تشت نمکی با شکل های زمین شنی خاص، برچان و هلالی است که بر فراز ساوانای خشک در ناحیه شمال شرقی کشور قرار دارد و به عنوان یک بیان سطح زمین ساختی در ماگادیک گادی شکل گرفته است. ریفت زون [ ۴۷ ، ۴۸ ]. به عنوان یکی از بزرگترین دشت های نمک در جهان [ ۴۹ ]، زمین های همسایه را از طریق سیستم خاک تحت تاثیر قرار می دهد. بنابراین، نمک های بادی از فرورفتگی ماگادیکگادی پوشیده از تبخیر، مانند کلریدها، سدیم، و بی کربنات ها، در مناطق مجاور به خاک منتقل می شوند. سپس این نمک های محلول بیشتر به سمت آب خاک زیرزمینی منتقل می شوند که به طور قابل توجهی کیفیت آب را کاهش می دهد [ ۵۰ ]].

۲٫۲٫ اقلیم

بوتسوانا کشوری با آب و هوای نیمه خشک غالب، مناطق وسیع فاقد آب سطحی و دمای شدید بالا است، همانطور که در شکل ۲ و شکل ۳ مشاهده می شود.

بوتسوانا به دلیل درجه حرارت شدید در طول دوره تابستان و خشکسالی [ ۵۱ ، ۵۲ ]، یکی از کم جمعیت ترین کشورهای جهان است. جمعیت بوتسوانا باید خود را با محیط زندگی خاص وفق دهند و فعالیت‌های اجتماعی خود را تنظیم کنند زیرا تحت تأثیر عوامل محیطی قرار دارند: بیماری‌های دام، درگیری‌های انسان و حیات وحش، خشکسالی، کمبود آب، کمبود منابع، مناظر تکه‌تکه‌شده، و تجاوز بوته‌ها به ساوانا. اکوسیستم ها [ ۵۳ ، ۵۴ ، ۵۵]. علاوه بر این، شرایط خاص محیطی و اقلیمی کشور و دوره‌های خشکسالی شدید در ایجاد بیماری‌هایی مانند مالاریا یا وبا نقش دارد. این در چندین مطالعه موجود که همبستگی بین توزیع بیماری‌های اپیدمیولوژیک و تغییرات محیطی در بوتسوانا را مورد تجزیه و تحلیل قرار داده‌اند به اثبات رسیده است: بارندگی‌های تابستانی، میانگین دمای سالانه و ارتفاع توپوگرافی [ ۵۶ ، ۵۷ ، ۵۸ ، ۵۹ ]. در عین حال، دمای شدید به صورت منطقه ای متفاوت است، با توجه به توزیع فرم های زمین، که همچنین تحت تاثیر نواحی آبی و رودخانه ها است، به شکل ۳ مراجعه کنید .

پیوندهای بین ساختار توپوگرافی کشور و فرآیندهای اقلیمی را می توان از طریق تجزیه و تحلیل منطقه ای از تغییرات پارامترهای آب و هوایی با توجه به توپوگرافی آشکار کرد. به عنوان مثال، یک لندفرم قابل توجه از بوتسوانا توسط دلتای اوکاوانگو ارائه شده است که در قسمت شمال غربی کشور واقع شده است ( شکل ۱ ). این یکی از بزرگترین دلتاهای داخلی جهان است که حدود ۹۸ درصد از آب خود را از طریق تبخیر و تعرق از دست می دهد [ ۶۰ ]. تالاب های دلتای اوکاوانگو به دلیل تنوع اکوسیستم های موجود، با سطح تنوع زیستی زیادی در جانوران و گیاهان قابل توجه هستند. منطقه اوکاوانگو معیشت جوامع محلی و همچنین یک مقصد گردشگری را فراهم می کند که به طور قابل توجهی به درآمد بوتسوانا کمک می کند.۶۱ ، ۶۲ ].

در چنین مناطقی، اقدامات و اقدامات ویژه ای به عنوان یارانه های دولتی برای مدیریت امداد خشکسالی با هدف امنیت غذایی و تغذیه معرفی شد [ ۶۳ ]. ارزیابی آسیب پذیری اجتماعی در برابر خشکسالی در بوتسوانا به عنوان معیاری برای کاهش خطرات آب و هوایی و بلایای زیست محیطی عمل می کند [ ۶۴ ]. مطالعه قبلی [ ۶۵ ] تشخیص داد که خشکسالی های هیدرولوژیکی در بوتسوانا ممکن است چندین ماه پس از خشکسالی های اقلیمی تأخیر داشته باشد، که نشان دهنده یک همبستگی پیچیده و غیر خطی بین عوامل هیدرولوژیکی، توپوگرافی و محیطی مرتبط با تنوع آب و هوایی است که به الگوی بارش بستگی دارد. شکل ۴ .

۳٫ داده ها

این مطالعه از TerraClimate، یک مجموعه داده آب و هوای جهانی رایگان [ ۶۶ ]، با داده‌های در دسترس عموم استفاده کرد: https://climate.northwestknowledge.net/TERRACLIMATE(تاریخ دسترسی: ۲۱ اوت ۲۰۲۲). TerraClimate شامل چندین متغیر است که پارامترهای آب و هوایی و محیطی را بر اساس اندازه‌گیری‌های منظم داده‌های مربوطه نشان می‌دهد. این پارامترها شامل پارامترهای کلیدی زیر هستند: دمای شدید هوا (حداقل/حداکثر)، بارش، کمبود آب اقلیمی، معادل آب خاک، رواناب، رطوبت خاک، شاخص شدت خشکسالی پالمر (PDSI)، بارش مرجع (بالقوه) بر اساس محاسبات نظری، واقعی تبخیر و تعرق بر اساس اندازه‌گیری‌های واقعی با استفاده از داده‌های سنجش از دور، تابش موج کوتاه رو به پایین در سطح (SRAD)، فشار بخار (vap)، کمبود فشار بخار (vpd) و سرعت باد.

مجموعه داده TerraClimate داده‌های مرجع را برای بررسی تغییرات هیدرولوژیکی و آب و هوایی ارائه می‌کند که می‌تواند برای مدل‌سازی کشاورزی، مانند برآورد تقاضای آب محصول، پهنه‌بندی گیاهان کشاورزی و مدیریت منابع طبیعی استفاده شود. برای تجزیه و تحلیل رفتار این متغیرها و تنوع در قلمرو بوتسوانا. کاربردهای هیدرولوژیکی TerraClimate شامل شبیه سازی رواناب سطحی و تخمین بودجه حوضه است. کاربردهای بیشتر TerraClimate را می توان در مدل سازی سلامت پوشش گیاهی و پایش جنگل با استفاده از همبستگی بین شدت خشکسالی، رژیم هیدرولوژیکی و دما و نقشه برداری رطوبت خاک اعمال کرد، شکل ۵ .

بخش مهمی از متغیرهای terraClimate توسط شاخص شدت خشکسالی پالمر (PDSI) ارائه شده است که برای تجسم قدرت خشکسالی در قلمرو بوتسوانا استفاده شده است. علاوه بر PDSI، انواع دیگری از شاخص‌ها برای تحقیقات هواشناسی و آب و هوا مورد استفاده قرار می‌گیرند، به عنوان مثال: شاخص استاندارد بارش (SPI)، شاخص تبخیر و تعرق استاندارد شده بارش (SPEI) [ ۶۷ ، ۶۸ ] یا مدل‌های خشکسالی [ ۶۹ ، ۷۰ ]. با این حال، PDSI به دلیل در دسترس بودن آن در مجموعه داده TerraClimate انتخاب شد. علاوه بر این، این شاخص قابل اعتماد و معتبر است که از زمان توسعه آن شناخته شده است [ ۷۱]. PDSI بر اساس اندازه گیری خشکی با استفاده از داده های بارش و دما است.

نقشه برداری توپوگرافی بر اساس مجموعه داده GEBCO است که سطح زمین را پوشش می دهد، https://www.gebco.net/ [ ۷۲ ، ۷۳ ]. GEBCO دو مزیت قابل توجه به عنوان منبع داده های توپوگرافی دارد: منبع باز و در دسترس عموم است و وضوح بی سابقه ای بالایی دارد (۱۵ ثانیه قوس). دقت توپوگرافی بالای آن ذاتاً تحت تأثیر الگوریتم‌های جمع‌آوری، پردازش و مدل‌سازی داده‌ها است [ ۷۴ ، ۷۵ ، ۷۶ ]. داده‌های GEBCO برای تجسم قابل اعتماد توپوگرافی و ساختارهای ژئومورفیک در نقشه‌های پردازش‌شده، به دلیل وضوح، دقت و دقت بالا، مناسب هستند [ ۷۷ ، ۷۸ ، ۷۹ ،۸۰ ، ۸۱ ].

۴٫ روش شناسی

روش شناسی مطالعات زیست محیطی اخیر بیشتر بر روی استفاده از رویکردهای سنتی مدل سازی داده مرتبط با نرم افزار GIS مبتنی بر رابط کاربری گرافیکی متمرکز شده است [ ۸۲ ، ۸۳ ، ۸۴ ، ۸۵ ، ۸۶ ، ۸۷ ، ۸۸ ، ۸۹ ، ۹۰ ، ۹۱ ، ۹۲ ]. در مقابل، این مطالعه از رویکرد GMT [ ۸ ] الهام گرفته شده است، که نقشه برداری گویا را از طریق اجرای اسکریپت ها از طریق خط فرمان از کنسول انجام می دهد، به عنوان مثال، شکل ۶. این نقشه‌های با کیفیت چاپ را بر اساس لایه‌های شطرنجی و برداری که با استفاده از ترکیبی از ماژول‌های مختلف GMT پردازش می‌شوند، به دست می‌دهد، همانطور که در اسکریپت‌نویسی لازم است.

GMT در نقشه‌برداری توپوگرافی، زمین‌شناسی دریایی و ژئوفیزیکی که داده‌های بسیار دقیق و دقیق برای مدل‌سازی پدیده‌های فرآیندها و ساختارهای زمین ضروری است، محبوبیت پیدا کرده است [ ۹۳ ، ۹۴ ، ۹۵ ، ۹۶ ، ۹۷ ، ۹۸ ، ۹۹ ].

۱۲ اسکریپت GMT که برای ترسیم نقشه های ارائه شده در این دست نوشته استفاده می شود، در مخزن باز GitHub نویسنده با دسترسی کامل به کدهای GMT به صورت عمومی در دسترس است: https://github.com/paulinelemenkova/Mapping_Botswana_GMT_Scripts . برخلاف GIS کلاسیک که در آن فقط پردازش داده‌های مبتنی بر رابط کاربری گرافیکی با توابع از پیش تعریف شده قابل انجام است، در یک سناریوی GMT اطلاعات جغرافیایی بسیار بیشتری را می‌توان با استفاده از عملکرد انعطاف‌پذیر نحو کد تنظیم کرد: چیدمان، طراحی، نقشه‌های درج شده، اضافه شده عناصر کارتوگرافی، مقیاس، و غیره. به طور خاص، موقعیت صفحه نمایش نقشه افسانه در طرح نهایی را می توان به صورت جداگانه، به صورت افقی یا عمودی، برای هر نقشه با استفاده از یک ماژول ویژه ‘psscale’، تغییر داد، شکل ۵ .

