مشاوره رایگان
فیس بوکتوئیتراینستاگراماسکایپ
کپی رایت 2024

تأثیر ساختار منظر بر برخوردهای حیات وحش و وسایل نقلیه: تحلیل زمین آماری بر روابط نزدیکی نقاط داغ و زیستگاه

مقالات تأثیر ساختار منظر بر برخوردهای حیات وحش و وسایل نقلیه: تحلیل زمین آماری بر روابط نزدیکی نقاط داغ و زیستگاه

برخورد وسایل نقلیه با حیوانات در کشورهایی که شبکه بزرگراهی خوبی دارند، مشکلات جدی ایجاد می کند. هم افزایش جمعیت حیات وحش و هم توسعه مناطق شهری فاصله تماس بالقوه بین گونه های حیات وحش و وسایل نقلیه را کاهش می دهد. بسیاری از مطالعات اخیر برای درک بهتر عواملی که بر برخورد حیات وحش و وسیله نقلیه (WVCs) تأثیر می‌گذارند و روش‌های کاهش را ارائه می‌کنند، انجام شده است. بیشتر این مطالعات تراکم جاده، حجم ترافیک، نوسانات فصلی و غیره را مورد بررسی قرار دادند. با این حال، در تجزیه و تحلیل توزیع WVC، مطالعات کمی یک رویکرد تحلیل زمین آماری فاصله مکانی و معنی‌دار را در نظر گرفته‌اند که شامل چگونگی ارتباط دسته‌های کاربری مختلف با فاصله است. به WVC ها مطالعه ما به بررسی توزیع فضایی زمین های کشاورزی، مراتع و مراتع، جنگل ها، مناطق ساخته شده، رودخانه ها، دریاچه ها و حوضچه ها، برای برجسته کردن خطرناک ترین بخش های جاده ها که در آن WVC ها رخ می دهند. ما شش فاصله بالقوه «نقطه داغ» (۵-۱۰-۲۵-۵۰-۱۰۰-۲۰۰ متر) را برای ارزیابی نقش عناصر مختلف منظر در وقوع WVC بررسی کردیم. ابزار تحلیل نزدیک نشان داد که فاصله ۱۰ تا ۲۵ متر تا عناصر مختلف منظر حساس ترین نتایج را ارائه می دهد. نقاط داغ مرتبط با زمین‌های کشاورزی، جنگل‌ها، و همچنین مراتع و مراتع، در جاده‌های نزدیک (۱۰ متر) به اوج خود رسید، در حالی که نقاط داغ مرتبط با مناطق مسکونی، رودخانه‌ها، دریاچه‌ها و برکه‌ها در جاده‌های دورتر (۲۰۰ متر) به اوج خود رسید. ) از این انواع کاربری. ما دریافتیم که ترتیب اهمیت زیستگاه در نقاط داغ WVC، زمین کشاورزی <جنگل < مراتع و مراتع < مناطق ساخته شده < رودخانه ها < دریاچه ها و برکه ها است.

کلید واژه ها:

برخوردها _ GIS _ نقاط داغ ؛ نوع کاربری ; فاصله نزدیک ؛ برخورد حیات وحش و وسیله نقلیه

