تجزیه و تحلیل الگوهای فضا-زمان جمعیت و ارزیابی فشار آنتروپیک دریاچه‌های زیرمجموعه با استفاده از داده‌های جغرافیایی تولید شده توسط کاربر

فعالیت‌های انسانی یکی از عوامل اصلی آلودگی آب دریاچه‌ها و فرسایش آب است. مطالعه فشار انسان در اطراف دریاچه ها برای درک تأثیرات آن بر منابع طبیعی دریاچه ها اهمیت دارد. داده‌های رسانه‌های اجتماعی یک منبع اطلاعاتی با ارزش برای تشخیص پویایی انسان است. در این مطالعه، داده های جغرافیایی تولید شده توسط کاربر، یعنی سوابق موقعیت مکانی کاربران ارائه شده توسط برنامه Facebook Data for Good، برای ارزیابی الگوهای جمعیت و استنتاج میزان فشار انسان در مناطق اطراف دریاچه های Insubric (Maggiore، Como و Lugano) استفاده می شود. بین شمال ایتالیا و جنوب سوئیس. الگوها در مناطق مجاور دریاچه‌های مختلف و همچنین فصول، روزهای هفته و ساعات روز در دوره مطالعه مه ۲۰۲۰ تا آگوست ۲۰۲۱ مورد بررسی قرار گرفتند. دو شاخص تصور شد، محاسبه و نقشه برداری برای ارزیابی توزیع فضا-زمان کاربران در اطراف دریاچه ها و استنتاج فشار آنتروپیک. بیشترین فشار در اطراف دریاچه‌های ماگیوره و مناطق ساحلی کومو در طول تعطیلات آخر هفته در تابستان مشاهده شد (متوسط حضور کاربران تا ۱۴ درصد نسبت به روزهای هفته در زمستان)، که نشان می‌دهد گردشگری دلیل اصلی فشار است. برعکس، در اطراف دریاچه لوگانو، پویایی جمعیت بیشتر تحت تأثیر مسافران یا کارگران هفتگی است، جایی که حداکثر فشار در طول روزهای هفته در تمام فصول رخ می دهد (۶٫۶% میانگین حضور کاربران نسبت به آخر هفته ها). نتایج ورودی ارزشمندی را برای تحلیل‌های بیشتر مرتبط، به عنوان مثال، به همبستگی بین فعالیت‌های انسانی و کیفیت آب دریاچه و/یا مدل‌های پیش‌بینی فشار انسانی و شارهای گردشگری در دریاچه‌ها که برای توسعه آینده این کار پیش‌بینی شده است، ارائه می‌دهد.

کلید واژه ها:

دریاچه ها ؛ فشار آنتروپیک ؛ پویایی جمعیت ; رسانه های اجتماعی ؛ داده های جغرافیایی تولید شده توسط کاربر

۱٫ مقدمه

دریاچه های طبیعی برای محیط زیست و جوامعی که در سواحل آنها توسعه یافته اند، نقش اساسی دارند. در واقع دریاچه ها به عنوان مخزنی عمل می کنند که آب شیرین را برای مصارف کشاورزی و خانگی تامین می کنند. آنها با ذخیره حجم زیادی آب به کاهش اثرات سیل و خشکسالی کمک می کنند. دریاچه‌ها اغلب از رشد اقتصادی محلی حمایت می‌کنند، زیرا امکان فعالیت‌های تفریحی و گردشگری متعددی را فراهم می‌کنند که از جذابیت چشم‌انداز و منابع آبی بهره می‌برند. دریاچه ها با میزبانی اکوسیستم ها و زیستگاه های ارزشمند برای گونه های مختلف گیاهی و جانوری به حفظ تنوع زیستی کمک می کنند. در نهایت، آنها به طور مثبت بر شرایط آب و هوایی محلی با بافر دمای شدید در مناطق همسایه خود تأثیر می گذارند [ ۱ ].

افزایش شهرنشینی، تولید صنعتی، کشاورزی و تولید دام و فعالیت‌های گردشگری در امتداد سواحل دریاچه اغلب منجر به مشکلات زیست محیطی گسترده به دلیل افزایش بار آلاینده‌های تخلیه شده می‌شود که مستقیماً مسئول تخریب کیفیت آب دریاچه‌ها است [ ۲ ]. این امر به ویژه در مواردی صادق است که امکانات تصفیه آب برای جذب این افزایش شدید یا گاه به گاه بارهای آلاینده کافی نباشد. ۳ ]]. با تمرکز بر گردشگری، فعالیت های تفریحی مانند شنا، قایق سواری، ماهیگیری و غیره به طور مستقیم بر آب دریاچه تأثیر می گذارد. به عنوان مثال، قایق‌ها می‌توانند به گیاهان آبزی آسیب برسانند و رسوباتی را که ممکن است باعث رشد جلبک‌ها شوند، ایجاد کنند. در واقع، هر گونه فعالیت مرتبط با توریست که در حوضه های آبریز دریاچه رخ می دهد، بر منابع طبیعی تأثیر می گذارد. به عنوان مثال، ساخت دهکده های تعطیلات، مراکز ورزشی و سایر امکانات گردشگری به طور دائمی اکوسیستم دریاچه را با ایجاد تغییرات کاربری [ ۴ ] که ظرفیت آبراهه های طبیعی را برای رهگیری مواد مغذی کاهش می دهد و اغلب منجر به افزایش بار آلاینده ها می شود، تحت تاثیر قرار می دهد [ ۳ ، ۵ ]. ارزیابی تاثیر گردشگری و به طور کلی فعالیت‌های انسانی بر اکوسیستم‌های دریاچه در ادبیات مورد بررسی قرار گرفته است. سان و لیو [۶] تأثیر گردشگری را بر حوزه دریاچه غربی در چین بررسی کرد و یک همبستگی مثبت بین شاخص‌های آلودگی و متغیرهای مرتبط با فعالیت‌های گردشگری مانند تعداد گردشگران، درآمد اقتصادی گردشگری و زباله‌های توریستی مشاهده کرد. مارکوگیانی و همکاران [ ۷ ] تأثیر فعالیت‌های انسانی، استفاده از زمین و از دست دادن خاک بر کیفیت آب دریاچه Plastira در یونان را تجزیه و تحلیل کرد و صنعت گردشگری را به عنوان یکی از تأثیرگذارترین فعالیت‌ها معرفی کرد. شواهدی از همبستگی مثبت بین فعالیت های انسانی و آلودگی آب نیز برای دریاچه های Insubric در نظر گرفته شده در این مطالعه یافت می شود ( شکل ۱ را ببینید ) [ ۸ ، ۹ ، ۱۰ ]]. به طور خلاصه، رشد جمعیت و فعالیت‌های انسانی به وضوح به عنوان عامل اصلی اتروفیکاسیون و آلودگی آب درونی در سراسر جهان شناخته می‌شوند [ ۳ ].

با توجه به موارد فوق، مطالعه حضور و تحرک انسان در اطراف دریاچه ها شایسته بررسی کامل است. با این وجود، داده‌های تفکیک‌شده و تفکیک‌شده در فضا-زمان، که توسط تحلیل‌های دینامیک جمعیت محلی مورد نیاز است، اغلب به دلیل گستره جغرافیایی، مقدار و کیفیت اطلاعات، فاقد یا محدود هستند [ ۱۱ ]. در گذشته نه چندان دور، رسانه های اجتماعی، داده های جغرافیایی تولید شده و جمع سپاری شده در برنامه های علمی در مورد گردشگری و تحرک انسانی ظاهر شده اند [ ۱۲ ]. به لطف فراوانی و ریزه کاری آنها، اغلب قادر به تکمیل منابع داده سنتی مانند گزارش های آماری دولتی، نظرسنجی ها و کمپین های نظارتی هستند [ ۱۳ ]]. داده های رسانه های اجتماعی به طور گسترده ای برای ارزیابی تحرک انسان در محیط های شهری و طبیعی به کار گرفته شده اند. برنامه‌های کاربردی مربوطه بر استفاده از پست‌های جغرافیایی یا سوابق موقعیت مکانی کاربران بازیابی شده از رسانه‌های اجتماعی، مانند توییتر، فورسکوئر و فیس‌بوک، برای تجزیه و تحلیل تحرک و الگوهای حرکتی انسان متمرکز شده‌اند. این نوع اطلاعات، به عنوان مثال، برای ارزیابی توزیع فضا-زمان حرکات انسانی و جریان گردشگری بین انواع مکان های مختلف [ ۱۴ ، ۱۵ ]، و مشخص کردن الگوها در مسیرهای تحرک شهری [ ۱۶ ] استفاده شده است. جیانگ و همکاران [ ۱۷ ] توزیع توییت‌ها را تجزیه و تحلیل کرد تا بفهمد چگونه تراکم جمعیت بین مراکز شهر و مناطق پیرامونی متفاوت است. ابراهیم پور و همکاران [ ۱۸] از داده های Weibo برای خوشه بندی موقعیت های کاربران در مناطق شهری استفاده کرد. داده های رسانه های اجتماعی نیز برای ارزیابی تحرک گردشگران در مناطق طبیعی [ ۱۳ ] و برای شناسایی مقاصد ترجیحی گردشگران داخلی و خارجی [ ۱۹ ] استفاده شده است.