توانایی GMT برای تجسم عناصر نقشه برداری یا اعمال پالت های رنگی از پیش تعریف شده بر روی سطوح تصویر شطرنجی به تنظیمات تنظیم شده (پرچم ها) آن ماژول خاص بستگی دارد [ ۱۰۰ ]. افزودن عناصر نقشه‌کشی می‌تواند یک جریان کاری یکنواخت باشد که به زمان نیاز دارد و ممکن است خطاهای احتمالی در نقاشی دست‌ساز را شامل شود. یک امکان ارائه شده توسط GMT در چنین موردی این است که همه این عناصر را با استفاده از ماژول های طراحی شده خاص ترسیم کند، به عنوان مثال، “grdimage” برای تجسم تصویر شطرنجی، “grdcontour” برای افزودن خطوط ایزوله، “psscale” برای افزودن افسانه رنگ، “psbasemap” برای افزودن نوار مقیاس، گل رز جهت دار. این باعث کاهش خطاهای ترسیم می شود و در عین حال زمان نگاشت را معقول نگه می دارد تا آزمایشات زمان بر کمتری برای هر طرح نقشه ارائه شود.

GMT قادر است داده های شطرنجی و برداری را با هر پارامتر تنظیم شده در یک خط از کد نوشته شده با استفاده از نحو GMT تجسم کند. اتوماسیون نقشه برداری توسط GMT همیشه منجر به بهبود قابل توجه گردش کار، افزایش دقت نقشه برداری و کاهش خطاهای احتمالی می شود. بنابراین، سنگ بنای رویکرد GMT، خودکار کردن گردش کار نقشه برداری با استفاده از ماژول های جداگانه برای هر کار با استفاده از نحو تعبیه شده است.

مقایسه رویکرد GMT به جای GIS، GMT سه مزیت دارد. ابتدا فایل هایی با حجم بسیار بزرگ (بیش از ۵۰۰ مگابایت) را به سرعت ترسیم می کند. دوم، می‌تواند چندین لایه از بیت مپ یا داده‌های برداری را به صورت همزمان با استفاده از خطوط جداگانه کد در یک اسکریپ برای هر لایه، به عنوان لایه‌های نقشه‌برداری دستکاری کند. سوم، داده های شطرنجی چند فرمتی (NetCDF، geo-TIFF، IMG، و غیره) را به طور موثر پردازش می کند. علاوه بر این، فایل‌ها را می‌توان در پالت‌های رنگی تعبیه‌شده مبتنی بر GMT یا با استفاده از پالت‌های وارداتی تجسم کرد. در نهایت، داده های جغرافیایی ارجاع داده شده را می توان با استفاده از انواع کتابخانه های طرح ریزی، موجود در GMT، بازپخش کرد. به همین ترتیب، حاشیه نویسی تیک ها را می توان با استفاده از تنظیمات پیش فرض GMT تنظیم کرد، به عنوان مثال،

M A P_F R A M E_A X E S = w E S N

بخاطر نادیده گرفتن حاشیه نویسی های غربی

برای تشریح بیشتر، نمونه هایی از قطعه کد در زیر همراه با توضیحات ارائه شده است. شکل ۱ نقشه توپوگرافی بوتسوانا را نشان می دهد. تجسم آن با استفاده از دنباله ای از کدهای GMT انجام شده است که مهمترین و ضروری ترین خطوط کد عبارتند از:

ساخت شبکه شطرنجی پس زمینه با شفافیت ۵۰ درصد: $‘ g m t g r d i m a g e b w_{r} e l i e f . n c - C p a u l i n e . c p t - R 19.5 / 29.5 / - 27 / - 17.5 - J M 6.5 i - I + a 15 + n e 0.75 - t 50 - X c - P - K > $ p s ’$
اضافه کردن خطوط ایزوله: $‘ g m t g r d c o n t o u r b w_{r} e l i e f 1 . n c - R - J - C 200 - A 200 + f 7 p, 26, d a r k b r o w n - W t h i n n e r, d a r k b r o w n - O - K > > $ p s ’$
افزودن خطوط ساحلی، مرزهای کشور و رودخانه ها: $‘ g m t p s c o a s t - R - J - I a / t h i n n e r, b l u e - N a - N 1 / t h i c k e r, r e d - W 0.1 p - D f - O - K > > $ p s ’$
افزودن متن برای شهرها: $‘ g m t p s t e x t - R - J - N - O - K - F + f 13 p, 0, b l a c k + j L B - G w h i t e @ 60 > > $ p s < < E O F 25.0 - 24.57 G a b o r o n e E O F ’$ ، جایی که متن رسم شده بین دو EOF (یک مخفف رایج برای عبارت End Of File) قرار دارد.
تغییر پارامترهای متن: $^{'} g m t p s t e x t - R - J - N - O - K - F + f 10 p, 23, b l u e 2 + j L B > > $ p s < < E O F 24.5 - 20.45 M a k g a d i k g a d i 24.6 - 20.62 (s a l t p a n s) E O F^{'} .$
اضافه کردن لوگوی GMT: $‘ g m t l o g o - D x 7.3 / - 2.8 + o 0.1 i / 0.1 i + w 2 c - O - K > > $ p s ’$
اضافه کردن زیرنویس: $‘ g m t p s t e x t - R 0 / 10 / 0 / 15 - J X 10 / 10 - X 0.5 c - Y 11.8 c - N - O - F + f 10 p, 0, b l a c k + j L B > > $ p s < < E O F 2.09 . 0 D i g i t a l e l e v a t i o n d a t a : G E B C O / S R T M, 15 a r c s e c (c a . 450 m) r e s o l u t i o n g r i d E O F ’ .$
ترسیم نقشه درج (کره گرد در گوشه پایین سمت راست نقشه در شکل ۱ که موقعیت کشور را با نقشه آفریقا نشان می دهد): $‘ g m t p s c o a s t - - M A P_G R I D_P E N_P R I M A R Y = t h i n n e s t, w h i t e - R g - J G 28.0 / - 2.0 S / $ w - D a - G l i g h t g o l d e n r o d 1 - A 5000 - B g a - W f a i n t - E B W + g r e d - S d o d g e r b l u e - O - K - X $ x 0 - Y $ y 0 > > $ p s ’ .$ این کد از مخفف “BW” بوتسوانا از کدهای کشورهای آلفا-۲ ISO 3166-1 استفاده می کند.
تعیین محل قرارگیری نقشه در نقشه اصلی در شکل ۱ : $‘ g m t p s b a s e m a p - R - J - O - K - D j B R + w 3.4 c + o - 0.2 c / - 0.2 c + s t m p > > $ p s ’$ . در اینجا “BR” نشان دهنده مشخصات “پایین سمت راست” برای ترسیم نقشه کره درج است.
$‘ r e a d x 0 y 0 w h < t m p ’$ : در اینجا فایل موقت با داده ها ایجاد می شود.
$‘ g m t p s x y - R - J - O - K - T - X - $ x 0 - Y - $ y 0 > > $ p s ’$ : در اینجا، طرح به پایان رسید، این قسمت از اسکریپت آماده است، و ‘-O -K’ نشان دهنده همپوشانی و ادامه کد است.

با استفاده از همان رویکرد اسکریپت نویسی ارائه شده در بالا، تمام نقشه های آب و هوایی دیگر با استفاده از مجموعه داده منبع باز TerraClimate برای سال ۲۰۱۸، شکل ۷ و شکل ۸ ترسیم شده اند .

ضروری ترین کدهای مورد استفاده برای ترسیم نقشه های آب و هوا به شرح زیر است:

استخراج زیر مجموعه ای از AET برای بوتسوانا: $‘ g m t g r d c u t T e r r a C l i m a t e_a e t_{2} 018 . n c - R 19.5 / 29.5 / - 27 / - 17.5 - G b w_a e t . n c ’ .$
اضافه کردن شبکه برای همه نقشه ها: $‘ - B p x g 1 f 0.5 a 1 - B p y g 1 f 0.5 a 1 - B s x g 1 - B s y g 1 ’ .$ در اینجا، ‘f’ مخفف فراوانی تیک های کوچک، ‘g’ برای بزرگ، و ‘a’ برای حاشیه نویسی است.
تبدیل فایل پست اسکریپت به فایل JPG تصویری با وضوح ۷۲۰ dpi با استفاده از GhostScript (PET بوتسوانا): $‘ g m t p s c o n v e r t B W_{P} E T . p s - A 0.5 c - E 720 - T j - Z ’ .$
تولید پالت رنگ و تنظیم آن برای میزان مقادیر در نقشه PDSI بوتسوانا: $‘ g m t m a k e c p t - C q u a l - m i x e d - 12 . c p t - V - T - 5.1 / 12.1 > p a u l i n e . c p t ’$ .
استفاده از کتابخانه انتزاع داده های جغرافیایی (GDAL) برای تجزیه و تحلیل آمار برای $T_{m i n}$ شبکه شطرنجی بوتسوانا: $‘ g d a l i n f o - s t a t s b w_t i m . n c ’ .$

نقشه های کلی آب و هوا شامل پارامترهای زیر است که بر روی نقشه ها ترسیم شده اند:

T_{m i n}

T_{m a x}

رطوبت خاک، بارش، تابش موج کوتاه سطح رو به پایین، فشار بخار، کمبود فشار بخار و سرعت باد و شاخص های مرجع مشتق شده (PDSI، PET، AET). همه نقشه‌ها با استفاده از طرح مرکاتور به دلایل سازگاری، به منظور دستیابی به شبکه مرجع مختصات تطبیق مربوطه در وسعت فضایی یکسان و وضوح همسان در هر نقشه برای سازگاری و توافق سری نقشه ترسیم شدند. نقشه ها برای وسعت قلمرو بوتسوانا و مناطق اطراف (کشورهای همسایه) با کم کردن شبکه ها از فایل های NetCDF مربوطه با استفاده از ماژول ‘-R’ تنظیم شدند، به عنوان مثال،:

^{'} g m t g r d c u t T e r r a C l i m a t e_t m i n_2018 . n c - R 19.5 / 29.5 / - 27 / - 17.5 - G b w_t i m . n c^{'} .

در اینجا، «−R19.5/29.5/−۲۷/−۱۷٫۵» مخفف مختصات در قرارداد WESN (غرب – شرق – جنوب – شمال) با مختصات نیمکره جنوبی به عنوان مقادیر منفی است (در اینجا، مثال برای نقشه تابش موج کوتاه سطح رو به پایین در شکل ۸ .

اجرای الگوریتم GMT برای پردازش داده های نقشه برداری ساده است. علاوه بر پارامترهای ماژول های مورد نیاز برای رسم نقشه ها، تنظیمات بهینه سازی پارامترهای عمومی GMT انجام شد. به عنوان مثال، این شامل افست حاشیه نویسی است که برای ترسیم دقیق متون کمکی با استفاده از عبارت زیر لازم است:

M A P_A N N O T_O F F S E T 0.2 c

. بر اساس مشاهدات قبلی از چیدمان نقشه ها، عرض و رنگ شمارشگرهای نقشه با استفاده از عبارت و پارامترهای زیر تعریف شد:

M A P_T I C K_P E N_P R I M A R Y t h i n n e r, d i m g r a y

، که پارامترهای قبلی را بازنویسی می کند در حالی که تنظیمات قبلی را نادیده می گیرد، به شکل ۹ مراجعه کنید .