۱٫ مقدمه

برخورد وسایل نقلیه حیات وحش (WVCs) در لیتوانی و همچنین در سایر مناطق توسعه یافته و حتی کمتر توسعه یافته جهان، مسائل ترافیکی و ایمنی حیات وحش قابل توجهی در نظر گرفته می شود [ ۱ ، ۲ ، ۳ ]. بوم‌شناسانی که مشکلات مرتبط با WVCها را تجزیه و تحلیل می‌کنند، اغلب مبنای قلمروهای جغرافیایی مرجعی را که WVCها در آنها ثبت می‌شوند، انتخاب می‌کنند [ ۴ ، ۵ ، ۶ ]. این مطالعات نشان داده‌اند که WVCها به‌طور تصادفی در بین جاده‌ها توزیع نمی‌شوند، اما فراوانی آنها بر اساس کاربری زمین و گونه‌های مهره‌دار منفرد متفاوت است [ ۲ , ۵ , ۷ , ۸ , ۹].
تمایل به کاهش اثرات منفی WVCها مستلزم استفاده از اقدامات پیشگیرانه مبتنی بر تحقیق است [ ۱۰ ، ۱۱ ]. به منظور افزایش اثربخشی هزینه کاهش WVC، مناسب است که اقدامات پیشگیرانه را ابتدا در مورد آسیب‌دیده‌ترین بخش‌های جاده اعمال کنیم، که نیازمند دانش «نقاط داغ» WVC است [ ۱۲ ، ۱۳ ]. همراه با تراکم ترافیک و عوامل جریان، عوامل زمانی و مکانی مهم هستند و اغلب با هم به عنوان تجمعات وسیله نقلیه حیات وحش (WVAs) ارزیابی می شوند، که تا حد زیادی توضیح می دهد که چگونه و چرا برخورد با حیوانات در بخش های مختلف جاده ها رخ می دهد.
تجزیه و تحلیل نقاط داغ برخورد حیات وحش-وسیله نقلیه (WVHPs) یک روش موثر برای تعیین اینکه چنین برخوردهایی به کدام عوامل چشم انداز (استفاده از زمین) مرتبط است [ ۱۴ ]. در حالت استاندارد، نقاط داغ واحدهای آماری در مدل‌های سیستم اطلاعات جغرافیایی یا ریاضی (GIS) هستند که بررسی می‌کنند چگونه مناظر، حجم ترافیک، شبکه جاده‌ها و شدت حیات وحش بر شدت WVC در یک بخش فضایی یا جاده خاص تأثیر می‌گذارند. مطالعات نشان می‌دهد که عناصر کاربری زمین و توزیع آنها نقش مهمی در مدل‌های WVC دارند [ ۱۵ ]. روش WVHP یکی از ابزارهای اصلی برای تجزیه و تحلیل ارتباط فضایی برخورد وسایل نقلیه با حیات وحش است [ ۱۶ ، ۱۷ ].
یک نتیجه رایج از تحلیل فضایی WVHP این است که برخوردها در فضا دسته‌بندی شده‌اند و با ویژگی‌های مرتبط با چشم‌انداز و جاده مشخص می‌شوند. تجزیه و تحلیل این ویژگی‌های چشم‌انداز-جاده امکان شناسایی نحوه تأثیر استفاده از زیستگاه حیوانات بر برخورد با وسایل نقلیه را فراهم می‌کند. استفاده عملی از تجزیه و تحلیل WVHP این است که، بر اساس ارزیابی شرایط WVCها، امکان ایجاد مدل های منظره ای وجود دارد که امکان شناسایی و پیش بینی نقاط داغ WVC در جاده ها را فراهم می کند، بنابراین استفاده از اقدامات پیشگیرانه WVC را بهینه می کند [ ۱۸ , ۱۹ ، ۲۰ ].
مطالعه ما رابطه بین فاصله تا انواع مختلف کاربری زمین و فراوانی برخورد بین حیوانات وحشی بزرگ (گوزن، گوزن، گراز وحشی، و غیره) و وسایل نقلیه را در جاده‌های لیتوانی ارزیابی کرد. شناسایی انواع کاربری زمین که به طور قابل توجهی WVC را تحت تاثیر قرار می دهند، امکان توسعه یک مدل کلی را فراهم می کند که ممکن است در انواع مختلف جاده ها و در کشورهای توسعه یافته و کمتر توسعه یافته قابل استفاده باشد.