با در نظر گرفتن این موضوع، هدف پژوهش حاضر بررسی الگوها و روندهای مکان-زمان جمعیت و استخراج شاخص‌های فشار انسانی بر ناحیه دریاچه برای شناسایی مکان‌هایی است که از افراط‌های گاه به گاه یا سیستماتیک حضور انسان با توجه به جمعیت ساکن خود رنج می‌برند. . منطقه مورد مطالعه منطقه دریاچه های Insubric بین شمال ایتالیا (دریاچه های Maggiore و Como) و جنوب سوئیس (دریاچه Lugano) است. این مطالعه در چارچوب پروژه SIMILE (سیستم اطلاعاتی برای پایش یکپارچه دریاچه‌های زیربنایی و اکوسیستم‌های آنها)، با بودجه برنامه Interreg اتحادیه اروپا با هدف تقویت مدیریت هماهنگ و نظارت بر دریاچه‌های زیر آلپ انجام شده است. بین ایتالیا و سوئیس [ ۲۰]. این کار با استفاده از داده های جغرافیایی تولید شده توسط کاربر ارائه شده توسط Facebook Data for Good انجام شد [ ۲۱ ]. داده‌های مورد استفاده در این مطالعه شامل سوابق موقعیت مکانی کاربران است که از آن الگوهای جمعیتی کاربران در مکان و زمان برای کشف و توصیف تفاوت‌های محلی قابل توجه در منطقه مورد مطالعه در فصول مختلف و همچنین روزهای هفته و ساعات روز تجزیه و تحلیل می‌شود.

این منبع داده نوظهور اخیراً برای تجزیه و تحلیل تغییرات در تحرک انسان در طول قرنطینه COVID-19 در کشورهای مختلف [ ۲۲ ، ۲۳ ] و جابجایی جمعیت پس از بلایای بزرگ [ ۲۴ ]، از جمله آتش سوزی [ ۲۵ ] استفاده شده است. در کار قبلی منتشر شده توسط نویسندگان مشترک این مقاله Oxoli و Brovelli [ ۲۶ ]، که نشان دهنده یک مطالعه موردی مقدماتی برای روش ارائه شده است، از این داده ها برای استنباط شار بازدیدکنندگان در پارک های طبیعی منطقه Insubria استفاده شد.

نتایج تحلیل‌های آماری و اکتشافی در نمودارها، جداول و نقشه‌هایی خلاصه می‌شود که امکان شناسایی و تعیین کمیت الگوهای فضا-زمان جمعیت کاربران را فراهم می‌کند که نتیجه آن تفاوت قابل‌توجهی بین مناطق ساحلی دریاچه ایتالیا و سوئیس است. هدف نهایی این مطالعه استنباط پویایی جمعیت در اطراف مناطق دریاچه مورد مطالعه برای تقویت درک تأثیر آن بر اکوسیستم طبیعی دریاچه است. نتایج به‌دست‌آمده امیدوارکننده هستند، و از تحقیقات بیشتر در مورد همبستگی بین الگوهای مکان-زمان جمعیت و کیفیت آب دریاچه پشتیبانی می‌کنند، که برای توسعه آینده این کار پیش‌بینی شده‌اند.

ساختار باقی مانده این مقاله به شرح زیر است. بخش ۲ مجموعه داده‌های ابتکار Facebook Data for Good را توصیف می‌کند که عمدتاً در این مطالعه اتخاذ شده‌اند. بخش ۳ روش های به کار گرفته شده برای پردازش و تجزیه و تحلیل داده ها را نشان می دهد، در حالی که در بخش ۴ نتایج ارائه و مورد بحث قرار می گیرند. در نهایت، در بخش ۵ ، نتیجه گیری و جهت گیری های آتی این کار گزارش شده است.

۲٫ داده ها و تعریف مطالعه موردی

۲٫۱٫ Geodata تولید شده توسط کاربر از فیس بوک

داده های جغرافیایی تولید شده توسط کاربر در نظر گرفته شده در این مطالعه از ابتکار عمل Facebook Data for Good [ ۲۱ ] بازیابی شده است. هدف اصلی این ابتکار، ارائه اطلاعات مکانی به سیاست‌گذاران، محققان و سازمان‌های بشردوستانه است که می‌تواند برای آماده‌سازی، پاسخگویی و بهبودی از رویدادهای بحرانی (مانند بلایا یا شیوع بیماری) یا به‌طور کلی‌تر، استفاده شود. توانمندسازی مطالعات رفتارها و جابجایی جمعیت در میان محصولات ابتکاری Facebook for Good، فیس بوک Disaster Maps سوابقی از موقعیت مکانی کاربران فیس بوک را به موقع ارائه می دهد. تجمیع فضایی سوابق فردی توسط ارائه دهنده داده [ ۲۷ ] به منظور اطمینان از حفاظت از حریم خصوصی کاربران [ ۲۸ ] انجام می شود.]. در میان مجموعه داده‌های نقشه‌های بلایای فیس‌بوک، نقشه‌های جمعیت فیس‌بوک در این مطالعه در نظر گرفته شد. این مجموعه داده تعدادی از کاربران را با خدمات موقعیت مکانی فعال در دستگاه های تلفن همراه خود ارائه می دهد که در یک بازه زمانی مشخص در یک مکان خاص می مانند [ ۲۹ ]. مکان های داده به پیکسل های شبکه های جغرافیایی مشتق شده از سیستم کاشی بینگ [ ۳۰ ] اشاره دارد] و تعداد کاربران در هر پیکسل با وضوح زمانی ۸ ساعت، یعنی ۱۲ صبح تا ۸ صبح، ۸ صبح تا ۴ بعد از ظهر، و ۴ بعد از ظهر تا ۱۲ صبح به وقت گرینویچ (GMT) ارائه می شود. این تجمیع داده‌های فضا-زمان از هرگونه عملیات ردیابی کاربر منفرد جلوگیری می‌کند در حالی که تنها امکان تجزیه و تحلیل الگوهای محلی را در مکان‌های مختلف منطقه مورد مطالعه فراهم می‌کند. کاشی های Bing با مقادیر تعداد کاربران کمتر از ۱۰ توسط ارائه دهنده از مجموعه داده حذف می شوند و بنابراین در تحلیل های ارائه شده در نظر گرفته نمی شوند. مجموعه داده در قالب CSV در سیستم مرجع جغرافیایی WGS84 توزیع شده است و می تواند توسط کاربران ثبت نام شده از پورتال Facebook Data for Good partner دانلود شود [ ۳۱ ].