به طور موثر، ما پارامترهای مشابهی را برای شبکه کارتوگرافی با استفاده از عبارت اعمال کردیم

M A P_G R I D_P E N t h i n n e s t, d i m g r a y

، به منظور تجسم نگه داشتن شبکه و در عین حال عدم ایجاد اختلال در محتوای اصلی نقشه ها. علاوه بر این، با قالب بندی هر طرح با استفاده از دستور زیر، الگوی مختصات جغرافیایی خروجی نقشه ها را معرفی می کنیم:

g m t s e t F O R M A T_G E O_M A P = d d d F

. در این پارامترها، هدف این است که پارامترهای یکسان ترسیم را برای همه نقشه‌های سری نقشه‌ها تنظیم کنیم تا آنها را برای تحلیل مقایسه‌ای طراحی کنیم. با استفاده از رویکرد مشابه، اسکریپت با استفاده از عبارت مقدار دهی اولیه شد

p s = T o p o_B W . p s

که در آن تمام دستورات اجرا شده توسط ماژول ها درج شده است. در پایان اسکریپت، دستور by دنبال شد

g m t p s c o n v e r t T o p o_{B} W . p s - A 0.2 c - E 720 - T j - Z

برای تبدیل داده ها

۵٫ نتایج

تجزیه و تحلیل توزیع حداکثر دما در بوتسوانا ( شکل ۲ و شکل ۳ ) برای درک توزیع مقادیر PDSI مهم است زیرا این دو پارامتر به هم مرتبط هستند. بنابراین، همانطور که در شکل ۲ مشاهده می شود (

T_{m i n}

در بوتسوانا در سال ۲۰۱۸)، حداقل مقادیر در سراسر کشور در مناطق جنوبی و جنوبی کشور، در مجاورت شهر لوباتسه و دره رودخانه لیمپوپو ثبت شده است، جایی که مقادیر کمتر است و به +۱۶٫۵ درجه سانتیگراد و بیشتر می رسد. در شرق (منطقه آفریقای جنوبی). حداکثر دما (

T_{m a x}

) در بوتسوانا در سال ۲۰۱۸ در شکل ۳ نشان داده شده است .

یک جنبه مهم از

T_{m a x}

توزیع در بوتسوانا نشان داده شده در شکل ۳ است که بالاترین مقادیر از

T_{m a x}

در منطقه جنوبی کالاهاری هستند (تا ۳۸+ درجه سانتیگراد، رنگ قرمز روشن در شکل ۳ ). این تا حدی ناشی از فرآیند هیدرولوژیکی و هواشناسی معمولی تبخیر به دلیل کمبود آب است زیرا تمام نور جذب شده به افزایش دمای سطح در صحرای کالاهاری می رود. نقشه بارش ( شکل ۴ ) درجه مشخصی از توزیع وابسته به مکانی بارندگی ها را نشان می دهد که به طور کلی به سمت شمال افزایش می یابد. با این حال، خطوط ایزوله کاهش شدید نسبتاً گوه‌ای را نشان می‌دهند که بین ۲۱ و ۲۲ E در مرکز صحرای کالاهاری به حداکثر می‌رسد.

Okavango Delta مقادیر انتقالی بین ۸۰ و ۱۱۱ میلی متر را نشان می دهد (رنگ های یاسی و قرمز در شکل ۴ ). حوضه های Ngotwane و Marico دارای مقادیر ۳۸ تا ۴۸ میلی متر و ماکگادیگادی پان دارای مقادیر غالب ۸۰ تا ۹۵ میلی متر هستند. اگر این مقادیر را با مناطق مختلف بوتسوانا مقایسه کنیم، مشخص می شود که بارش در مناطق شمالی کشور و در جنوب در امتداد رودخانه لیمپوپو بیشتر است. مطالعه خصوصیات خاک برای تحقیقات محیطی و منظر اهمیت دارد [ ۱۰۱ , ۱۰۲ , ۱۰۳ , ۱۰۴ , ۱۰۵]، زیرا سیستم های خاک از طریق فعل و انفعالات مرتبط مستقیماً بر سلامت گیاه تأثیر می گذارد. بنابراین، تغییرات در رطوبت خاک نشان دهنده سلامت محیطی اکوسیستم ها و پویایی در انواع پوشش زمین است. شکل ۵ تغییرات رطوبت خاک را نشان می دهد که کمترین رطوبت را در صحرای کالاهاری نشان می دهد (۰-۱ میلی متر در متر، به عنوان مثال، رنگ زرد بسیار خشک در شکل ۵ ) با افزایش جزئی در شمال غربی و مناطق مرکزی منتخب کالاهاری. ۱-۲ میلی متر در متر، بژ)، شکل ۵ .

افزایش تدریجی بیشتر رطوبت خاک (۲ تا ۵ میلی متر در متر، رنگ های سبز) در منطقه شمال غربی کشور، به ویژه در دلتای اوکاوانگا و در مرز با نامیبیا قابل توجه است. تغییرات متوسط (تا ۱۰ میلی متر بر متر) نیز در اطراف روستای Sehithwa قابل توجه است ( شکل ۵ ). سوگیری شمال غربی در روند توزیع داده ها در شمال کشور به دلیل بارش که به سمت شمال افزایش می یابد قابل توجه است. در عین حال، کاهش دما با اثرات آب و هوایی در بوتسوانا و تأثیر مستقیم صحرای کالاهاری در منطقه جنوبی کشور همراه است، شکل ۱۰ .

مقادیر تبخیر و تعرق بالقوه (PET) ( شکل ۶ ) به طور پیوسته از داده های استخراج شده برای بوتسوانا مشاهده می شود. در اینجا داده ها از حداقل ۱۳۳ میلی متر تا حداکثر ۲۵۰ میلی متر متغیر است. بازرسی آماری پایه میانگین ۱۹۶٫۰۴۸ میلی متر و انحراف معیار ۲۶٫۱۶۶ میلی متر را نشان می دهد. حداکثر در ناحیه پایینی منطقه کالاهاری (بیش از ۲۴۰ میلی متر) به وضوح قابل مشاهده است. با استفاده از بازرسی GDAL توسط ‘gdalinfo’، تبخیر و تعرق واقعی (AET) شکل ۷) تجزیه و تحلیل شد و تغییرات داده ها به شرح زیر نشان داده شده است: حداقل ۱۳ میلی متر، حداکثر ۱۴۸ میلی متر، میانگین ۷۳٫۲۲۵ میلی متر و انحراف استاندارد ۲۸٫۲۹۵ میلی متر. در اینجا، مقادیر حداقل با موقعیت صحرای کالاهاری در جنوب بوتسوانا (مقادیر ۰ تا ۵۰ میلی متر) مطابقت دارد. شیب خطوط ایزوله در جهت شمال به سمت دلتای اوکاوانگو کاهش می‌یابد (کمتر منحنی می‌شود) که در آن مقادیر به ۱۲۰ میلی‌متر می‌رسد.

منحنی‌های میدان‌های پیوسته که تابش موج کوتاه سطح رو به پایین را نشان می‌دهند در شکل ۸ نشان داده شده‌اند ، که منعکس‌کننده مقدار کل تابش موج کوتاه، چه مستقیم و چه پراکنده، است که به سطح زمین در منطقه در بوتسوانا می‌رسد. افزایش کلی مقادیر را می توان به صورت افزایش به سمت منطقه جنوبی کالاهاری مشاهده کرد که در آن مقادیر به ۳۲۶ می رسد.

W m^{- 2}

(رنگ های قرمز روشن در شکل ۸ ) از پایین ترین در ناحیه شمالی با حداقل مقادیر ۲۳۴

W m^{- 2}

(رنگ های بژ روشن در شکل ۸ ). فشار بخار ( شکل ۹ ) و کمبود فشار بخار ( شکل ۱۰ ) در روند کلی افزایش به سمت مناطق جنوبی کویر کالاهاری و رسیدن به مقادیر ۲٫۵۶ atm از حداقل ۱٫۱۷ atm در شمال کشور برای فشار بخار، همبستگی دارند.

همانطور که در شکل ۱۰ نشان داده شده است (کمبود فشار بخار، VPD بوتسوانا)، یک روند کلی برای افزایش فشار بخار در جنوب غربی (صحرای کالاهاری با بالاترین مقادیر ۳٫۳، رنگ زرد روشن) و کمتر در شمال شرقی بوتسوانا وجود دارد. (تا ۱٫۴، رنگ های بنفش در شکل ۱۰ ). VPD کسری بین مقدار عملی (واقعی) رطوبت موجود در هوا و مقدار نظری رطوبتی را که هوا در صورت اشباع شدن می تواند داشته باشد را نشان می دهد. سرعت باد اندازه گیری شده ( شکل ۱۱ ) به حداکثر مقادیر در ناحیه جوانگ به سمت شرق کالاهاری می رسد. بازرسی داده ها محدوده داده های زیر را نشان می دهد: حداقل در ۱٫۸ متر بر ثانیه، حداکثر در ۳٫۴ متر بر ثانیه، میانگین در ۲٫۵۸۷ متر بر ثانیه، و انحراف استاندارد مقادیر در ۰٫۳۵۲ متر بر ثانیه ( شکل ۱۱).).

به طور کلی، سطوح خشکسالی PDSI در بوتسوانا در سال ۲۰۱۸ ( شکل ۱۲ ) تغییرات گام به گام شاخص را با تقریباً هفت منطقه نشان می دهد: (۱) -۳٫۷ تا -۲٫۲٫ (خشکسالی شدید)؛ (۲) -۲٫۲ تا -۰٫۸ (خشکسالی شدید، کالاهاری جنوبی). (۳) -۰٫۸ تا ۰٫۷ (خشکسالی قابل توجه): کالاهاری مرکزی; (۴) ۰٫۷ تا ۲٫۱ (خشکسالی متوسط)؛ (۵) ۲٫۱ تا ۳٫۵ (خشکسالی کمتر)؛ (۶) ۳٫۵ تا ۴٫۹ (خشکسالی کم)؛ (۷) ۴٫۹ تا ۶٫۴ (کمترین خشکسالی)، شکل ۱۲ . سطح صفر با ایزولین سفید ضخیم برای راحتی طبقه بندی مشخص شده است ( شکل ۱۲ ). یک امکان برای توضیح مقادیر PDSI ( شکل ۱۲) نشان دادن حداقل مقادیر، یعنی خشکسالی شدید با مقادیر ۲٫۲- تا ۳٫۸-، به این صورت است که حداقل دما به عنوان عمیق ترین منطقه اطراف Lobaste، که در منطقه جنوبی کشور واقع شده است، ثبت می شود ( شکل ۲ ). علاوه بر این، این نیز با سطح کم بارش در این منطقه مطابقت دارد، در مقایسه با شکل ۴ ، ۳۵ تا ۶۱ میلی متر، رنگ های سبز: منطقه Jwaneng، Gaborone، منطقه جنوب کالاهاری.

در این منطقه، تابش سطح موج کوتاه رو به پایین (DSSR) با مقادیر بیش از ۳۱۸ وات متر بالاترین میزان را دارد.

^{- 2}

( شکل ۱۲ را با شکل ۸ مقایسه کنید ). سطح بعدی (کمتر) شدت خشکسالی با مقادیر ۰٫۸- تا ۲٫۲- (رنگ آلو روشن در شکل ۱۲ ) با نقشه فشار بخار که مقادیر متوالی کاهشی به سمت جنوب کالاهاری (۱٫۶ تا ۱٫۲) مرتبط با سطح دوم دارد، مورد بررسی قرار گرفت. خشکسالی بوتسوانا (-۰٫۸ تا -۲٫۲).