۲٫ مواد و روشها

۲٫۱٫ منطقه مطالعه

مطالعه ما تصادفات وسیله نقلیه و حیات وحش در لیتوانی را که در همه انواع جاده‌ها رخ داده است، تجزیه و تحلیل کرد. لیتوانی با مساحت ۶۵۳۰۰ کیلومتر مربع ، کشوری با عرض جغرافیایی متوسط ​​(۵۵ درجه عرض شمالی) در بخش غربی دشت اروپای شرقی و در منطقه جنگل‌های مختلط اروپای شرقی واقع شده است. بین ۵۶ درجه و ۲۷ دقیقه و ۵۳ درجه و ۵۴ دقیقه عرض شمالی و ۲۰ درجه و ۵۶ دقیقه و ۲۶ درجه و ۵۱ دقیقه طول شرقی واقع شده است. آب و هوای این کشور بین اقلیم دریایی معتدل اروپای غربی و آب و هوای خشن تر قاره ای اروپای شرقی انتقالی است. چشم انداز لیتوانیایی شامل جنگل ها، مراتع، مرداب ها، ماسه ها، انواع آب و ویژگی های انسانی است [ ۲۱ ]. دسته بندی کاربری اراضی کشور، بر اساس مجموعه داده های فضایی کاداستر جغرافیایی ارجاع داده شده [ ۲۲]، شامل مناطق کشاورزی فشرده (۴۶٫۴ درصد از مساحت کشور)، جنگل ها (۳۳٫۰ درصد)، مراتع و مراتع (۵٫۴ درصد)، بوته ها (۲٫۹٪)، مناطق ساخته شده (۳٫۵٪) و سایر اراضی مناطق استفاده (۸٫۸%). محیط های طبیعی، جمعیت حیات وحش و تنوع زیستی لیتوانی تحت تأثیر این الگوهای کاربری زمین قرار دارند.
جمعیت انسانی لیتوانی در دهه‌های اخیر کاهش یافته است و به بیش از ۲۷۲۲۲۸۹ نفر در سال ۲۰۲۰ رسیده است . در این مناطق از لیتوانی، زمین نسبتاً هموار است و زمین های کشاورزی توسعه یافته وجود دارد. مناطق شرقی و جنوب شرقی کشور کمترین جمعیت را دارند (۱۵ تا ۲۰ نفر در کیلومتر مربع ) ، که در آن مناطق وسیعی از جنگل ها، توده های آبی فراوان و زمین های مواج رخ می دهد. شبکه راه های لیتوانی از دو راه ملی (ایالتی) و جاده های محلی تشکیل شده است که مجموعاً شبکه ای به طول ۹۱۷۱۸ کیلومتر را تشکیل می دهند. میانگین تراکم جاده های کشور ۰٫۷۱ کیلومتر بر کیلومتر مربع است. صرف نظر از کاهش جمعیت، تعداد وسایل نقلیه در لیتوانی حدود ۳٫۵ درصد در سال افزایش یافته است. علاوه بر این، در سال ۲۰۲۰، ۱،۸۴۷،۵۷۱ وسیله نقلیه جاده ای در لیتوانی ثبت شده است (۴۸۶ اتومبیل شخصی به ازای هر ۱۰۰۰ نفر). میانگین حجم ترافیک سالانه در جاده ها نیز افزایش یافته است و تا ژانویه ۲۰۱۷، ۱۵۶۶ خودرو در روز بود [ ۲۳ ].
گونه های حیات وحش اغلب در WVC ها در جاده های لیتوانیایی درگیر می شوند. در پایگاه داده این تحقیق، صحرای بزرگ گنجانده شده است: آهو ( Capreolus capreolus )، گوزن ( Alces alces ) و گراز وحشی ( Sus scrofa )، که به دلیل تب خوکی آفریقایی کاهش یافته است، تنها از سال ۲۰۱۵ بازگشته است. برآورد جمعیت فعلی برای این گونه ها به شرح زیر است: گوزن، ۱۸۰۵۱۴; گوزن، ۱۹,۴۱۰; گراز وحشی، ۱۳۴۸۹ [ ۲۴ ].