۲٫۲٫ مناطق و دوره مطالعه

مجموعه نقشه های جمعیت فیس بوک برای منطقه Insubria در اواسط سال ۲۰۲۰ به درخواست نویسندگان از ارائه دهنده داده فعال شد. دوره مطالعه در نظر گرفته شده ۶ مه ۲۰۲۰ تا ۳۱ اوت ۲۰۲۱ بود. تعداد جمعیت کاربران فیس بوک با وضوح مکانی (تقریبا) ۸۵۰ متر، که مطابق با سطح کاشی Bing 7 [ ۳۰ ]، و وضوح زمانی ۸ ساعت ارائه شد. . وضوح فضایی موجود شبکه داده عمدتاً به وسعت منطقه مورد مطالعه که یک مجموعه برای آن فعال شده است بستگی دارد. این بدان معنی است که هر چه منطقه مورد مطالعه بزرگتر باشد، وضوح مجموعه داده ها کمتر است. این مبادله به دلیل زمان محاسباتی مورد نیاز سرورهای فیس بوک برای تولید مجموعه داده در بازه زمانی تعریف شده ۸ ساعت است.

مناطق مورد مطالعه به شرح زیر انتخاب شدند. همانطور که در گزارش شده است، دو بافر مختلف در اطراف دریاچه های Maggiore، Como و Lugano استخراج شدنددو بافر مختلف در اطراف دریاچه های Maggiore، Como و Lugano همانطور که در شکل ۱٫ اولین حائل به عرض ۲ کیلومتر برای تمرکز بر سواحل دریاچه ها تعریف شد که احتمالاً بیشتر تحت تأثیر گردشگری قرار می گیرند. با توجه به مورفولوژی خاص دریاچه های در نظر گرفته شده، که با سواحل باریک محصور شده توسط دامنه های تند کوه مشخص می شود، چنین حائل های کوچکی به ما اجازه می دهد تا تنها مناطقی را که بیشتر تحت تاثیر گردشگری دریاچه قرار گرفته اند، تعیین کنیم. حائل دوم با عرض ۵ کیلومتر شامل مناطق مسکونی بزرگی است که فراتر از ساحل دریاچه و در نواحی کوهستانی قرار دارند و انتظار می رود که به طور جزئی – یا حتی اصلاً – تحت تأثیر جریان های گردشگری دریاچه قرار نگیرند. سپس بافر ۵ کیلومتری برای حذف مناطق فرعی خارج از حوضه آبریز دریاچه تنظیم شد به طوری که تنها جمعیت کاربرانی که مستقیماً بر منابع آب دریاچه تأثیر می‌گذارند در تحلیل در نظر گرفته شد. اندازه مناطق مختلف مطالعه در گزارش شده جدول ۱ گزارش شده استاست.

۲٫۳٫ نمایندگی داده فیس بوک

یکی از نگرانی‌های مهم هنگام برخورد با داده‌های جغرافیایی تولید شده توسط کاربر، مانند نقشه‌های جمعیت فیس‌بوک، بازنمایی داده‌ها است. در این کار، این به عنوان نسبت بین میانگین تعداد کاربران فیس بوک محاسبه شده در مناطق مورد مطالعه و جمعیت واقعی ساکن در نظر گرفته شده است.

میانگین جمعیت کاربران به عنوان میانگین تعداد کاربران فیس بوک در طول شب (۱۲ صبح تا ۸ صبح به وقت گرینویچ) در فصول کم گردشگری (پاییز و زمستان) از ۲۵ اکتبر ۲۰۲۰ تا ۲۷ مارس ۲۰۲۱ تعریف شد. این بازه زمانی خاص، برای سال‌های ۲۰۲۰ و ۲۰۲۱، به ساعت تابستانی ایتالیا و سوئیس متصل است که در فصل‌های پاییز و زمستان ۱ ساعت از منطقه تابستانی آنها (GMT + 1) جبران می‌شود. فرض اساسی این است که از آنجایی که گردشگری دریاچه ها در طول بهار و تابستان (فصل گردشگری بالا) بیشترین تمرکز را دارد، جمعیت شبانه در طول فصل کم برای نشان دادن جمعیت کاربران ساکن فیس بوک بهترین است [ ۳۲ ].

جمعیت واقعی ساکن در عوض از مجموعه داده های شطرنجی WorldPop [ ۳۳ ] مشتق شده است که تخمینی را برای جمعیت ساکن در وضوح ۱۰۰ متر برای هر کشور در جهان ارائه می دهد. انگیزه پشت استفاده از این مجموعه داده خاص به جای داده های سرشماری سنتی دوگانه است. دلیل اصلی این است که مرزهای منطقه مورد مطالعه با هیچ مسیر سرشماری موجود همپوشانی ندارد، که واحد منطقه مرجعی است که توسط ادارات آمار ملی برای توزیع آمار سرشماری اتخاذ شده است. دلیل دوم این است که منطقه Insubria در سراسر مرز بین المللی بین ایتالیا و سوئیس واقع شده است، که بر روی در دسترس بودن داده های سرشماری ثابت که کل منطقه را پوشش می دهد، تأثیر می گذارد.

میانگین تعداد کاربران فیس بوک هم در هر منطقه دریاچه و هم در کل منطقه مورد مطالعه محاسبه شد و سپس بر جمعیت ساکن واقعی متناظر که از مجموعه داده WorldPop به دست آمده است، تقسیم شد. نتایج حاصل از ارزیابی نمایندگی داده های فیس بوک در جدول ۲ گزارش شده است. میانگین نمایندگی برای کل منطقه نزدیک به ۴٪ با تفاوت های کوچک بین سه دریاچه و دو منطقه حائل به دست آمد. شایان ذکر است که انتظار نمی رود داده های فیس بوک کل جمعیت را در یک منطقه جغرافیایی نشان دهد زیرا فقط توسط کاربران فیس بوک با خدمات مکان یابی فعال در دستگاه های تلفن همراه آنها تولید می شود [ ۲۷ ]، که به نوبه خود تنها بخشی از تمام کاربران فیس بوک را نشان می دهد. .

۳٫ پردازش و تجزیه و تحلیل داده ها

تجزیه و تحلیل با جمع آوری داده ها در مکان و زمان انجام شد. تجمع فضایی به طور جداگانه دو منطقه حائل را برای سه دریاچه (Maggiore، Como و Lugano) در نظر گرفت. پس از آن، تجمیع زمان برای تمایز بین فصول گردشگری بالا و پایین، روزهای هفته (روزهای هفته / آخر هفته)، و ساعات روز بر اساس تفکیک زمانی اولیه داده‌ها به شکاف‌های زمانی ۸ ساعته تقسیم شد انجام شد. بر اساس آنچه در بخش ۲ توضیح داده شده است، تجمیع زمانی، فصل کم گردشگری را دوره بین ۲۵ اکتبر ۲۰۲۰ و ۲۷ مارس ۲۰۲۱ و فصل بالا را به عنوان بقیه سال در نظر می گیرد. در نهایت، تعطیلات آخر هفته شامل شنبه و یکشنبه بود، در حالی که روزهای هفته، روزهای باقی مانده بودند.

Data analysis focused on the computation of summary statistics and exploration of differences between Facebook users’ population counts for the different aggregation time periods over each identified study area. A preliminary comparison of results from the two buffer areas was also performed to investigate the assumption of the difference in population patterns between lakeshores and surrounding areas due to tourism activities.

ارزیابی فشار آنتروپیک بر دریاچه ها با طراحی و محاسبه یک شاخص محلی مصنوعی انجام شد. این شاخص به عنوان نسبت بین صدک ۹۰ محاسبه شده از سری زمانی کامل جمعیت کاربران فیس بوک و یک مقدار پایه برای هر مکان در مجموعه داده بیان شد. مقادیر پایه در هر مکان به عنوان میانگین تعداد جمعیت کاربران فیس بوک در فصل کم گردشگری در شب محاسبه شد، که همان استراتژی اتخاذ شده برای ارزیابی نمایندگی داده ها است (به بخش ۲ مراجعه کنید.). صدک ۹۰ به‌طور دلخواه به‌عنوان مقدار اوج انتخاب شد تا نه تنها مقادیر حداکثر سری‌های زمانی را که ممکن است تحت تأثیر رویدادهای محلی در زمان، مانند جشنواره‌ها، رویدادهای ورزشی و غیره قرار گیرند، در نظر بگیرد، بلکه برای به تصویر کشیدن اوج‌های مکرر کاربران. حضور با هدف تقریب بهتر فشار مداوم موثر بر هر مکان.