۶٫ بحث

چارچوب پیشنهادی نقشه برداری مبتنی بر GMT مجموعه ای از نقشه های دقیق را از طریق گردش کار نقشه برداری کارآمد تولید می کند. سرعت اجرای اسکریپت‌ها برای حتی مدیریت داده‌های پیچیده تنها چند ثانیه است که کارایی گردش کار نقشه‌برداری را تضمین می‌کند و روال مبتنی بر انسان را کاهش می‌دهد. تفاوت مهم دیگر بین GIS و GMT این است که هر اسکریپت از نظر فنی در خطوط کد تعریف شده است. این تضمین می کند که نقشه رسم شده به شکل طراحی شده، برخلاف عیوب پنهان و خطاهای گاه به گاه رابط GIS، به دست آید. به عبارت دیگر، پردازش داده ها و تجسم داده ها در GMT از دستورات ثابتی از خطوط کد تعریف می شوند که داده ها را به روشی ساده مدیریت می کند و منجر به خروجی برنامه ریزی شده می شود. با استفاده از نقشه ارائه شده PDSI،

–: خشکسالی هواشناسی (تسلط بر شرایط آب و هوایی خشک)؛
–: خشکسالی هیدرولوژیکی (کمبود آب قابل توجه)؛
–: خشکسالی کشاورزی (محصولات زراعی تحت تأثیر قرار گرفته اند)؛
–: خشکسالی اجتماعی و اقتصادی

در اینجا نوع چهارم بیشترین تأثیر را بر نظام اجتماعی و رفاه جمعیت می گذارد. این نتایج تحقیقات موجود در مورد روابط متقابل پیچیده بین آب و هوا، عوامل محیطی و توپوگرافی در بوتسوانا را ادامه می‌دهد [ ۱۰۶ ، ۱۰۷ ، ۱۰۸ ].

نقشه ها می توانند به عنوان پس زمینه ای برای تجزیه و تحلیل پیچیده تر از اثرات آب و هوایی و محیطی بر رفاه اجتماعی استفاده شوند [ ۱۰۹ ، ۱۱۰ ، ۱۱۱ ، ۱۱۲ ]. این شامل صحرای کالاهاری، ماکگادیگادی پان و دلتای اوکاوانگو به‌عنوان مهم‌ترین مناطق و شکل‌های زمینی بوتسوانا است، برای تعیین احتمال بروز خشکسالی در بوتسوانا، با استفاده از چندین مجموعه داده آب و هوایی چند زمانی برای سال‌ها و دهه‌های مختلف.

۷٫ نتیجه گیری

با گسترش روزافزون جمع‌آوری داده‌های مکانی، تجزیه و تحلیل اطلاعات جغرافیایی در حال تبدیل شدن به یک موضوع تحقیقاتی اساسی برای بسیاری از کاربردها در علوم زمین است. این موارد شامل طیف گسترده‌ای از موارد است که از تجسم داده‌ها برای شناسایی روندهای محیطی، یا پردازش داده‌ها برای تجزیه و تحلیل تغییرات آب و هوا، تا وظایف پیچیده‌تر مدل‌سازی آب و هوا، از جمله پیش‌بینی و پیش‌بینی شروع می‌شود. هدف نقشه برداری داده های مکانی، تجسم پارامترهای محیطی به مؤثرترین روش به منظور برجسته کردن تغییرات در پارامترهای توپوگرافی، دما، رطوبت خاک، دینامیک کاربری زمین و بسیاری موارد دیگر است [ ۱۱۳ ، ۱۱۴ ، ۱۱۵ ، ۱۱۶ ، ۱۱۷ .]. برای این منظور، تجسم کارتوگرافی باید شکاف بین مسائل فنی پردازش داده های مکانی و تفسیر معنایی اطلاعات جغرافیایی را به عنوان منبع دانش در علوم محیطی و زمین پر کند.

رویکرد مفهومی مدیریت داده ها در GIS شامل معناشناسی داده ها، مانند نقاط، خطوط و چند ضلعی ها در انواع برداری، و پیکسل ها در انواع شطرنجی است که می توانند توسط انواع توابع و ماژول های موجود در GIS مختلف خوانده و پردازش شوند [ ۱۱۸ , ۱۱۹ ، ۱۲۰]. با عملکرد کافی و داده های قوی، می توان از چنین روش هایی برای تجسم و مدل سازی داده ها استفاده کرد. با این حال، دستیابی به اتوماسیون و سرعت بالاتر پردازش داده ها در GIS سنتی دشوارتر می شود. این به دلیل طبقه بندی نادرست ذهنی و خطاهای ناشی از مدیریت دستی داده ها ایجاد می شود. پردازش مجموعه داده‌های فضایی بزرگ، نیاز به اتوماسیون را افزایش می‌دهد تا از عملیات نقشه‌برداری تکراری جلوگیری شود و قالب‌بندی سریع و بدون درز داده‌ها را تضمین کند. علاوه بر این، در حالی که روش‌های GIS کم و بیش قادر به مدیریت داده‌های مکانی به عنوان اشیا، از جمله مدل‌سازی سطح هستند، اغلب به تجسم و نقشه‌برداری حساس‌تر هستند. در بسیاری از موارد، تهیه طرح بندی نقشه های گرافیکی نهایی در GIS یک فرآیند دست ساز باقی می ماند که نیاز به بهینه سازی و اتوماسیون دارد.

در حال حاضر، بیشتر وظایف پردازش داده های مکانی و تجزیه و تحلیل اطلاعات جغرافیایی مستلزم آن است که ویژگی های فضایی و اشیاء ترسیم شده بر روی نقشه ها از مجموعه داده های خام به طور موثر و سریع استخراج شوند تا نقشه های قابل اعتماد و قابل خواندن تولید شوند. روش GMT در یک چارچوب یکپارچه کار می کند که می تواند به طور مشترک پردازش داده های فنی را بهینه کند و نقشه های زیبایی شناسی تنظیم شده را تولید کند. در مقایسه با GIS سنتی، استفاده از رویکرد برنامه نویسی GMT از یک رویکرد ساده و سرراست سود می برد. این مبتنی بر رویکرد برنامه‌نویسی بهینه‌سازی کارآمد پردازش جغرافیایی GMT است که در آن هر عملیات نقشه‌برداری توسط یک ماژول واحد با گزینه‌های مختلف تنظیم‌شده از طریق عملکرد توسعه‌یافته پردازش می‌شود. وقتی نوشته شد، اسکریپت ها به راحتی قابل تنظیم و تنظیم برای پردازش داده های تکراری هستند که به وظایف مشابه نیاز دارند. با این حال، برای نوشتن و اجرای اسکریپت ها نیز به مهارت های خاصی در برنامه نویسی نیاز دارد.

این مطالعه سری جدید نقشه‌های موجودی آب و هوا و محیط زیست بوتسوانا را برای سال ۲۰۱۸ با استفاده از برنامه‌نویسی GMT بر اساس مجموعه داده‌های TerraClimate و GEBCO ارائه کرد. سهم اصلی این مقاله نشان دادن این است که یک روش برنامه‌نویسی ساده نقشه‌برداری مدرن می‌تواند برای نمایش دقیق و مؤثر پارامترهای آب و هوا و محیطی بدون نیاز به GIS تجاری اضافی استفاده شود. نقشه های ارائه شده را می توان به عنوان پس زمینه برای مطالعات بیشتر آب و هوای منطقه ای بوتسوانا استفاده کرد. معمولا بر اساس پردازش انواع مجموعه داده های موضوعی، مطالعات زمین شناسی محیطی و کاربردی روندهای مکانی-زمانی در اکوسیستم های مربوط به سطح زمین و فرآیندهای با استفاده از مجموعه داده های توپوگرافی، آب و هوا و محیطی را به تصویر می کشند [ ۱۲۱ ، ۱۲۲ ،۱۲۳ , ۱۲۴ , ۱۲۵ , ۱۲۶ , ۱۲۷ ]. کاربرد عملی نقشه های ارائه شده شامل ارزیابی زیست محیطی و تجزیه و تحلیل کشاورزی در بوتسوانا است، زیرا به شدت تحت تاثیر تغییرات آب و هوایی و ویژگی هایی مانند دوره های خشکسالی، دماهای شدید و فشار بخار، و همچنین تغییرات فصلی در بارندگی است [ ۱۲۸ ، ۱۲۹ ، ۱۳۰ ، ۱۳۱ ].

پیشرفت در پردازش داده ها را می توان برای مطالعات آینده، از جمله ارزیابی همبستگی بین متغیرهای محیطی و آب و هوایی انتخاب شده و مکان و تغییرات مکانی-زمانی آنها توصیه کرد. در میان سایر موارد، پارامترهای آب و هوا را می توان به عنوان مجموعه داده استفاده کرد: PDSI، AET، PET،

T_{m a x}

T_{m i n}

رطوبت خاک، شدت بارش و تکرارپذیری با توجه به توپوگرافی محلی. علاوه بر این، به عنوان یک جهت برای تحقیقات آینده، می توان تجزیه و تحلیل داده های آماری را نیز در نظر گرفت، که در GMT امکان پذیر است، علاوه بر نقشه برداری. به عنوان مثال، رسم هیستوگرام های توزیع داده ها برای شاخص های اقلیمی و توپوگرافی را می توان با استفاده از ماژول ‘pshistogram’ انجام داد.

اختصارات

در این نسخه از اختصارات زیر استفاده شده است:

AET	تبخیر و تعرق واقعی
DSSR	تابش سطح موج کوتاه رو به پایین
GDAL	کتابخانه انتزاع داده های جغرافیایی
GEBCO	نمودار کلی گرمای سنجی اقیانوس ها
GIS	سیستم اطلاعات جغرافیایی
GMT	ابزارهای عمومی نقشه برداری
رابط کاربری گرافیکی	رابط کاربر گرافیکی
NetCDF	فرم داده مشترک شبکه
PDSI	شاخص شدت خشکسالی پالمر
PET	تبخیر و تعرق بالقوه
SRTM	ماموریت توپوگرافی رادار شاتل
SPI	شاخص استاندارد بارش
SPEI	شاخص استاندارد تبخیر و تعرق بارش
VPD	کمبود فشار بخار
معاون	فشار بخار