۲٫۲٫ داده های برخورد

ما از پایگاه داده پلیس راه لیتوانی استفاده کردیم که حاوی داده‌های مربوط به همه WVC‌های ثبت‌شده در لیتوانی است. این پایگاه داده جنبه های خاصی از هر رویداد WVC از جمله مکان دقیق حادثه (نشان دهنده مختصات جغرافیایی دقیق)، زمان حادثه، گونه های درگیر (در صورت امکان)، افراد مجروح یا کشته شده در طول حادثه، و موارد دیگر را مستند می کند. اطلاعات داده‌های موجود تمام برخوردهای رسمی ثبت شده بین وسایل نقلیه و حیوانات (وحشی، اهلی، یا ناشناس) در جاده‌های لیتوانی را از سال ۲۰۱۴ تا ۲۰۱۸ مستند می‌کند (۱۴۴۲۷ برخورد با حیوانات به طور رسمی ثبت شده است). برای تحلیل بیشتر، این داده ها با توجه به مختصات حادثه بر اساس سیستم مختصات LKS 94 به پایگاه GIS منتقل شدند. سوابق ارسال شده از برخورد حیوانات با وسایل نقلیه ای که مختصات آنها اشتباه شناسایی شده بود (نقاط در خارج از لیتوانی قرار داشتند، یا شرح پروتکل به وضوح با مکان WVC ها مطابقت نداشت) از کل مجموعه داده حذف شد. پس از حذف این رکوردهای نامعتبر، ۱۳۹۸۸ رویداد برای تجزیه و تحلیل دقیق مورد استفاده قرار گرفت. اگرچه ما بر برخورد حیوانات وحشی تمرکز کردیم، موارد برخورد حیوانات خانگی یا ناشناس را نیز در تجزیه و تحلیل قرار دادیم (جدول ۱ ).