یک بررسی اضافی در مورد زمان وقوع فشار پیک محلی انجام شد. در این مورد، حداکثر مقادیر جمعیت کاربران فیس بوک در هر مکان و ماه و روز از هفته وقوع آنها نیز برای کشف توزیع فضا-زمان آنها ترسیم شد. هر دو شاخص فشار آنتروپیک مشخص شده و بزرگی مقادیر حداکثر با زمان وقوع آنها در نهایت با ارائه یک بینش سینوپتیک به فضا-زمان پدیده تجزیه و تحلیل شده در منطقه مورد مطالعه نقشه برداری شدند.

پردازش و تجزیه و تحلیل داده ها با استفاده از کتابخانه های رایج تجزیه و تحلیل داده پایتون از جمله Dask، Pandas، GeoPandas و Matplotlib [ ۳۴ ] انجام شد. داده های دانلود شده از پورتال شریک Facebook Data for Good شامل ۱۴۴۶ فایل CSV (یعنی سه فایل در روز در دوره مطالعه) با حافظه ۱۳ گیگابایتی بود. فایل‌ها در یک Pandas Dataframe خوانده شدند و توابع سفارشی برای تجمیع داده‌ها، آمار خلاصه و محاسبه شاخص‌ها و رسم نتایج ایجاد شدند. نتایج تجزیه و تحلیل با استفاده از نمودارها و نقشه ها در بخش زیر مورد بحث و بررسی قرار گرفته است.

۴٫ نتایج و بحث

۴٫۱٫ کاوش الگوهای جمعیت کاربران فیس بوک

یک مقایسه اولیه بین میانگین روزانه شمارش جمعیت کاربران فیس بوک برای دو منطقه حائل در اطراف هر دریاچه انجام شد ( شکل ۲ a,b را ببینید). هدف این بود که به الگوهای مشخصی برای سواحل دریاچه (۲ کیلومتر حائل)، که انتظار می‌رود بیشتر تحت تأثیر گردشگری باشند، و مناطق اطراف (۵ کیلومتر حائل) که شامل مراکز بزرگ شهری نیز می‌شوند، اشاره کرد. مقدار میانگین شمارش کاربران فیس بوک از اندازه مناطق مختلف مطالعه تبعیت می کند ( جدول ۱ را ببینید ). با این حال، این آزمایش برای توصیف روندها و الگوهای جهانی به جای استنباط مقادیر واقعی جمعیت، که به دلیل بازنمایی کمتر داده‌های فیس‌بوک که در جدول ۲ گزارش شده است، مغرضانه هستند، در نظر گرفته شد .

در شکل ۲ ب، مشاهده می شود که دریاچه های Maggiore و Como الگوهای مشابهی را برای منطقه حایل ۲ کیلومتری با قله های ثبت شده در طول فصل گردشگری بالا نشان می دهند. تفاوت ها بیشتر در اواسط تابستان برای منطقه حایل ۵ کیلومتری، به ویژه برای دریاچه کومو ( شکل ۲ a را ببینید) وجود دارد. توضیح موارد فوق ممکن است به شرح زیر باشد. از یک سو، هر دو دریاچه مقاصد گردشگری مرتبط هستند که از حضور فزاینده انسانی متمرکز در فصل بالا رنج می برند. از سوی دیگر، منطقه حائل ۵ کیلومتری دریاچه کومو بیشتر منطقه مسکونی کومو سیتی را شامل می شود ( شکل ۱ را ببینید.بنابراین کاهش قابل توجهی در حضور انسان در دوره های تعطیلات معمولی ایتالیا و سوئیس جنوبی مانند اواسط تابستان و در مرحله دوم، دوره کریسمس را نشان می دهد. منطقه حائل ۵ کیلومتری دریاچه ماگیور شامل مراکز شهری بزرگ نمی شود، بنابراین الگوی قابل مقایسه با منطقه حایل ۲ کیلومتری خود را نشان می دهد.

وضعیت به طور قابل توجهی متفاوت برای دریاچه لوگانو در سمت سوئیس منطقه مورد مطالعه مشاهده شده است. میانگین روزانه تعداد کاربران فیس بوک برای هر دو منطقه حائل کمتر تحت تأثیر فصل گردشگری است و برخلاف دو دریاچه دیگر، افزایش جزئی فقط در اواسط فصل بهار و پاییز مشاهده می شود. کاهش قابل توجهی در حضور انسان در طول دوره های تعطیلات (به عنوان مثال، اواسط تابستان و کریسمس) در هر دو منطقه حائل ثبت شده است ( شکل ۲ را ببینید).الف، ب). دومی با منطقه حائل ۵ کیلومتری دریاچه کومو هماهنگ است و در واقع، این منطقه حائل برای دریاچه لوگانو شامل منطقه مسکونی شهر لوگانو است، بنابراین پویایی جمعیتی را نشان می دهد که بیشتر تحت تأثیر گردشگری نیست. منطقه حایل ۲ کیلومتری دریاچه لوگانو از همان الگوی مناطق حائل ۵ کیلومتری خود پیروی می کند، بنابراین نشان می دهد که سواحل دریاچه لوگانو در مقایسه با دریاچه های Maggiore و Como مقصد کمتری برای فعالیت های تفریحی و گردشگری هستند.

با توجه به بینش های بالا، کاوش های بیشتر الگوهای فضا-زمان بر روی مناطق حایل ۲ کیلومتری متمرکز شد، به طوری که فشار انسانی عمدتاً قابل انتساب به گردشگری مورد بررسی قرار گرفت.

در ادامه کاوش داده ها، میانگین ماهانه تعداد جمعیت کاربران فیس بوک برای مناطق بافر ۲ کیلومتری هر دریاچه محاسبه شد. میانگین ماهانه با تمایز بین روزهای هفته و تعطیلات آخر هفته استخراج شد تا امکان توصیف تأثیرات گردشگری کوتاه مدت (یعنی سفرهای یک روزه یا تعطیلات آخر هفته) را فراهم کند که انتظار می‌رود بیشتر در روزهای غیر کاری رخ دهد. نتایج در شکل ۳ گزارش شده است. توزیع ماهانه تعداد جمعیت کاربران فیس بوک نیز از طریق نمودارهای جعبه [ ۳۵ ] در شکل ۴ نشان داده شده است.

روندهای نشان داده شده توسط میانگین ماهانه ( شکل ۳ را ببینیدشواهد بیشتری از شباهت الگوهای دریاچه‌های ماگیوره و کومو ارائه می‌کنند و در عین حال تفاوت‌های آن‌ها را با دریاچه لوگانو بیان می‌کنند. بر این اساس، اوج حضور کاربر در طول فصل گردشگری بالا مشاهده می‌شود، با افزایش قابل توجهی در آخر هفته‌ها، تنها در مناطق دریاچه Maggiore و Como. این الگوها در نظر گرفتن دریاچه های اخیر به عنوان مقاصد گردشگری محبوب، به ویژه برای اقامت کوتاه مدت در روزهای غیر کاری را تقویت می کند. در مقابل، دریاچه لوگانو الگوی مخالفی را نشان داد که در آن میانگین ماهانه در تعطیلات آخر هفته به طور مداوم پایین‌تر از روزهای هفته است، با قله‌هایی که عمدتاً خارج از دوره‌های مرکزی فصل گردشگری بالا قرار دارند. این تفاوت ها ممکن است منعکس کننده این واقعیت باشد که منطقه دریاچه لوگانو تحت تأثیر جریان های قابل توجهی از کارگران مرزی شناخته شده است [ ۳۶ ,۳۷ ] به طوری که سهم گردشگری به دلیل میزان نسبتاً کمتر کاربرانی که برای تفریح و فعالیت های تفریحی به سواحل آن می رسند، پنهان می ماند.