منابع

ترنر، MD بازتاب های روش شناختی در مورد استفاده از سنجش از دور و علم اطلاعات جغرافیایی در تحقیقات اکولوژیکی انسانی. هوم Ecol. ۲۰۰۳ ، ۳۱ ، ۲۵۵-۲۷۹٫ [ Google Scholar ] [ CrossRef ]
Hamandawana، H. تاثیرات گیاهخواری بر پوشش گیاهی در منطقه حفاظت شده بازی Moremi، بوتسوانا: ۱۹۶۷-۲۰۰۱٫ Reg. محیط زیست چانگ. ۲۰۱۲ ، ۱۲ ، ۱-۱۵٫ [ Google Scholar ] [ CrossRef ]
مائویی، ام ال. Abiodun، BJ بررسی پاسخ ارتفاع بوتسوانا به نوسان جنوبی ال نینو با استفاده از مدل آب و هوای جهانی با وضوح متغیر. نظریه. Appl. کلیماتول. ۲۰۲۲ ، ۱۴۷ ، ۱۶۰۱-۱۶۱۵٫ [ Google Scholar ] [ CrossRef ]
Segobye, A. مشترکات تقسیم شده: اقتصاد سیاسی مناظر میراث فرهنگی آفریقای جنوبی – مشاهدات ذخیره‌گاه مرکزی کالاهاری، بوتسوانا. Archaeologies ۲۰۰۶ , ۲ , ۵۲-۷۲٫ [ Google Scholar ] [ CrossRef ]
سکاتو، پ. فرناندز، ک. رویز، دی. آلیس، ای. نظارت بر اقلیم و محیط زیست برای تصمیم گیری. چشم انداز زمین. ۲۰۱۴ ، ۱ ، ۱۶٫ [ Google Scholar ] [ CrossRef ]
د شربینین، الف. نقشه‌برداری نقاط داغ تغییر آب و هوا: چه آموخته‌ایم؟ صعود چانگ. ۲۰۱۴ ، ۱۲۳ ، ۲۳-۳۷٫ [ Google Scholar ] [ CrossRef ]
هرسلوند، LB; جلایر، اف. ژان باپتیست، ن. یورگنسن، جی. کابیش، اس. کومب، دبلیو. لیندلی، اس. ناید، پی کی; پاولیت، اس. پرینتز، ا. و همکاران ارزیابی چند بعدی آسیب پذیری شهری در برابر تغییرات آب و هوایی در جنوب صحرای آفریقا. نات. خطرات ۲۰۱۶ ، ۸۲ ، ۱۴۹-۱۷۲٫ [ Google Scholar ] [ CrossRef ]
وسل، پی. لوئیس، جی اف. اویدا، ال. شررو، ر. ووب، اف. اسمیت، WHF; Tian, D. The Generic Mapping Tools نسخه ۶٫ Geochem. ژئوفیز. Geosyst. ۲۰۱۹ ، ۲۰ ، ۵۵۵۶–۵۵۶۴٫ [ Google Scholar ] [ CrossRef ]
Batisani، N. دینامیک مکانی-زمانی-شدت خشکسالی در بوتسوانا. جی. محیط زیست. Prot. ۲۰۱۱ ، ۲ ، ۸۰۳-۸۱۶٫ [ Google Scholar ] [ CrossRef ]
Vanderpost، C. رینگروس، اس. متسون، دبلیو. Arntzen، J. ارزیابی بلند مدت بر اساس ماهواره از وضعیت مرتع در مناطق نیمه خشک: نمونه ای از بوتسوانا. جی آرید. محیط زیست ۲۰۱۱ ، ۷۵ ، ۳۸۳-۳۸۹٫ [ Google Scholar ] [ CrossRef ]
موگوتسی، ک. Nyangito، MM; Nyariki، DM نقش خشکسالی در میان جوامع کشاورزی و دامداری در یک محیط نیمه خشک: مورد بوتسوانا. جی آرید. محیط زیست ۲۰۱۳ ، ۹۱ ، ۳۸-۴۴٫ [ Google Scholar ] [ CrossRef ]
آکینیمی، FO; Mashame، G. تجزیه و تحلیل تغییر زمین در مناظر کشاورزی دیم شرق بوتسوانا. سیاست کاربری زمین ۲۰۱۸ ، ۷۶ ، ۷۹۸-۸۱۱٫ [ Google Scholar ] [ CrossRef ]
آتکوانا، EA; مولوالفه، ال. کگائودی، او. Cruse، AM اثر تبخیر و تعرق بر کربن غیر آلی محلول و تکامل ایزوتوپی کربن پایدار در رودخانه‌ها در آب و هوای نیمه خشک: دلتای اوکاوانگو در شمال غربی بوتسوانا. جی هیدرول. Reg. گل میخ. ۲۰۱۶ ، ۷ ، ۱-۱۳٫ [ Google Scholar ] [ CrossRef ]
رینگروس، اس. چیپانشی، ا. متسون، دبلیو. چاندا، آر. موتوما، ال. ماگول، آی. Jellema، A. تغییرات پوشش گیاهی چوبی ناشی از آب و هوا و انسان در بوتسوانا و پیامدهای آنها برای سازگاری انسان. محیط زیست مدیریت ۲۰۰۲ ، ۳۰ ، ۹۸-۱۰۹٫ [ Google Scholar ] [ CrossRef ]
کناباتو، PK؛ پریدا، BP; Moalafhi, DB ارزش متغیرهای آب و هوایی در مقیاس بزرگ در ارزیابی تغییرات آب و هوا: مورد بارندگی بوتسوانا. فیزیک شیمی. Earth Parts A/B/C ۲۰۱۲ ، ۵۰–۵۲ ، ۶۴–۷۱٫ [ Google Scholar ] [ CrossRef ]
بیاکاتوندا، جی. پریدا، BP; کناباتو، PK؛ Moalafhi, DB پیش بینی شروع و توقف بارندگی تابستانی استرالیا و تجزیه و تحلیل فراوانی طلسم خشک در نیمه خشک بوتسوانا. نظریه. Appl. کلیماتول. ۲۰۱۹ ، ۱۳۵ ، ۱۰۱-۱۱۷٫ [ Google Scholar ] [ CrossRef ]
باتیسانی، ن. Yarnal، B. تغییرپذیری بارندگی و روند در بوتسوانا نیمه خشک: پیامدهایی برای سیاست سازگاری با تغییرات آب و هوا. Appl. Geogr. ۲۰۱۰ ، ۳۰ ، ۴۸۳-۴۸۹٫ [ Google Scholar ] [ CrossRef ]
لانگلی، پی. Goodchild، MF; مگوایر، دی جی; Rhind، DW علم و سیستم های اطلاعات جغرافیایی ، ویرایش ۴٫ جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، ۲۰۱۵٫ [ Google Scholar ]
Chrisman, N. Exploring Geographic Information Systems , ۲nd ed.; جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، ۲۰۰۱٫ [ Google Scholar ]
وانکووا، ال. کریزا، ز. کوکورکووا، جی. Laciga, J. گزینه های استفاده از سیستم اطلاعات جغرافیایی در مدیریت تسهیلات. Procedia Comput. علمی ۲۰۲۲ ، ۱۹۶ ، ۷۰۸-۷۱۶٫ [ Google Scholar ] [ CrossRef ]
رحمان، م.م. Szabó، G. بهینه سازی کاربری زمین شهری پایدار با استفاده از رویکرد تصمیم گیری چند معیاره مبتنی بر GIS (GIS-MCDM). ISPRS Int. J. Geo-Inf. ۲۰۲۲ ، ۱۱ ، ۳۱۳٫ [ Google Scholar ] [ CrossRef ]
Visvalingam، M. Cartography، GIS و Maps in Perspective. کارتوگر. J. ۱۹۸۹ ، ۲۶ ، ۲۶-۳۲٫ [ Google Scholar ] [ CrossRef ]
نیلسون، ا. منتیس، دی. کورکوولوس، ا. Otwani، J. یک رویکرد مبتنی بر GIS برای برآورد نیازهای برق برای آبیاری آب زیرزمینی در مقیاس کوچک. ISPRS Int. J. Geo-Inf. ۲۰۲۱ ، ۱۰ ، ۷۸۰٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. تجسم داده های ژئوفیزیکی و ژئومورفولوژیکی از منطقه دریای Weddell توسط ابزارهای نقشه برداری عمومی. گل میخ. کوات. ۲۰۲۱ ، ۳۸ ، ۱۹-۳۲٫ [ Google Scholar ] [ CrossRef ]
زینگ، ز. Guo, W. یک روش جدید تحلیل فضای شهری مبتنی بر نحو فضا و سیستم اطلاعات جغرافیایی با استفاده از داده های چند منبعی. ISPRS Int. J. Geo-Inf. ۲۰۲۲ ، ۱۱ ، ۲۹۷٫ [ Google Scholar ] [ CrossRef ]
رید، م. Dougill، A. ارتباط ارزیابی تخریب با مدیریت پایدار زمین: یک سیستم پشتیبانی تصمیم برای دامداران کالاهاری. جی آرید. محیط زیست ۲۰۱۰ ، ۷۴ ، ۱۴۹-۱۵۵٫ [ Google Scholar ] [ CrossRef ]
Jovanovic، NZ; Annandale، JG; Claassens, AS; لورنتس، SA; Tanner، PD مدلسازی آبیاری با آب معدن گچی: مطالعه موردی در بوتسوانا. محیط زیست آب معدن. ۲۰۰۱ ، ۲۰ ، ۶۵-۷۲٫ [ Google Scholar ] [ CrossRef ]
باسوپی، LV; کوین، CH; Dougill، AJ دیدگاه‌های تاریخی در مورد دامداری و دگرگونی مالکیت زمین در Ngamiland، بوتسوانا: سیاست‌ها و درس‌های سازمانی چیست؟ Pastoralism ۲۰۱۷ ، ۷ ، ۲۴٫ [ Google Scholar ] [ CrossRef ]
Mfundisi، KB مروری بر یک برنامه مدیریت یکپارچه برای سایت Okavango Delta Ramsar، بوتسوانا. Wetlands ۲۰۰۸ , ۲۸ , ۵۳۸-۵۴۳٫ [ Google Scholar ] [ CrossRef ]
اوسوپیله، ک. یحیی، ع. Samikannu، R. مروری بر سیستم های نظارت بر کشاورزی با استفاده از اینترنت اشیا (IoT). در مجموعه مقالات کنفرانس بین المللی ۲۰۲۲ در زمینه هوش مصنوعی و محاسبات کاربردی (ICAAIC)، کوالالامپور، مالزی، ۹ تا ۱۰ دسامبر ۲۰۲۲؛ صص ۱۵۶۵-۱۵۷۲٫ [ Google Scholar ] [ CrossRef ]
تشبونگ، جی. موری هادسون، ام. Kashe، K. وضعیت باززایی گونه‌های درخت ساحلی در دو سایت که در استفاده از زمین در دلتای اوکاوانگو، بوتسوانا متفاوت هستند. جی. برای. Res. ۲۰۱۷ ، ۲۸ ، ۱۰۷۳-۱۰۸۲٫ [ Google Scholar ] [ CrossRef ]
موزس، او. سیستم‌های آب و هوایی مؤثر بر بارندگی بوتسوانا: مورد طوفان ۹ دسامبر ۲۰۱۸ در ماهالاپیه، بوتسوانا. مدل. سیستم زمین محیط زیست ۲۰۱۹ ، ۵ ، ۱۴۷۳-۱۴۸۰٫ [ Google Scholar ] [ CrossRef ]
موگومه-نتتسی، ک. Adeola، OA ترویج آگاهی زیست محیطی در بوتسوانا: نقش آموزش جامعه. Environmentalist ۱۹۹۵ , ۱۵ , ۲۸۱-۲۹۲٫ [ Google Scholar ] [ CrossRef ]
لانگ، جی. ثروت، سرمایه طبیعی و توسعه پایدار: نمونه های متضاد از بوتسوانا و نامیبیا. محیط زیست منبع. اقتصاد ۲۰۰۴ ، ۲۹ ، ۲۵۷-۲۸۳٫ [ Google Scholar ] [ CrossRef ]