۲٫۳٫ تحلیل داده ها

برای افزایش قابلیت اطمینان داده‌های مرتبط با عوامل مکانی مؤثر بر وقوع WVCها، پایگاه‌های اطلاعاتی جغرافیایی و آماری اضافی موجود برای لیتوانی، از جمله جنگل، مرجع جغرافیایی، و پایگاه‌های اطلاعاتی آماری رسمی استفاده شد. این مجموعه داده ها به محاسبات با کیفیت بالا و روش های تأیید داده ها نیاز داشتند. هر رکورد WVC با یک نوع کاربری خاص بر اساس فاصله آن از نوع کاربری مرتبط بود. شش نوع کاربری زمین مورد تجزیه و تحلیل قرار گرفت: جنگل ها، زمین های کشاورزی، مراتع و مراتع، مناطق ساخته شده، رودخانه ها، و همچنین دریاچه ها و برکه ها. هر لایه برداری از نوع کاربری زمین از مجموعه داده های فضایی کاداستر جغرافیایی مرجع [ ۲۲ ] (مقیاس M 1:10000) استخراج شد.
ابزار تحلیل نزدیک در نرم افزار ArcMap 10.8.1 برای محاسبه فواصل دقیق و اطلاعات مجاورت اضافی بین ویژگی های ورودی (نقاط WVC) و نزدیکترین ویژگی (نوع کاربری زمین) در لایه یا کلاس ویژگی دیگر استفاده شد. تجزیه و تحلیل نزدیک از ۵ متر تا ۲۰۰ متر فاصله از یک WVC برای ارزیابی رابطه بین فاصله به انواع مختلف کاربری زمین و وقوع WVC انجام شد. در محدوده ۲۰۰ متری، ۶ فاصله «نقطه داغ» در نظر گرفته شد (۵ متر، ۱۰ متر، ۲۵ متر، ۵۰ متر، ۱۰۰ متر، ۲۰۰ متر)، و WVCهایی که در یک شعاع خاص در رابطه با نوع کاربری زمین رخ داده بودند، به آن دسته اختصاص داده شد و نقاط داغ ایجاد شد. ابزار تجزیه و تحلیل نقطه داغ بهینه برای شناسایی خوشه‌های فضایی معنی‌دار آماری مقادیر بالا (نقاط داغ) و مقادیر پایین (نقاط سرد) مورد استفاده قرار گرفت. ابزار تجزیه و تحلیل نقطه داغ، توزیع همه WVCها را در کل منطقه مورد مطالعه ما (کشور لیتوانی) در نظر گرفت و نقاط داغ را در مناطقی ایجاد کرد که نقاط حادثه (WVCs) جمع می‌شوند و همچنین نقاط سرد، جایی که نقاط حادثه (WVC) نادر بودند این ابزار به‌طور خودکار داده‌های حادثه را جمع‌آوری می‌کند، مقیاس مناسبی از تجزیه و تحلیل را شناسایی می‌کند، و آزمایش‌های چندگانه و وابستگی فضایی را تصحیح می‌کند. با توجه به نقاط حادثه (نقاط WVC) یا ویژگی های وزنی (چند ضلعی های انواع کاربری های مختلف)، نقشه ای از نقاط سرد و گرم از نظر آماری با استفاده از آمار Getis-Ord Gi ایجاد می کند. این آمار ویژگی های کلاس ویژگی ورودی را برای تولید نتایج بهینه ارزیابی می کند. که در آن نقاط حادثه (WVCs) نادر بودند. این ابزار به‌طور خودکار داده‌های حادثه را جمع‌آوری می‌کند، مقیاس مناسبی از تجزیه و تحلیل را شناسایی می‌کند، و آزمایش‌های چندگانه و وابستگی فضایی را تصحیح می‌کند. با توجه به نقاط حادثه (نقاط WVC) یا ویژگی های وزنی (چند ضلعی های انواع کاربری های مختلف)، نقشه ای از نقاط سرد و گرم از نظر آماری با استفاده از آمار Getis-Ord Gi ایجاد می کند. این آمار ویژگی های کلاس ویژگی ورودی را برای تولید نتایج بهینه ارزیابی می کند. که در آن نقاط حادثه (WVCs) نادر بودند. این ابزار به‌طور خودکار داده‌های حادثه را جمع‌آوری می‌کند، مقیاس مناسبی از تجزیه و تحلیل را شناسایی می‌کند، و آزمایش‌های چندگانه و وابستگی فضایی را تصحیح می‌کند. با توجه به نقاط حادثه (نقاط WVC) یا ویژگی های وزنی (چند ضلعی های انواع کاربری های مختلف)، نقشه ای از نقاط سرد و گرم از نظر آماری با استفاده از آمار Getis-Ord Gi ایجاد می کند. این آمار ویژگی های کلاس ویژگی ورودی را برای تولید نتایج بهینه ارزیابی می کند. با استفاده از آمار Getis-Ord Gi، نقشه ای از نقاط سرد و گرم از نظر آماری مهم ایجاد می کند. این آمار ویژگی های کلاس ویژگی ورودی را برای تولید نتایج بهینه ارزیابی می کند. با استفاده از آمار Getis-Ord Gi، نقشه ای از نقاط سرد و گرم از نظر آماری مهم ایجاد می کند. این آمار ویژگی های کلاس ویژگی ورودی را برای تولید نتایج بهینه ارزیابی می کند.۲۵ ، ۲۶ ]. این ابزار برای همه داده ها (نقاط یا چند ضلعی)، از جمله داده های نمونه مناسب است. علاوه بر این، این ابزار حتی در مواردی که نمونه برداری بیش از حد وجود دارد، موثر و قابل اعتماد است. این ابزار با ویژگی های بسیار (نمونه برداری بیش از حد)، اطلاعات بیشتری برای محاسبه نتایج دقیق و قابل اعتماد دارد. با ویژگی‌های کمی (نمونه‌برداری کم)، این ابزار همچنان تمام تلاش خود را برای تولید نتایج دقیق و قابل اعتماد انجام می‌دهد، اما اطلاعات کمتری برای تجزیه و تحلیل وجود خواهد داشت. در مطالعه ما، ۱۳۹۹۹ نقطه (WVC) وجود داشت که به این معنی است که مجموعه داده دارای ویژگی‌های زیادی بود (نمونه‌برداری بیش از حد). یک امتیاز z بالا و مقدار p کوچک برای یک ویژگی، خوشه‌بندی فضایی مقادیر بالا را نشان می‌دهد. نمره z منفی کم و p کوچک-value نشان دهنده یک خوشه بندی فضایی از مقادیر کم است. هر چه امتیاز z بالاتر (یا کمتر) باشد، خوشه بندی شدیدتر است. z-score نزدیک به صفر نشان دهنده عدم خوشه بندی فضایی آشکار است. در مطالعه ما، تنها ۹۹ درصد از داده های سطح اطمینان استفاده شد.
نتایج z-score و p – value نشان می دهد که ویژگی های دارای مقادیر بالا یا پایین به صورت مکانی خوشه می شوند. این ابزار با تجزیه و تحلیل هر ویژگی در زمینه ویژگی های همسایه کار می کند. برای اینکه یک نقطه داغ از نظر آماری معنی دار باشد، یک ویژگی باید دارای ارزش بالایی باشد و توسط ویژگی های دیگر نیز با مقادیر بالا احاطه شود [ ۲۷ ].