با نگاهی به توزیع ماهانه شمارش جمعیت کاربران فیس بوک بر اساس آخر هفته ها و روزهای هفته در نمودارهای شکل ۴ ، ملاحظات فوق نیز تأیید می شود. انحراف از میانه تعداد جمعیت کاربران فیس بوک برای دریاچه های Maggiore و Como در طول روزهای هفته محدود شد (نگاه کنید به شکل ۴ a) در حالی که پراکندگی بالاتر در طول تعطیلات آخر هفته در فصل گردشگری بالا ثبت شد ( شکل ۴ را ببینید).ب). این رفتار ممکن است به طور منطقی با حضور بازدیدکنندگان متمرکز در تعطیلات آخر هفته در فصل گردشگری بالا توجیه شود، که انتظار می رود نسبت به حضور جمعیت کاربران ساکن ثابت نباشد. در مورد دریاچه لوگانو، توزیع تعداد کاربران حول مقادیر میانه آنها متمرکز شد و پراکندگی بالاتری در طول روزهای هفته در دوره های تعطیل مشاهده شد (به عنوان مثال، اواسط تابستان و کریسمس، به شکل ۴ a مراجعه کنید). این رفتار نشان می‌دهد که الگوی جمعیتی کاربران بر خلاف ماه‌های دیگر ناشی از حضور بازدیدکنندگان گاه به گاه است تا کارگران مرزی و جمعیت کاربران مقیم.

در همه موارد، فقط چند نقطه پرت از نمودارهای جعبه ظاهر شد. یک آزمون ساده بر روی وجود نقاط پرت قابل توجه از طریق مقایسه میانگین ماهانه و میانه تعداد جمعیت کاربران فیس بوک برای سه منطقه دریاچه انجام شد. همانطور که در جدول ۳ گزارش شده است، هیچ تفاوت معنی‌داری بین این دو آمار مشاهده نشد ، که نشان می‌دهد نتایج حاصل از اکتشاف الگوهای میانگین ماهانه توسط مقادیر پرت و شدید مغایرت ندارند.

در نهایت، میانگین تعداد کاربران فیس بوک بر اساس روز هفته و زمان ۸ ساعت در هر دو فصل گردشگری بالا و پایین، همانطور که در شکل ۵ نشان داده شده است، محاسبه شد.. همه مناطق دریاچه میانگین جمعیت کاربران را در طول شب (۱۲ صبح تا ۸ صبح به وقت گرینویچ) در روزهای هفته نشان می‌دهند، در حالی که افزایش در طول روز (۸ صبح تا ۴ بعد از ظهر و ۴ بعد از ظهر تا ۱۲ صبح به وقت گرینویچ) ثبت می‌شود. الگوهای دریاچه های مختلف از الگوهای مشاهده شده در مقایسه های قبلی پیروی می کنند. جمعیت کاربران در طول تعطیلات آخر هفته برای دریاچه‌های Maggiore و Como (که در فصل گردشگری پررنگ‌تر هستند) قله‌ها را نشان دادند در حالی که دریاچه لوگانو روند معکوس داشت. پیک‌های روز هفته برای منطقه دریاچه لوگانو در ساعات ۸ صبح تا ۴ بعد از ظهر که با ساعات کاری همپوشانی دارد، دسته‌بندی شدند. همانطور که قبلاً توضیح داده شد، این فرضیه را تقویت می کند که پویایی جمعیت روزهای هفته دریاچه لوگانو عمدتاً توسط کارگران مرزی هدایت می شود. پیک‌های روزهای هفته برای دریاچه‌های Maggiore و Como بین ساعت‌های روزانه توزیع می‌شد، در حالی که اوج‌های آخر هفته در شکاف ساعت ۸ صبح تا ۴ بعد از ظهر دسته‌بندی می‌شدند. این نشان می‌دهد که بازدیدکنندگان روزانه تأثیر قابل‌توجهی بر جمعیت کاربران دارند، به‌ویژه یکشنبه‌ها در فصل گردشگری بالا.

۴٫۲٫ ارزیابی فشار آنتروپیک

فشار آنتروپیک هم در مکان و هم در زمان با نقشه برداری از شاخص های شرح داده شده در بخش ۳ ارزیابی شد. نتایج در شکل ۶ و شکل ۷ آمده است.

شکل ۶ شامل توزیع فضایی مقادیر نسبت بین صدک ۹۰ محاسبه شده از سری زمانی کامل تعداد کاربران فیس بوک و جمعیت پایه در هر مکان (مراکز کاشی بینگ) است. نقشه به دست آمده امکان شناسایی بالاترین فشار اعمال شده بر هر مکان در نظر گرفته شده در نواحی دریاچه را فراهم کرد و معیاری از افزایش حضور گاه به گاه کاربران – به احتمال زیاد مربوط به گردشگری – با توجه به جمعیت پایه ارائه کرد. بالاترین مقادیر این شاخص در مکان‌های متعلق به مناطق مرکزی دریاچه کومو و دریاچه جنوب غربی و شمالی ماگیور رخ داده است. جای تعجب نیست که این مناطق شامل برخی از مشهورترین نقاط گردشگری منطقه مورد مطالعه است.

شکل ۷ ماه وقوع را با تمایز بین روزهای آخر هفته یا روزهای هفته، حداکثر مقادیر تعداد کاربران فیس بوک در هر مکان نشان می دهد. بیشترین تعداد کاربران برای نقاط گردشگری دریاچه‌های Maggiore و Como که بالاترین مقادیر را برای شاخص قبلی نشان می‌دهند، در تعطیلات آخر هفته در فصل پر گردشگری ثبت شده است. برای مراکز اصلی شهری، از جمله کومو و لوگانو، بالاترین مقادیر عموماً در فصل کم گردشگری (پاییز یا زمستان) و همچنین روزهای هفته، به ویژه در مناطق دریاچه لوگانو رخ می دهد.

الگوهای برجسته شده توسط اندیکاتور با الگوهایی که قبلاً بررسی شده اند مطابقت دارند. تجزیه و تحلیل میانگین تعداد کاربران فیس بوک تفاوت های جهانی بین مناطق دریاچه را نشان داد که می تواند به طور منطقی با جذابیت گردشگری واقعی آنها مرتبط باشد. با این وجود، ترکیب اطلاعات حمل شده توسط دو شاخص پیشنهادی، بینش بیشتری را در مورد تفسیر الگوهای جمعیت و فشار انسانی در سراسر منطقه مورد مطالعه ارائه کرد. برای این منظور، نقشه‌برداری از شاخص‌ها به ما این امکان را می‌دهد تا مکان‌هایی را که بیشتر از افزایش گاه به گاه حضور انسان رنج می‌برند، اشاره کنیم و معیاری قابل مقایسه برای این فشارها ارائه کنیم. علاوه بر این،

۵٫ نتیجه گیری و تحولات آینده

در این مقاله، ارزیابی الگوهای فضا-زمان جمعیت و فشار انسان بر دریاچه‌های منطقه Insubria بین شمال ایتالیا و جنوب سوئیس ارائه شد. به طور خاص، داده‌های جغرافیایی تولید شده توسط کاربر بازیابی شده از مجموعه داده‌های نقشه جمعیت فیس‌بوک برای بررسی روندها و تفاوت‌ها در تعداد کاربران ثبت‌شده در امتداد دریاچه‌های ماگیوره، کومو و لوگانو در دوره می ۲۰۲۰ تا آگوست ۲۰۲۱ مورد استفاده قرار گرفت. نتایج عددی تجزیه و تحلیل‌های اکتشافی در نمودار گنجانده شد. که به ما امکان می دهد الگوهای محلی حضور کاربران را توصیف کنیم و آنها را به فعالیت های گردشگری در سواحل دریاچه پیوند دهیم. علاوه بر این، فشار آنتروپیک،

نتایج شباهت الگوهای بین دریاچه‌های ماگیوره و مناطق کومو را با افزایش قابل‌توجه در حضور کاربران در طول تعطیلات آخر هفته و در فصل گردشگری پرشور (به‌ترتیب افزایش ۱۴٫۰% و ۱۰٫۸% در تعطیلات آخر هفته نسبت به روزهای هفته در فصل کم) بیان کرد. الگوهای پیشنهادی به شدت تحت تأثیر فعالیت‌های تفریحی و گردشگری در سواحل دریاچه‌ها قرار دارند. شاخص فشار آنتروپیک با اشاره به مکان‌های گردشگری پرطرفدار به‌عنوان بیشترین تأثیرپذیری از افزایش حضور کاربران با توجه به جمعیت پایه (با قله‌های بالاتر از ۵۰۰ درصد در برخی موارد) افشای‌های فوق را تأیید کرد. مراکز شهری اصلی دو دریاچه در عوض کمتر تحت تأثیر افزایش نسبی حضور کاربران با قله‌هایی که عمدتاً خارج از فصل گردشگری بالا هستند، قرار گرفتند. دریاچه لوگانو نسبت به دریاچه های دیگر تفاوتی نشان داد. در واقع، تجزیه و تحلیل حضور کاربران در امتداد سواحل آن نشان می‌دهد که الگوها عمدتاً تحت تأثیر جمعیت ساکن و همچنین کارگران مرزی است که فقط در روزها و ساعات کاری به منطقه می‌رسند (میانگین افزایش ۶.۶ درصدی نسبت به تعطیلات آخر هفته در طول روز). شاخص فشار آنتروپیک به نقاط داغ حضور کاربران مرتبط در طول فصل گردشگری بالا اشاره نکرد.