کاسالیکا، وی. Lamprecht، AL ترکیب خودکار گردش کار علمی: مطالعه موردی در دستکاری داده های جغرافیایی. در مجموعه مقالات چهاردهمین کنفرانس بین المللی IEEE 2018 در علوم الکترونیک (e-Science)، آمستردام، هلند، ۲۹ اکتبر تا ۱ نوامبر ۲۰۱۸؛ صص ۳۶۲-۳۶۳٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. پردازش خودکار داده برای تجسم سنگرهای Yap و Palau توسط ابزارهای نقشه برداری عمومی. کارتوگر. Lett. ۲۰۱۹ ، ۲۷ ، ۷۲–۸۹٫ [ Google Scholar ] [ CrossRef ]
لمنکووا، ص. لرزه خیزی در فرورفتگی آفار و دره شکاف بزرگ، اتیوپی. محیط زیست Res. مهندس مدیریت ۲۰۲۲ ، ۷۸ ، ۸۳-۹۶٫ [ Google Scholar ] [ CrossRef ]
اسپینلیس، دی. ابزارهای طراحی. IEEE Softw. ۲۰۰۹ ، ۲۶ ، ۱۲-۱۳٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. GMT بر اساس تجزیه و تحلیل مقایسه ای و نقشه برداری ژئومورفولوژیکی سنگرهای Kermadec و Tonga، جنوب غربی اقیانوس آرام. Geogr. فنی ۲۰۱۹ ، ۱۴ ، ۳۹–۴۸٫ [ Google Scholar ] [ CrossRef ]
یاجیما، تی. گواندو، KR; Sigweni، MA نقشه برداری واحدهای مافیک و اولترامافیک با استفاده از داده های سنجش از دور در شمال شرق بوتسوانا. در مجموعه مقالات سمپوزیوم بین المللی علوم زمین و سنجش از دور IEEE 2011، ونکوور، BC، کانادا، ۲۴ تا ۲۹ ژوئیه ۲۰۱۱٫ صص ۲۲۱۸–۲۲۲۰٫ [ Google Scholar ] [ CrossRef ]
سکاتو، پ. وانکاتسم، سی. تمیمی، ام. نظارت بر دمای هوا و سطح زمین از داده های سنجش از راه دور برای کاربردهای آب و هوا-سلامت انسان. در مجموعه مقالات سمپوزیوم بین المللی زمین شناسی و سنجش از دور IEEE 2010، هونولولو، HI، ایالات متحده آمریکا، ۲۵ تا ۳۰ ژوئیه ۲۰۱۰٫ صص ۱۷۸-۱۸۰٫ [ Google Scholar ] [ CrossRef ]
Campbell, A. استفاده از گیاهان غذایی وحشی و خشکسالی در بوتسوانا. جی آرید. محیط زیست ۱۹۸۶ ، ۱۱ ، ۸۱-۹۱٫ [ Google Scholar ] [ CrossRef ]
الری، WN; مک کارتی، تی اس؛ اسمیت، ND الگوهای پوشش گیاهی، هیدرولوژی و رسوب در سیستم توزیع اصلی فن Okavango، بوتسوانا. Wetlands ۲۰۰۳ , ۲۳ , ۳۵۷-۳۷۵٫ [ Google Scholar ] [ CrossRef ]
فرانچی، اف. کلپیله، تی. دی کاپوآ، ا. دی ویت، MCJ; کیمیسو، او. لاساروه، ر. Catuneanu، O. سنگ چینه نگاری، سنگ نگاره رسوبی و ژئوشیمی سوپرگروه کارو بالا در حوضه مرکزی کالاهاری کارو، بوتسوانا. جی افر. علوم زمین ۲۰۲۱ ، ۱۷۳ ، ۱۰۴۰۲۵٫ [ Google Scholar ] [ CrossRef ]
ماسونگا، جی اس; Moe, SR; Pelekekae، B. آتش و چرا تغییر ترکیب گونه های علفی و کاهش تنوع بتا در سیستم شنی کالاهاری. اکوسیستم ها ۲۰۱۳ ، ۱۶ ، ۲۵۲-۲۶۸٫ [ Google Scholar ] [ CrossRef ]
الیوت، DR. توماس، AD; هون، اس آر؛ سن، R. طاقچه پارتیشن بندی جوامع باکتریایی در پوسته های بیولوژیکی و خاک زیر علف ها، درختچه ها و درختان در کالاهاری. تنوع زیستی حفظ کنید. ۲۰۱۴ ، ۲۳ ، ۱۷۰۹-۱۷۳۳٫ [ Google Scholar ] [ CrossRef ]
Eckardt، FD; کوتریل، FP; فلوگل، تی جی; کاله، بی. مک فارلین، ام. Rowe, C. نقشه برداری از ژئومورفولوژی سطح منطقه شکاف Makgadikgadi (MRZ). کوات. بین المللی ۲۰۱۶ ، ۴۰۴ ، ۱۱۵-۱۲۰٫ [ Google Scholar ] [ CrossRef ]
مک فارلین، ام. تپه‌های طولانی، C. Pan «barchan» کف، Ntwetwe Pan، Makgadikgadi، بوتسوانا: منشأ و پیامدهای دیرین اقلیم آنها. کوات. بین المللی ۲۰۱۵ ، ۳۷۲ ، ۱۰۸-۱۱۹٫ [ Google Scholar ] [ CrossRef ]
بارو، اس ال. توماس، DSG؛ بیلی، آر.ام. دیویس، L. از شکل زمین به فرآیند: مورفولوژی و تشکیل تپه های شنی بارکان بستر دریاچه، ماگادیکگادی، بوتسوانا. ژئومورفولوژی ۲۰۱۲ ، ۱۶۱-۱۶۲ ، ۱-۱۴٫ [ Google Scholar ] [ CrossRef ]
چوب، WW; Eckardt، FD; کریمر، TF; Eng, K. انتقال کمی بادی نمکهای تبخیری از فرورفتگی Makgadikgadi (Ntwetwe و Sua Pans) در شمال شرقی بوتسوانا: مفاهیم برای کیفیت آب زیرزمینی منطقه ای. در اکوسیستم سبخا. وظایف علم پوشش گیاهی ; Öztürk, M., Böer, B., Barth, HJ, Clüsener-Godt, M., Khan, M., Breckle, SW, Eds.; Springer: Dordrecht، هلند، ۲۰۱۰; جلد ۴۶، ص ۲۷–۳۷٫ [ Google Scholar ] [ CrossRef ]
همینگ، خشکسالی CF در بوتسوانا. جی آرید. محیط زیست ۱۹۸۰ ، ۳ ، ۱۸۱٫ [ Google Scholar ] [ CrossRef ]
Karikari، SK; Tabona، TT صفات سازنده و شاخص‌های انتخابی توده‌های بادام زمینی بامبارا ( Vigna subterranea (L.) Verdc) برای تحمل به خشکی در شرایط بوتسوانا. فیزیک شیمی. Earth Parts A/B/C ۲۰۰۴ , ۲۹ , ۱۰۲۹–۱۰۳۴٫ [ Google Scholar ] [ CrossRef ]
بادیمو، دی. Mogomotsi، PK; Mogomotsi، GEJ نقشه برداری مشارکتی از جمع آوری آب توسط جامعه Sexaxa در اوکاوانگو، بوتسوانا. فیزیک شیمی. Earth ۲۰۲۰ , ۱۲۴ , ۱۰۲۹۶۳٫ [ Google Scholar ] [ CrossRef ]
باسوپی، LV; کوین، CH; داگیل، استراتژی های سازگاری AJ با تغییر محیطی و سیاست در مناظر نیمه خشک شبانی: شواهدی از Ngamiland، بوتسوانا. جی آرید. محیط زیست ۲۰۱۹ ، ۱۶۶ ، ۱۷-۲۷٫ [ Google Scholar ] [ CrossRef ]
چاریس، جی. دانها، جی. Muzenda، E. فرصت های ارزش گذاری زباله برای زیست توده متجاوز بوش در اکوسیستم های ساوانا: تجزیه و تحلیل موردی مقایسه ای از بوتسوانا و نامیبیا. Procedia Manuf. ۲۰۱۹ ، ۳۵ ، ۹۷۴–۹۷۹٫ [ Google Scholar ] [ CrossRef ]
کریگ، MH; شارپ، BL; ماباسو، MLH؛ Kleinschmidt، I. توسعه یک مدل آماری فضایی و نقشه شیوع تاریخی مالاریا در بوتسوانا با استفاده از روش انتخاب متغیر مرحله‌ای. بین المللی J. Health Geogr. ۲۰۰۷ ، ۶ . [ Google Scholar ] [ CrossRef ]
Tonnang، HE; چوآسی، DP; خوارز، اچ اس. ایگوتا، LK; Djouaka، RF بزرگنمایی در سطح کشور آفریقایی: تغییرات بالقوه آب و هوا در مناطق مناسب برای بقای ناقلان مالاریا. بین المللی J. Health Geogr. ۲۰۱۴ ، ۱۳ . [ Google Scholar ] [ CrossRef ]
Motsholapheko، MR; Ngwenya، BN دسترسی به منابع آب و آسیب پذیری خانوارها در برابر مالاریا در دلتای اوکاوانگو، بوتسوانا. در کتابچه راهنمای سازگاری با تغییرات آب و هوایی آفریقا ; Oguge, N., Ayal, D., Adeleke, L., da Silva, I., Eds. Springer: Cham، سوئیس، ۲۰۲۱; ص ۱۲۲۷–۱۲۴۶٫ [ Google Scholar ] [ CrossRef ]
چارنلی، GEC; کلمن، آی. گرین، ن. هینسلی، دبلیو. گیتورپ، کام؛ موری، KA بررسی روابط بین خشکسالی و وبا همه‌گیر در آفریقا با استفاده از مدل‌های خطی تعمیم‌یافته. BMC Infect. دیس ۲۰۲۱ ، ۲۱ ، ۱۱۷۷٫ [ Google Scholar ] [ CrossRef ]
موسی، O. Hambira، WL اثرات تغییر آب و هوا بر تبخیر و تعرق در منابع آبی دلتای اوکاوانگو. فیزیک شیمی. Earth Parts A/B/C ۲۰۱۸ , ۱۰۵ , ۹۸–۱۰۳٫ [ Google Scholar ] [ CrossRef ]
میلزو، سی. کگوتلهنگ، ال. بائر-گوتواین، پ. مایر، پی. Kinzelbach، W. بررسی منطقه ای: هیدرولوژی دلتای اوکاوانگو، بوتسوانا – فرآیندها، داده ها و مدل سازی. هیدروژئول. J. ۲۰۰۹ , ۱۷ , ۱۲۹۷-۱۳۲۸٫ [ Google Scholar ] [ CrossRef ]
ولسکی، پی. موری-هادسون، ام. دینامیک سیل در مخروط افکنه بزرگ با گرادیان کم، دلتای اوکاوانگو، بوتسوانا، از تجزیه و تحلیل و تفسیر یک رکورد هیدرومتری ۳۰ ساله. هیدرول. سیستم زمین علمی ۲۰۰۵ ، ۲ ، ۱۸۶۵-۱۸۹۲٫ [ Google Scholar ] [ CrossRef ]
بلباس، ک. مورگان، R. نظارت بر امنیت غذایی و تغذیه برای مدیریت امداد خشکسالی: مورد بوتسوانا. سیاست غذایی ۱۹۹۴ ، ۱۹ ، ۲۸۵-۳۰۰٫ [ Google Scholar ] [ CrossRef ]
دینتوا، KF; لتامو، جی. Navaneetham، K. کمی سازی آسیب پذیری اجتماعی در برابر خطرات طبیعی در بوتسوانا: کاربرد مدل کاتر. بین المللی J. کاهش خطر بلایا. ۲۰۱۹ ، ۳۷ ، ۱۰۱۱۸۹٫ [ Google Scholar ] [ CrossRef ]
بیاکاتوندا، جی. پریدا، BP; Kenabatho، PK مرتبط با پویایی خشکسالی های اقلیمی و هیدرولوژیکی در نیمه خشک بوتسوانا. فیزیک شیمی. زمین. قطعات A/B/C ۲۰۱۸ ، ۱۰۵ ، ۱۲–۲۴٫ [ Google Scholar ] [ CrossRef ]
آباتزغلو، ج. دوبروفسکی، اس. پارکس، اس. Hegewisch، KC TerraClimate، مجموعه داده جهانی با وضوح بالا از آب و هوای ماهانه و تعادل آب اقلیمی از ۱۹۵۸-۲۰۱۵٫ علمی داده‌ها ۲۰۱۸ ، ۵ ، ۱۷۰۱۹۱٫ [ Google Scholar ] [ CrossRef ]