۳٫ نتایج

تجزیه و تحلیل نقاط داغ و نقشه های تولید شده به وضوح نشان می دهد که تأثیر و اهمیت یک نوع کاربری خاص به فاصله آن تا WVCها بستگی دارد. توزیع نقاط داغ مرتبط با انواع مختلف کاربری زمین به دو گروه بر اساس فاصله – برد کوتاه ( شکل ۱ الف) و برد طولانی ( شکل ۱ ب) تقسیم می شود. انواع کاربری زمین کوتاه برد شامل عناصر ضروری زیستگاه گونه (جنگل ها) و منابع غذایی اولیه (زمین کشاورزی و مراتع و مراتع)، در حالی که عوامل انسانی (مناطق ساخته شده) و کریدورهای مهاجرت مرتبط با آب (رودخانه ها و دریاچه ها) است. و حوضچه ها) از انواع کاربری زمین دوربرد (B) هستند.
نقاط داغ WVC عمدتاً با زمین‌های کشاورزی و جنگل‌ها و همچنین مراتع و مراتع مرتبط بودند و بیشتر در شعاع ۱۰ متری رخ می‌دادند. در مجموع، این انواع کاربری زمین ۴۷۷۷ (۸۶٪) از نقاط داغ را با سطح اطمینان ۹۹٪ تشکیل می دهند. مناطق ساخته شده انسانی نیز با نقاط داغ (۴۴۶، ۸٪) همراه بود، اما بحرانی ترین فاصله ۲۰۰ متر بود. رودخانه ها و دریاچه ها و حوضچه ها با هم با تعداد کمتری از نقاط داغ (۹۴۰، ۱۰٫۲٪) در سراسر محدوده ۲۰۰ متر همراه بودند و افزایش قابل توجهی در ۲۰۰ متر نشان دادند. این انواع کاربری اراضی به عنوان کریدورهای مهاجرت (رودخانه ها) و تامین آب (رودخانه ها و دریاچه ها و برکه ها) قابل توجه هستند.
برای جنگل‌ها (۵/۴۳ درصد نقاط داغ)، زمین‌های کشاورزی (۵/۳۵ درصد) و مراتع و مراتع (۸/۳۶ درصد)، بیشترین درصد نقاط گرم با سطح اطمینان ۹۹ درصد برای همه گونه‌ها در ۱۰ متر و ۲۵ متر توزیع شده است. ( شکل ۲ A-C). درصد نقاط داغ بر اساس فاصله تا مناطق ساخته شده ناهموار، توزیع نامنظم بود و هیچ الگوی واضحی مشاهده نشد ( شکل ۲ D، درصد از ۴٫۱٪ تا ۲۹٫۱٪ متغیر بود). درصد نقاط داغ مرتبط با رودخانه ها ( شکل ۲E) یک الگوی کلی افزایش برای همه گونه ها در ارتفاع ۲۵ متر و ۵۰ متر، کاهش در ۱۰۰ متر و سپس افزایش در ۲۰۰ متر نشان داد. این امر به ویژه در مورد گراز وحشی و گوزن، و همچنین دسته “گونه های دیگر” صادق است. به عنوان مثال، نقاط داغ گراز وحشی از ۶٫۸٪ در ۱۰ متر به ۲۷٫۳٪ در ۲۰۰ متر افزایش یافته است. درصد بیشتری از نقاط داغ مرتبط با دریاچه ها و حوضچه ها در فواصل دورتر از این نوع کاربری زمین ایجاد شده است ( شکل ۲ F). در ۱۰ متر از دریاچه ها و حوضچه ها، درصد نقاط داغ از ۷٫۴٪ تا ۱۱٫۵٪ متغیر بود، در حالی که در ۲۰۰ متر، درصد نقاط داغ از ۲۸٫۸٪ تا ۳۱٫۳٪ متغیر بود.