داده‌های جغرافیایی تولید شده توسط کاربر که توسط نقشه‌های جمعیتی فیس‌بوک ارائه می‌شود، اطلاعات بسیار ارزشمندی را در مورد حضور انسان ارائه می‌کند که – در حال حاضر – بازیابی آن از منابع سنتی داده‌های جمعیتی مانند دفاتر آمار ملی غیرممکن است. نگرانی‌ها در مورد استفاده از این مجموعه داده، هم به بازنمایی کم آن در مقایسه با جمعیت واقعی ساکن و هم عدم امکان دانستن چگونگی تأثیرگذاری انواع مختلف کاربران (مثلاً بازدیدکنندگان، ساکنان، اپراتورهای حمل‌ونقل و تمیز کردن دریاچه و غیره) مرتبط است. شمارش ها این گروه ها همچنین ممکن است تأثیرات متفاوتی بر آلودگی دریاچه داشته باشند، اما نمی توان مستقیماً با استفاده از داده های نقشه جمعیت فیس بوک آنها را در نظر گرفت. محدودیت فوق ممکن است تا حدی با ادغام تجزیه و تحلیل با روش های نظرسنجی سنتی برطرف شود (به عنوان مثال، مصاحبه یا پرسشنامه) برای استنباط استفاده از برنامه فیس بوک در دستگاه های تلفن همراه در میان گروه های مختلف کاربری. با این حال، گسترش جغرافیایی و تراکم بالای جمعیت و نوسانات گردشگری موثر بر منطقه مورد مطالعه، اجرای چنین بررسی‌هایی را دشوار می‌کرد. علاوه بر این، استفاده از داده‌های متفاوت از نقشه‌های جمعیتی فیس‌بوک خارج از محدوده تحقیق ارائه شده است که با هدف بررسی مزایا و محدودیت‌های داده‌های جمع‌سپاری برای تحلیل الگوهای جمعیتی انجام شده است. در نهایت، یکی دیگر از مسائل حاشیه ای ممکن است در هزینه های رومینگ یافت شود که ممکن است مانع از ثبت دستگاه های تلفن همراه کاربرانی که در سراسر مرزهای ملی به طور مساوی بین ایتالیا و سوئیس سفر می کنند، شود. گسترش جغرافیایی و تراکم بالای جمعیت و نوسانات گردشگری که بر منطقه مورد مطالعه تأثیر می گذارد، اجرای چنین بررسی هایی را دشوار می کند. علاوه بر این، استفاده از داده‌های متفاوت از نقشه‌های جمعیتی فیس‌بوک خارج از محدوده تحقیق ارائه شده است که با هدف بررسی مزایا و محدودیت‌های داده‌های جمع‌سپاری برای تحلیل الگوهای جمعیتی انجام شده است. در نهایت، یکی دیگر از مسائل حاشیه ای ممکن است در هزینه های رومینگ یافت شود که ممکن است مانع از ثبت دستگاه های تلفن همراه کاربرانی که در سراسر مرزهای ملی به طور مساوی بین ایتالیا و سوئیس سفر می کنند، شود. گسترش جغرافیایی و تراکم بالای جمعیت و نوسانات گردشگری که بر منطقه مورد مطالعه تأثیر می گذارد، اجرای چنین بررسی هایی را دشوار می کند. علاوه بر این، استفاده از داده‌های متفاوت از نقشه‌های جمعیتی فیس‌بوک خارج از محدوده تحقیق ارائه شده است که با هدف بررسی مزایا و محدودیت‌های داده‌های جمع‌سپاری برای تحلیل الگوهای جمعیتی انجام شده است. در نهایت، یکی دیگر از مسائل حاشیه ای ممکن است در هزینه های رومینگ یافت شود که ممکن است مانع از ثبت دستگاه های تلفن همراه کاربرانی که در سراسر مرزهای ملی به طور مساوی بین ایتالیا و سوئیس سفر می کنند، شود. استفاده از داده‌های متفاوت از نقشه‌های جمعیت فیس‌بوک، خارج از محدوده تحقیق ارائه شده است که با هدف بررسی مزایا و محدودیت‌های داده‌های جمع‌سپاری برای تحلیل الگوهای جمعیتی انجام شده است. در نهایت، یکی دیگر از مسائل حاشیه ای ممکن است در هزینه های رومینگ یافت شود که ممکن است مانع از ثبت دستگاه های تلفن همراه کاربرانی که در سراسر مرزهای ملی به طور مساوی بین ایتالیا و سوئیس سفر می کنند، شود. استفاده از داده‌های متفاوت از نقشه‌های جمعیت فیس‌بوک، خارج از محدوده تحقیق ارائه شده است که با هدف بررسی مزایا و محدودیت‌های داده‌های جمع‌سپاری برای تحلیل الگوهای جمعیتی انجام شده است. در نهایت، یکی دیگر از مسائل حاشیه ای ممکن است در هزینه های رومینگ یافت شود که ممکن است مانع از ثبت دستگاه های تلفن همراه کاربرانی که در سراسر مرزهای ملی به طور مساوی بین ایتالیا و سوئیس سفر می کنند، شود.

شایان ذکر است که همه‌گیری کووید-۱۹ ممکن است کمی بر الگوهای جمعیتی تأثیر بگذارد، زیرا محدودیت‌های حرکتی در ایتالیا و سوئیس در طول دوره مطالعه وجود داشت. با توجه به موارد فوق، پیشرفت‌های آتی کار شامل آزمایش‌های اضافی در دوره‌های طولانی مطالعه و همچنین مناطق مختلف مطالعه برای تشریح تأثیر این محدودیت‌ها خواهد بود. علاوه بر این، نتایج این مطالعه به عنوان پس‌زمینه‌ای برای اجرای مدل‌های عددی برای پیش‌بینی دینامیک جمعیت فضا-زمان و توزیع فشارهای انسانی استفاده خواهد شد. در نهایت، تجزیه و تحلیل همبستگی بین حضور انسان و پارامترهای کیفیت آب دریاچه، از جمله مواد جامد معلق و غلظت کلروفیل، با هدف برآورد تاثیر گردشگری بر آلودگی آب دریاچه ها انجام خواهد شد. پارامترهای فوق توسط پروژه SIMILE از طریق مشاهدات ماهواره ای نظارت می شوند و در حال حاضر به عنوان نقشه های چند زمانی در خروجی های پروژه در دسترس هستند.