بیاکاتوندا، جی. پریدا، BP; کناباتو، PK؛ Moalafhi, DB تأثیر تغییرپذیری آب و هوا و طول فصل بارانی بر عملکرد محصول در نیمه خشک بوتسوانا. کشاورزی برای. هواشناسی ۲۰۱۸ ، ۲۴۸ ، ۱۳۰-۱۴۴٫ [ Google Scholar ] [ CrossRef ]
بیاکاتوندا، جی. پریدا، BP; معلمی، دی.بی. Kenabatho، PK تجزیه و تحلیل ویژگی ها و روندهای طولانی مدت شدت خشکسالی در سراسر نیمه خشک بوتسوانا با استفاده از دو شاخص خشکسالی. اتمس. Res. ۲۰۱۸ ، ۲۱۳ ، ۴۹۲-۵۰۸٫ [ Google Scholar ] [ CrossRef ]
Ujeneza، EL; رژیم‌های Abiodun، BJ Dought در آفریقای جنوبی و اینکه چگونه GCMها آنها را شبیه‌سازی می‌کنند. صعود دین ۲۰۱۵ ، ۴۴ ، ۱۵۹۵-۱۶۰۹٫ [ Google Scholar ] [ CrossRef ]
آکینیمی، FO; Abiodun، BJ اثرات بالقوه سطوح گرمایش جهانی ۱٫۵ درجه سانتیگراد و بالاتر بر اقلیم شدید در بوتسوانا. صعود چانگ. ۲۰۱۹ ، ۱۵۴ ، ۳۸۷–۴۰۰٫ [ Google Scholar ] [ CrossRef ]
Palmer, W. خشکسالی هواشناسی ; مقاله پژوهشی شماره ۴۵; اداره هواشناسی وزارت بازرگانی ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، ۱۹۶۵٫
Ermel, H. Der deutsche Beitrag zur Neuherstellung der General Bathymetric Chart of the Oceans (GEBCO). Dtsch. هیدروگر. Z. ۱۹۶۶ ، ۱۹ ، ۴۹-۵۷٫ [ Google Scholar ] [ CrossRef ]
Schenke، H. نمودار عمومی دریامتری اقیانوس ها (GEBCO). در دایره المعارف علوم زمین دریایی ; Springer: Dordrecht، هلند، ۲۰۱۶; ص ۲۶۸-۲۶۹٫ [ Google Scholar ] [ CrossRef ]
براک، اس. سوچاکی، س. Radetzky، M. تجزیه و تحلیل داده های چند متغیره در ارزیابی های توپوگرافی سطحی: مطالعه موردی فرآیندهای سنگ زنی دقیق با دقت بالا. Procedia Manuf. ۲۰۱۹ ، ۳۹ ، ۱۷۵۲–۱۷۶۱٫ [ Google Scholar ] [ CrossRef ]
اسمیت، WHF در مورد دقت داده های عمق سنجی دیجیتال. جی. ژئوفیس. Res. ۱۹۹۳ ، ۹۸ ، ۹۵۹۱-۹۶۰۳٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. Mapping Ghana توسط GMT و R scripting: رویکردهای نقشه برداری پیشرفته برای تجسم همبستگی بین توپوگرافی، آب و هوا و محیط زیست. Adv. Geod. Geoinf. ۲۰۲۲ ، ۷۱ ، e16. [ Google Scholar ] [ CrossRef ]
یاکوبسون، ام. Macnab, R. مقایسه ای بین GEBCO Sheet 5.17 و نمودار بین المللی عمق سنجی اقیانوس منجمد شمالی (IBCAO) نسخه ۱٫۰٫ مار. ژئوفیز. Res. ۲۰۰۶ ، ۲۷ ، ۳۵-۴۸٫ [ Google Scholar ] [ CrossRef ]
لمنکووا، ص. توپوگرافی خندق آلوتین در جنوب شرقی برج بورز، دریای برینگ، در زمینه توسعه زمین شناسی اقیانوس آرام شمالی. بالتیکا ۲۰۲۱ ، ۳۴ ، ۲۷-۴۶٫ [ Google Scholar ] [ CrossRef ]
هال، شماره ویژه صدمین سالگرد JK GEBCO – ترسیم دنیای مخفی کف اقیانوس: پروژه GEBCO 1903-2003. مار. ژئوفیز. Res. ۲۰۰۶ ، ۲۷ ، ۱-۵٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. GEBCO Gridded Bathymetric Datasets for Maping Japan Trench Geomorphology با استفاده از مجموعه ابزار اسکریپت GMT. Geod. کارتوگر. ۲۰۲۰ ، ۴۶ ، ۹۸-۱۱۲٫ [ Google Scholar ] [ CrossRef ]
علائم، KM; اسمیت، WHF ارزیابی شبکه‌های آب‌سنجی جهانی در دسترس عموم. مار. ژئوفیز. Res. ۲۰۰۶ ، ۲۷ ، ۱۹-۳۴٫ [ Google Scholar ] [ CrossRef ]
Kolawole، OD; ولسکی، پی. نگونیا، بی. Mmopelwa، G. قومی هواشناسی و پیش بینی آب و هوا: دیدگاه کشاورزان کوچک و دانشمندان در مورد تنوع آب و هوا در دلتای اوکاوانگو، بوتسوانا. صعود مدیریت ریسک ۲۰۱۴ ، ۴-۵ ، ۴۳-۵۸٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. Tanzania Craton، Serengeti Plain و Eastern Rift Valley: نقشه برداری داده های مکانی با تکنیک های اسکریپت نویسی. برآورد J. Earth Sci. ۲۰۲۲ ، ۷۱ ، ۶۱-۷۹٫ [ Google Scholar ] [ CrossRef ]
رینگروس، اس. چاندا، آر. انکامبوه، ام. Sefe، F. تغییر محیطی در منطقه بوتتی میانی در شمال مرکزی بوتسوانا: فرآیندهای بیوفیزیکی و ادراکات انسانی. محیط زیست مدیریت ۱۹۹۶ ، ۲۰ ، ۳۹۷-۴۱۰٫ [ Google Scholar ] [ CrossRef ]
لیند، پی. Lemenkova، P. ارزیابی ترکیبات مختلف بایندر سیمان، سرباره و CKD برای S/S درمان رسوبات آلوده به TBT. Acta Mech. خودکار ۲۰۲۱ ، ۱۵ ، ۲۳۶-۲۴۸٫ [ Google Scholar ] [ CrossRef ]
مانیسا، م. داس، RK; سگوبی، م. Maphale، L. توسعه مدل ژئوئیدی محلی برای ارزیابی دقت ارتفاعات ارتومتریک از ارتفاعات بیضی شکل مبتنی بر GPS در بوتسوانا. تف کردن Inf. Res. ۲۰۱۶ ، ۲۴ ، ۶۰۷-۶۱۶٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. تشخیص گیاهی قوی با استفاده از کامپوزیت های رنگی RGB و طبقه بندی ایزوکلاست تصویر Landsat TM. Geomat. Landmanag. Landsc. ۲۰۲۱ ، ۴ ، ۱۴۷-۱۶۷٫ [ Google Scholar ] [ CrossRef ]
رینگروس، اس. موسیسی-نکامبوه، اس. کلمن، تی. نلیس، دی. Bussing، C. استفاده از داده های نقشه برداری موضوعی Landsat برای ارزیابی تغییرات فصلی مرتع در جنوب شرقی کالاهاری، بوتسوانا. محیط زیست مدیریت ۱۹۹۹ ، ۲۳ ، ۱۲۵-۱۳۸٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. مجموعه داده ها توسط GRASS GIS برای نقشه برداری موضوعی قطب جنوب: سطح توپوگرافی، ضخامت یخ، ارتفاع بستر زیر یخچالی و ضخامت رسوب. جمهوری چک قطبی ۲۰۲۱ ، ۱۱ ، ۶۷-۸۵٫ [ Google Scholar ] [ CrossRef ]
پاچکا، اچ. آنلیس، تی. آلن، ک. تشیکای، پ. کگوری، پ. شوالیه، وی. پاوسکا، جی. Jori، F. Rift Valley تب بردار تنوع و تاثیر عوامل هواشناسی و محیطی بر پویایی Culex pipiens در دلتای اوکاوانگو، بوتسوانا. Parasites Vectors ۲۰۱۶ , ۹ , ۴۳۴٫ [ Google Scholar ] [ CrossRef ]
Pricope، NG سیل منبع متغیر در یک حوضه آبخیز فرامرزی نیمه خشک: رودخانه Chobe، بوتسوانا و نامیبیا. محیط زیست نظارت کنید. ارزیابی کنید. ۲۰۱۳ ، ۱۸۵ ، ۱۸۸۳-۱۹۰۶٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
Lemenkova، P. Sentinel-2 برای نقشه برداری با وضوح بالا شاخص های گیاهی مبتنی بر شیب با استفاده از یادگیری ماشین توسط SAGA GIS. ترانسیلو کشیش سیست. Ecol. Res. ۲۰۲۰ ، ۲۲ ، ۱۷-۳۴٫ [ Google Scholar ] [ CrossRef ]
ویردن، دبلیو. هابرمن، تی. گلاور، جی. دیوینز، دی. شرمان، جی. فاکس، سی. داده های عمق سنجی چند پرتو در NOAA/NGDC. In Proceedings of the Oceans ’04 MTS/IEEE Techno-Ocean ’04 (IEEE Cat. No.04CH37600)، کوبه، ژاپن، ۹–۱۲ نوامبر ۲۰۰۴; جلد ۲، ص ۱۱۵۹–۱۱۶۲٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. ژئومورفولوژی تکتونیکی زیردریایی از پلینی و ترانشه هلنی که منعکس کننده تکامل زمین شناسی جنوب یونان است. Rud.-GeološKo-Naft. Zb. ۲۰۲۱ ، ۳۶ ، ۳۳-۴۸٫ [ Google Scholar ] [ CrossRef ]
سنتورک، اس. چاکر، ز. Berk Ustundag، B. پتانسیل داده‌های SAR تداخل سنجی Sentinel-IA در پایش فرونشست سطحی ناشی از برداشت بیش از حد آب‌های زیرزمینی در مناطق کشاورزی. در مجموعه مقالات پنجمین کنفرانس بین المللی ۲۰۱۶ Agro-Geoinformatics (Agro-Geoinformatics)، تیانجین، چین، ۱۸-۲۰ ژوئیه ۲۰۱۶; صص ۱-۴٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. استفاده از GMT برای مدل‌سازی دو بعدی و سه بعدی توپوگرافی سنگر ریوکیو، اقیانوس آرام. متفرقه Geogr. ۲۰۲۱ ، ۲۵ ، ۲۱۳-۲۲۵٫ [ Google Scholar ] [ CrossRef ]
لیند، پی. آزمایش‌های ژئوشیمیایی لمنکووا، P. برای مطالعه اثرات نسبت سیمان بر شستشوی پتاسیم و TBT و pH رسوبات دریایی از تنگه Kattegat، بندر گوتنبرگ، سوئد. بالتیکا ۲۰۲۲ ، ۳۵ ، ۴۷-۵۹٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. ژئومورفولوژی گودال پورتوریکو و چاله کیمن در زمینه تکامل زمین شناسی دریای کارائیب. ان دانشگاه ماریا-کوری-اسکلودووسکا، فرقه. B-Geogr. جئول معدنی. پتروگر. ۲۰۲۰ ، ۷۵ ، ۱۱۵-۱۴۱٫ [ Google Scholar ] [ CrossRef ]