منابع

دولت کانادا در نیوبرانزویک اهمیت دریاچه ها در دسترس آنلاین: https://www2.gnb.ca/content/gnb/en/departments/elg/environment/content/water/content/lakes/importance.html (دسترسی در ۲۴ نوامبر ۲۰۲۱).
باتریا، ر. جین، دی. ارزیابی کیفیت آب آب دریاچه: بررسی. حفظ کنید. منبع آب مدیریت ۲۰۱۶ ، ۲ ، ۱۶۱-۱۷۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
خان، MN; محمد، ف. اوتروفیکاسیون: چالش ها و راه حل ها. در Eutrophication: علل، پیامدها و کنترل . Ansari, AA, Gill, SS, Eds. Springer Science and Business Media: برلین/هایدلبرگ، آلمان، ۲۰۱۴; جلد ۲، فصل ۱٫ [ Google Scholar ]
Dokulil، MT اثرات زیست محیطی گردشگری بر دریاچه ها. در Eutrophication: علل، پیامدها و کنترل . Ansari, AA, Gill, SS, Eds. Springer Science and Business Media: برلین/هایدلبرگ، آلمان، ۲۰۱۴; جلد ۲، فصل ۷٫ [ Google Scholar ]
کالیستو، م. مولوزی، جی. باربوسا، JLE Eutrophication از دریاچه ها. در Eutrophication: علل، پیامدها و کنترل . Ansari, AA, Gill, SS, Eds. Springer Science and Business Media: برلین/هایدلبرگ، آلمان، ۲۰۱۴; جلد ۲، فصل ۵٫ [ Google Scholar ]
سان، س. لیو، ز. تأثیر فعالیت‌های گردشگری بر آلودگی آب در حوزه دریاچه غرب (هانگژو، چین). Geosci را باز کنید. ۲۰۲۰ ، ۱۲ ، ۱۳۰۲-۱۳۰۸٫ [ Google Scholar ] [ CrossRef ]
مارکوگیانی، وی. منتضافو، ع. Dimitriou، E. ارزیابی اثرات فعالیت های انسانی و فرسایش خاک بر کیفیت آب دریاچه مدیترانه کوهستانی Plastira، یونان. محیط زیست علوم زمین ۲۰۱۶ ، ۷۵ ، ۹۱۵٫ [ Google Scholar ] [ CrossRef ]
گوزلا، ال.ام. نواتی، س. کازاتا، ن. روسیولی، سی. والسکی، ال. بینلی، ا. پارولینی، م. سولکا، ن. بتینتی، آر. مانکا، م. و همکاران روندهای مکانی و زمانی ریزآلاینده های آلی و معدنی هدف در دریاچه ماگیور و دریاچه لوگانو (آب ایتالیا-سوئیس): آلودگی در رسوبات و موجودات زنده Hydrobiologia ۲۰۱۸ ، ۸۲۴ ، ۲۷۱-۲۹۰٫ [ Google Scholar ] [ CrossRef ]
والسکی، اس. بابوت، م. مازونی، م. پاسکاریلو، اس. فراریو، سی. دی فلیس، بی. بتینتی، آر. ویراند، بی. مارچند، پ. Polesello، S. Per- و Polyfluoroalkyl مواد (PFAS) در ماهی از دریاچه های اروپا: وضعیت آلودگی فعلی، منابع، و چشم انداز برای نظارت. محیط زیست سموم شیمی. ۲۰۲۱ ، ۴۰ ، ۶۵۸-۶۷۶٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
مرزیالی، ل. گوزلا، ال. سالرنو، اف. مارچتو، آ. والسکی، ال. تاسلی، اس. روسیولی، سی. Schiavon، A. روندهای آلودگی رسوبی بیست ساله در برخی از شاخه های دریاچه ماگیوره (شمال ایتالیا): ارتباط با عوامل انسانی. محیط زیست علمی آلودگی Res. ۲۰۲۱ ، ۲۸ ، ۳۸۱۹۳-۳۸۲۰۸٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
کریمر، MUG; سادیلک، ع. ژانگ، Q. مارشال، NA; تولی، جی. Cohn، EL; Hswen، Y.; پرکینز، TA; اسمیت، دی.ال. رینر، RC; و همکاران نقشه برداری تنوع جهانی در تحرک انسان نات. هوم رفتار ۲۰۲۰ ، ۴ ، ۸۰۰-۸۱۰٫ [ Google Scholar ] [ CrossRef ]
وونگ، ای. قانون، ر. لی، جی. بررسی تحقیقات برچسب گذاری جغرافیایی در گردشگری. در فناوری اطلاعات و ارتباطات در گردشگری ۲۰۱۷ ; Schegg, R., Stangl, B., Eds. انتشارات بین المللی Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۷٫ [ Google Scholar ]
تلس دا موتا، وی. Pickering، C. استفاده از رسانه های اجتماعی برای ارزیابی گردشگری مبتنی بر طبیعت: تحقیقات فعلی و روندهای آینده. IEEE Commun. Mag. ۲۰۱۸ ، ۵۶ ، ۵۲-۵۹٫ [ Google Scholar ] [ CrossRef ]
حسن، س. ژان، ایکس. Ukkusuri، SV درک فعالیت‌های انسانی شهری و الگوهای تحرک با استفاده از داده‌های مبتنی بر مکان در مقیاس بزرگ از رسانه‌های اجتماعی آنلاین. در مجموعه مقالات دومین کارگاه بین المللی ACM SIGKDD در مورد محاسبات شهری—UrbCop’13، شیکاگو، IL، ایالات متحده آمریکا، ۱۱ اوت ۲۰۱۳٫ [ Google Scholar ] [ CrossRef ]
مانکا، م. بوراتو، ال. مورل رومن، وی. مارتوری و گالیسا، او. Kaltenbrunner، A. استفاده از رسانه های اجتماعی برای توصیف الگوهای تحرک شهری: نظرسنجی و مطالعه موردی پیشرفته. اجتماعی آنلاین شبکه رسانه ۲۰۱۷ ، ۱ ، ۵۶-۶۹٫ [ Google Scholar ] [ CrossRef ]
کومیتو، سی. فالکون، دی. تالیا، دی. استخراج الگوهای تحرک انسانی از داده های برچسب گذاری شده جغرافیایی اجتماعی. اوباش فراگیر. محاسبه کنید. ۲۰۱۶ ، ۳۳ ، ۹۱-۱۰۷٫ [ Google Scholar ] [ CrossRef ]
جیانگ، بی. ما، دی. یین، جی. سندبرگ، ام. توزیع فضایی توییت های شهر و تراکم آنها: توییت های شهر و تراکم آنها. Geogr. مقعدی ۲۰۱۶ ، ۴۸ ، ۳۳۷-۳۵۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ابراهیم پور، ز. وان، دبلیو. ولاسکز گارسیا، جی.ال. سروانتس، او. Hou, L. تجزیه و تحلیل الگوهای تحرک انسانی اجتماعی-جغرافیایی با استفاده از داده های رسانه های اجتماعی در مقیاس بزرگ. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۱۲۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
مائده، ت. یوشیدا، م. توریمی، اف. اوهاشی، ح. استخراج مقاصد گردشگری و تحلیل مقایسه ای ترجیحات بین گردشگران خارجی و گردشگران داخلی بر اساس داده های رسانه های اجتماعی دارای برچسب جغرافیایی. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۹۹٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
بروولی، MA; کاناتا، م. Rogora، M. SIMILE، یک توانمند کننده زمین فضایی برای نظارت بر هدف توسعه پایدار ۶ (اطمینان از در دسترس بودن و پایداری آب برای همه). بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی ۲۰۱۹ ، XLII-4/W20 ، ۳–۱۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فیس بوک. فیس بوک داده برای خوب. در دسترس آنلاین: https://dataforgood.fb.com (در ۴ نوامبر ۲۰۲۱ قابل دسترسی است).
شپرد، HE; آتردن، FS; تئوفیلوس چان، HM; لاوریج، ا. Tatem، AJ روندهای تحرک داخلی و بین المللی در بریتانیا در طول همه گیری COVID-19: تجزیه و تحلیل داده های فیس بوک. گزارش پیش چاپ در دسترس آنلاین: http://medrxiv.org/lookup/doi/10.1101/2021.08.03.21261545 (دسترسی در ۵ نوامبر ۲۰۲۱).
بوناکورسی، جی. پیری، اف. سینلی، م. فلوری، ع. گالیازی، ا. پورچلی، اف. اشمیت، آل. Valensise، CM; اسکالا، ا. Quattrociocchi، W. و همکاران پیامدهای اقتصادی و اجتماعی محدودیت های تحرک انسانی تحت COVID-19. Proc. Natl. آکادمی علمی ایالات متحده آمریکا ۲۰۲۰ ، ۱۱۷ ، ۱۵۵۳۰–۱۵۵۳۵٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
سرما، د. داس، ا. Bera، UK برآورد تقاضای نامشخص با بهینه سازی زمان و هزینه با استفاده از نقشه فاجعه فیس بوک در عملیات امداد رسانی اضطراری. Appl. محاسبات نرم. ۲۰۲۰ , ۸۷ , ۱۰۵۹۹۲٫ [ Google Scholar ] [ CrossRef ]
جیا، اس. کیم، SH; نگیم، اس وی؛ دوهرتی، پی. Kafatos, MC الگوهای جابجایی جمعیت در طول آتش سوزی های بزرگ در کالیفرنیا با استفاده از نقشه های فاجعه فیس بوک شناسایی شد. محیط زیست Res. Lett. ۲۰۲۰ ، ۱۵ ، ۷۴۰۲۹٫ [ Google Scholar ] [ CrossRef ]
اکسولی، دی. Brovelli، MA داده های جغرافیایی تولید شده توسط شهروندان برای تجزیه و تحلیل استفاده از پارک های طبیعی: بینش های فیس بوک در منطقه Insubria. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی ۲۰۲۱ ، XLIII-B4-2021 ، ۱۹۵-۱۹۹٫ [ Google Scholar ] [ CrossRef ]
ماس، پی. گروس، آ. مک گورمن، ال. ایر، اس. پارک، دبلیو. نایاک، سی. Dow, AP Facebook Disaster Maps: Aggregate Insights for Crisis Response and Recovery. در مجموعه مقالات بیست و پنجمین کنفرانس بین المللی ACM SIGKDD در مورد کشف دانش و داده کاوی، انکوریج، AK، ایالات متحده آمریکا، ۴ تا ۸ اوت ۲۰۱۹؛ پ. ۳۱۷۳٫ [ Google Scholar ] [ CrossRef ]
زورباران، م. وایتمن، پی. بروولی، م. اکسولی، دی. ایلیف، ام. جیمنو، ام. سالازار، A. NRand-K: به حداقل رساندن تأثیر مبهم سازی مکان در تحلیل فضایی. ترانس. GIS ۲۰۱۸ ، ۲۲ ، ۱۲۵۷-۱۲۷۴٫ [ Google Scholar ] [ CrossRef ]
هیو، اس. Lim، CC; Bell, ML روابط بین فضای سبز محلی و الگوهای تحرک انسانی در طول COVID-19 برای مریلند و کالیفرنیا، ایالات متحده. پایداری ۲۰۲۰ ، ۱۲ ، ۹۴۰۱٫ [ Google Scholar ] [ CrossRef ]
Schwartz, J. Bing Maps Tile System. در دسترس آنلاین: https://docs.microsoft.com/en-us/bingmaps/articles/bing-maps-tile-system (در ۴ نوامبر ۲۰۲۱ قابل دسترسی است).
فیس بوک. داده های فیس بوک برای پورتال خوب. در دسترس آنلاین: https://partners.facebook.com/data_for_good (در ۱۰ دسامبر ۲۰۲۱ قابل دسترسی است).
Osservatorio Online dell’Economia Varesina. Flussi Turistici nel Periodo 2016–۲۰۲۰٫ در دسترس آنلاین: https://www.osserva-varese.it/turismo/flussi-turistici/varese-andamento-di-arrivi-e-presenze-trimestrale (دسترسی در ۲۹ دسامبر ۲۰۲۱).
ورلد پاپ شمارش جمعیت در دسترس آنلاین: https://www.worldpop.org/geodata/listing?id=78 (در ۱۰ نوامبر ۲۰۲۱ قابل دسترسی است).
Unpingco، J. Python Programming for Analysis Data ; Springer: برلین/هایدلبرگ، آلمان، ۲۰۲۱٫ [ Google Scholar ]
ویلیامسون، دی اف. پارکر، RA; کندریک، JS نمودار جعبه: یک روش بصری ساده برای تفسیر داده ها. ان کارآموز پزشکی ۱۹۸۹ ، ۱۱۰ ، ۹۱۶-۹۲۱٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
اداره آمار فدرال سوئیس مسافران برون مرزی در سوئیس ۱۹۹۶-۲۰۲۰٫ تعداد مسافران برون مرزی از آغاز هزاره به طور پیوسته افزایش یافته است. در دسترس آنلاین: https://www.bfs.admin.ch/bfs/en/home/news/whats-new.assetdetail.17205542.html (دسترسی در ۲۷ دسامبر ۲۰۲۱).
اداره آمار فدرال سوئیس شاخص های بازار کار برای سال ۲۰۲۱٫ نظرات در مورد یافته ها برای دوره ۲۰۱۵-۲۰۲۱٫ در دسترس آنلاین: https://www.bfs.admin.ch/bfs/en/home/news/whats-new.gnpdetail.2021-0447.html (در ۲۷ دسامبر ۲۰۲۱ قابل دسترسی است).

شکل ۱٫ مناطق مطالعه (چند ضلعی های مشخص شده قرمز و آبی)، دریاچه های Insubric (از چپ به راست: دریاچه ماگیور، دریاچه لوگانو و دریاچه کومو) و مراکز شبکه کاشی Bing (نقاط قرمز) برای مجموعه نقشه های جمعیت فیس بوک در نظر گرفته شده. کومو و لوگانو پرجمعیت ترین مراکز شهری منطقه مورد مطالعه هستند. CRS: WGS84. داده های نقشه پایه: خاکستری اسری (نور) © Esri.

شکل ۲٫ سری زمانی میانگین روزانه شمارش جمعیت کاربران فیس بوک بر حسب دریاچه در محدوده ۵ کیلومتری ( a ) و ۲ کیلومتری ( b ) مناطق حائل اطراف دریاچه های در نظر گرفته شده برای دوره مورد مطالعه از ۶ مه ۲۰۲۰ تا ۳۱ اوت ۲۰۲۱٫

شکل ۳٫ سری زمانی میانگین ماهانه تعداد کاربران فیس بوک بر اساس آخر هفته (خط چین) و روزهای هفته (خط جامد) برای سه دریاچه.

شکل ۴٫ نمودارهای جعبه ای از توزیع تعداد کاربران فیس بوک در هر ماه بر اساس روزهای هفته ( a ) و آخر هفته ( b ) برای سه دریاچه. هر جعبه با چارک اول (Q1) و سوم (Q3) مشخص می شود و خط افقی داخل جعبه میانه است. دو خطی که از جعبه امتداد می‌یابند (سبیل‌ها) تغییرپذیری خارج از Q1 و Q3 را توصیف می‌کنند. نقاط پرت با نقاطی فراتر از سبیل ها نشان داده می شوند.

شکل ۵٫ تغییر میانگین تعداد کاربران فیس بوک در روز و ساعت، در طول فصل گردشگری بالا (HS) و کم (LS).

شکل ۶٫ نقشه نسبت های بین صدک ۹۰ سری زمانی شمارش کاربران فیس بوک و ارزش جمعیت پایه. نسبت در هر مکان (مرکز کاشی بینگ) در مجموعه داده محاسبه می شود. مکان‌های گمشده از شبکه کاشی‌های بینگ مربوط به کاشی‌هایی با تعداد کاربران کمتر از ۱۰ است که در مجموعه داده‌های نقشه جمعیت فیس‌بوک موجود نبودند.

شکل ۷٫ نقشه ماه وقوع (رنگ نشانگر) با تمایز بین روزهای هفته (نشانگر مثلثی) و آخر هفته (نشانگر دایره ای) از حداکثر مقادیر تعداد کاربران فیس بوک ثبت شده در هر مکان (مرکز کاشی بینگ). اندازه نشانگر متناسب با مقدار است. مکان‌های گمشده از شبکه کاشی‌های بینگ مربوط به کاشی‌هایی با تعداد کاربران کمتر از ۱۰ است که در مجموعه داده‌های نقشه جمعیت فیس‌بوک موجود نبودند.

هوش مکانی اتیم تحقیقاتی ونوس نصیرفام