شی، اچ. دو، ز. لو، ی. هو، ایکس. Ke, X. Amery Ice Shelf Digital Elevation Model از GLAS و GMT. در مجموعه مقالات سومین سمپوزیوم بین المللی ۲۰۰۹ در مورد کاربرد فناوری اطلاعات هوشمند، نانچانگ، چین، ۲۱ تا ۲۲ نوامبر ۲۰۰۹٫ جلد ۲، ص ۱۲۹-۱۳۳٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. نقشه برداری ژئومورفولوژی زیردریایی از سنگرهای فیلیپین و ماریانا با یک رویکرد خودکار با استفاده از اسکریپت های GMT. Proc. آکادمی لتونی علمی فرقه B ۲۰۲۲ ، ۷۶ ، ۲۵۸-۲۶۶٫ [ Google Scholar ] [ CrossRef ]
توتولو، او. Mosweu، S. تغییرپذیری فضایی ویژگی‌های خاک منتخب در رابطه با کاربری‌های مختلف زمین در کگالاگادی شمالی (Matsheng)، بوتسوانا. بین المللی جی. ژئوشی. ۲۰۱۲ ، ۳ ، ۶۵۹-۶۶۳٫ [ Google Scholar ] [ CrossRef ]
لیند، پی. Lemenkova، P. سرعت لرزه ای امواج P برای ارزیابی قدرت خاک تثبیت شده برای Svenska Cellulosa Aktiebolaget Biorefinery Östrand AB, Timrå. گاو نر پول آکادمی علمی فنی علمی ۲۰۲۲ ، ۷۰ ، ۱-۹٫ [ Google Scholar ] [ CrossRef ]
موسوو، اس. منیاتی، ج. Kabanda، T. اصلاح خواص خاک توسط Prosopis L. در صحرای کالاهاری، جنوب غربی بوتسوانا. J. Ecol را باز کنید. ۲۰۱۳ ، ۳ ، ۱۴۵-۱۵۰٫ [ Google Scholar ] [ CrossRef ]
لمنکوف، وی. Lemenkova، P. استفاده از زبان نشانه گذاری TeX برای ترسیم زمین شناسی سه بعدی و دو بعدی. پیدا شد. محاسبه کنید. تصمیم می گیرد. علمی ۲۰۲۱ ، ۴۶ ، ۴۳-۶۹٫ [ Google Scholar ] [ CrossRef ]
Zeilhofer، P. نقشه برداری خاک در Pantanal ماتو گروسو، برزیل، با استفاده از داده های Multitemporal Landsat TM. Wetl. Ecol. مدیریت ۲۰۰۶ ، ۱۴ ، ۴۴۵-۴۶۱٫ [ Google Scholar ] [ CrossRef ]
مک گیل، بی.ام. آلچنکو، ی. همیلتون، اسکی کناباتو، PK؛ سیلوستر، اس آر. تعاملات پیچیده Villholth، KG بین تغییرات آب و هوا، بهداشت، و کیفیت آب زیرزمینی: مطالعه موردی از Ramotswa، بوتسوانا. هیدروژئول. J. ۲۰۱۹ ، ۲۷ ، ۹۹۷–۱۰۱۵٫ [ Google Scholar ] [ CrossRef ]
مائویی، ام ال. Abiodun، BJ چگونه MPAS-اتمسفر ویژگی های Botswana High را شبیه سازی می کند؟ صعود دین ۲۰۲۱ ، ۵۷ ، ۲۱۰۹-۲۱۲۸٫ [ Google Scholar ] [ CrossRef ]
رامبرگ، ال. هنکاک، پی. لیندهولم، ام. مایر، تی. رینگروس، اس. اسلیوا، جی. ون آس، جی. واندر پست، سی. تنوع گونه ای دلتای اوکاوانگو، بوتسوانا. آکوات. علمی ۲۰۰۶ ، ۶۸ ، ۳۱۰-۳۳۷٫ [ Google Scholar ] [ CrossRef ]
آسفا، اس. افزایش دسترسی به غذا در آفریقا: تجربه بوتسوانا. گل میخ. Comp. بین المللی توسعه دهنده ۱۹۹۱ ، ۲۶ ، ۵۹-۸۳٫ [ Google Scholar ] [ CrossRef ]
Vanderpost، C. تغییر جمعیت و مشکلات زیست محیطی در منطقه Mid-Boteti در بوتسوانا. جئوژورنال ۱۹۹۵ ، ۳۵ ، ۵۲۱-۵۲۹٫ [ Google Scholar ] [ CrossRef ]
رحم، د. سواتوک، ال. Matheny، E. مدیریت منابع آب در بوتسوانا: متعادل کردن پایداری و توسعه اقتصادی. محیط زیست توسعه دهنده حفظ کنید. ۲۰۰۶ ، ۸ ، ۱۵۷-۱۸۳٫ [ Google Scholar ] [ CrossRef ]
Mogomotsi، PK; سکلمانی، ع. Mogomotsi، GEJ استراتژی‌های انطباق با تغییرات آب و هوایی کشاورزان در مقیاس کوچک در Ngamiland شرق، بوتسوانا. صعود چانگ. ۲۰۲۰ ، ۱۵۹ ، ۴۴۱-۴۶۰٫ [ Google Scholar ] [ CrossRef ]
موری، ک.ک. مافاله، ال. Nkhwanana، N. بهینه سازی خدمات ارسال و تحویل در خانه با استفاده از GIS در بوتسوانا: مطالعه موردی پست بوتسوانا. تف کردن Inf. Res. ۲۰۱۷ ، ۲۵ ، ۵۶۵-۵۷۳٫ [ Google Scholar ] [ CrossRef ]
مپوفو، جی. دارکوه، م.ک. Gwebu، T. پویایی استفاده از زمین پیرامون شهرنشینی: تجزیه و تحلیل الگوهای در حال تحول و تأثیرات آنها بر روستای گابان، بوتسوانا. جئوژورنال ۲۰۱۸ ، ۸۳ ، ۷۲۵–۷۴۱٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. نگاشت مغولستان مبتنی بر کنسول با استفاده از مجموعه ابزار اسکریپت نقشه برداری GMT برای پردازش داده های TerraClimate. Geosciences ۲۰۲۲ , ۱۲ , ۱۴۰٫ [ Google Scholar ] [ CrossRef ]
رامبرگ، ال. ولسکی، پی. Krah، M. تعادل آب و نفوذ در دشت سیلابی فصلی در دلتای اوکاوانگو، بوتسوانا. Wetlands ۲۰۰۶ , ۲۶ , ۶۷۷-۶۹۰٫ [ Google Scholar ] [ CrossRef ]
لنکستر، N. پاسخ فرآیندهای بادی و شکل زمین به تغییرات آب و هوا و تغییرپذیری. در رساله ژئومورفولوژی ، ویرایش دوم. شرودر، جی جی اف، اد. مطبوعات آکادمیک: آکسفورد، بریتانیا، ۲۰۲۲; صص ۳۱۸-۳۳۹٫ [ Google Scholar ] [ CrossRef ]
رادولوویچ، م. بردار، س. مساروش، م. لوکیک، تی. ساویچ، اس. باسارین، بی. کرنویویچ، وی. Pavić، D. ارزیابی مناطق بالقوه آب زیرزمینی با استفاده از تکنیک‌های GIS و فازی AHP – مطالعه موردی شهرداری تیتل (صربستان شمالی). ISPRS Int. J. Geo-Inf. ۲۰۲۲ ، ۱۱ ، ۲۵۷٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. نقشه برداری ژئوفیزیکی غنا با استفاده از ابزار نقشه کشی پیشرفته GMT. کارتوگر. Geoinf. ۲۰۲۱ ، ۲۰ ، ۱۶-۳۷٫ [ Google Scholar ] [ CrossRef ]
کاریداس، سی. جیانگ، ب. بهینه‌سازی مقیاس در نقشه‌برداری ویژگی‌های توپوگرافی و هیدروگرافی با استفاده از تحلیل فراکتال. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۶۳۱٫ [ Google Scholar ] [ CrossRef ]
آکینیمی، FO; Kgomo، MO پویایی پوشش گیاهی در سرزمین‌های خشک آفریقا: ارزیابی بر اساس شاخص تخریب پوشش گیاهی در یک منطقه کشاورزی و دامداری در بوتسوانا. Reg. محیط زیست چانگ. ۲۰۱۹ ، ۱۹ ، ۲۰۲۷–۲۰۳۹٫ [ Google Scholar ] [ CrossRef ]
ایشیموتو، ی. یابوتا، اس. کگوکونگ، اس. موتسپه، م. تومیناگا، جی. تراموتو، اس. کوناکا، تی. مموپلوا، جی. کاوامیتسو، ی. آکاشی، ک. و همکاران ارزیابی محیطی با انتشار و جذب گازهای گلخانه ای بر اساس ارزیابی چرخه زندگی برای یک سیستم کشت جاتروفا در مناطق مستعد سرما و خشکسالی بوتسوانا. Biomass Bioenergy ۲۰۱۸ ، ۱۱۰ ، ۳۳-۴۰٫ [ Google Scholar ] [ CrossRef ]
کلاوچو، ام. گرگورووا، بی. استانکوف، یو. مارکوویچ، وی. Lemenkova، P. تعیین اهمیت اکولوژیکی بر اساس ارزیابی زمین آماری: مطالعه موردی از منطقه حفاظت شده اسلواکی Natura 2000. Geosci را باز کنید. ۲۰۱۳ ، ۵ ، ۲۸-۴۲٫ [ Google Scholar ] [ CrossRef ]
Eze، PN; مدنی، ن. Adoko، نقشه‌برداری چند متغیره AC از آلودگی فضایی فلزات سنگین در یک میدان اکتشاف مس-نیکل (بوتسوانا) با استفاده از الگوریتم شبیه‌سازی باندهای چرخشی. نات. منبع. Res. ۲۰۱۹ ، ۲۸ ، ۱۰۹–۱۲۴٫ [ Google Scholar ] [ CrossRef ]
Lemenkova، P. مدیریت مجموعه داده با متغیرهای ژئوفیزیکی و زمین شناسی در آند بولیوی توسط اسکریپت های GMT. داده ۲۰۲۲ ، ۷ ، ۷۴٫ [ Google Scholar ] [ CrossRef ]
چیپانشی، AC; چاندا، آر. ارزیابی آسیب پذیری محصولات ذرت و سورگوم در برابر تغییرات آب و هوایی در بوتسوانا. صعود چانگ. ۲۰۰۳ ، ۶۱ ، ۳۳۹-۳۶۰٫ [ Google Scholar ] [ CrossRef ]
کلاوچو، ام. گرگورووا، بی. کولدا، پ. استانکوف، یو. مارکوویچ، وی. Lemenkova، P. برنامه ریزی زمین به عنوان پشتیبان توسعه پایدار مبتنی بر گردشگری: مطالعه موردی منطقه روستایی اسلواکی. محیط زیست مهندس مدیریت J. ۲۰۱۷ ، ۱۶ ، ۴۴۹-۴۵۸٫ [ Google Scholar ] [ CrossRef ]
مارواتونا، PB; Moses, O. ارزیابی شروع، توقف و مدت فصل بارندگی در بوتسوانا. مدل. سیستم زمین محیط زیست ۲۰۲۲ ، ۸ ، ۱۶۵۷-۱۶۶۸٫ [ Google Scholar ] [ CrossRef ]
پریدا، بی. Moalafhi, D. تجزیه و تحلیل فرکانس بارندگی منطقه ای برای بوتسوانا با استفاده از L-Moments و شبکه تابع پایه شعاعی. فیزیک شیمی. Earth Parts A/B/C ۲۰۰۸ , ۳۳ , ۶۱۴–۶۲۰٫ [ Google Scholar ] [ CrossRef ]
موسی، O. Ramotonto، S. ارزیابی مدل‌های پیش‌بینی در مورد پیش‌بینی طوفان استوایی Dineo و بارندگی مرتبط در بوتسوانا. آب و هوا صعود افراطی ۲۰۱۸ ، ۲۱ ، ۱۰۲-۱۰۹٫ [ Google Scholar ] [ CrossRef ]
Dahlberg، AC تنوع پوشش گیاهی و تغییر در رابطه با کاربری زمین، خاک و بارندگی – مطالعه موردی از ناحیه شمال شرقی، بوتسوانا. جی آرید. محیط زیست ۲۰۰۰ ، ۴۴ ، ۱۹-۴۰٫ [ Google Scholar ] [ CrossRef ]