ما هیچ تفاوت آماری معنی داری (آزمون دقیق فیشر، p > 0.05) در توزیع نقطه داغ بین گونه ها در هر فاصله برای جنگل ها ( p = ۱٫۱۷) ( شکل ۲ A)، مراتع و مراتع ( p = ۲٫۳۹) ( شکل ۲ C ) پیدا نکردیم. و دریاچه ها و برکه ها ( p = ۱٫۰) ( شکل ۲ F). ما تفاوت های قابل توجهی را در توزیع نقطه داغ بین گونه های نزدیک زمین کشاورزی پیدا کردیم ( ۰۱۴/۰ = p ) بسته به فاصله. بارزترین تفاوت (آزمون دقیق فیشر، ص<0.05) بین گوزن (WVC بیشتر نزدیکتر به زمین کشاورزی) و گوزن (WVC بیشتر در فاصله میانی تا زمین کشاورزی) بود. جای تعجب نیست که گروه “دیگر حیوانات” (حیوانات اهلی در این دسته هستند) تعداد بیشتری از نقاط داغ را در فواصل کوتاهتر از مناطق ساخته شده ( ۰٫۰۰۱ = p) ایجاد کردند (آزمایش دقیق فیشر، p <0.05).
ترکیب همه انواع کاربری زمین و فواصل برای ایجاد مناطق عمومی WVC در سراسر کشور ( شکل ۳ ) نشان داد که چگونه هر نوع کاربری و فاصله جداگانه (در اینجا به سه دسته ۱۰ متری، ۵۰ متری و ۲۰۰ متری ترکیب شده است) به الگوی کلی کمک کرد. به طور کلی، مناطق ترکیبی نقطه داغ با هیچ الگوی نوع کاربری فردی منطبق نبودند. به عنوان مثال، زمین های کشاورزی در نزدیک ترین فواصل (۱۰ متر و ۵۰ متر) نقش مثبتی در ایجاد یکی از بزرگترین مناطق داغ در اطراف شهر پایتخت ویلنیوس نداشته است (دو نقشه اول از سه نقشه کوچکتر زیر نقشه بزرگتر). در شکل ۳). با این حال، زمانی که WVCها در فاصله دورتر (۲۰۰ متر) رخ دادند، ورودی زمین کشاورزی کمک مثبتی داشت، در حالی که علفزارها و مراتع، و جنگل‌ها در این دورترین فاصله نقش منفی یا مثبتی در ایجاد منطقه داغ در اطراف ویلنیوس نداشتند. در برخی از مناطق کشور، انواع کاربری خاص بسیار نزدیک به تولید نقطه داغ WVC بود (به عنوان مثال، زمین کشاورزی در ۱۰ متر در شمال لیتوانی یا جنگل در ۱۰ متر در جنوب شرقی لیتوانی).
تجزیه و تحلیل نقطه داغ اجازه می دهد تا همه انواع کاربری زمین بر اساس اهمیت آنها (طبق آمار Getis-Ord Gi مورد استفاده در ابزار تجزیه و تحلیل نقطه داغ) در رابطه با WVC ها به ترتیب زیر رتبه بندی شوند: زمین کشاورزی < جنگل ها < مراتع و مراتع < مناطق ساخته شده < رودخانه ها < دریاچه ها و برکه ها. زمین های کشاورزی و جنگل ها انواع کاربری غالب در لیتوانی و مهمترین زیستگاه های حیات وحش هستند. بنابراین، آنها با بیشترین تعداد نقاط داغ WVC همراه بودند. تجزیه و تحلیل فاصله نشان داد که جنگل‌ها کمترین میانگین فاصله را تا نقاط داغ WVC داشتند و فاصله تا نقاط داغ برای این نوع کاربری زمین متغیر کمتری بود. سایر انواع کاربری زمین دارای میانگین فاصله بالاتر و توزیع متغیرتر فواصل تا نقاط داغ WVC بودند.

۴٫ بحث

مطالعه ما نشان داد که نقاط داغ WVC به فاصله بین نقطه حادثه و یک نوع کاربری خاص بستگی دارد. بیشترین تعداد نقاط داغ WVC در مجاورت زمین های کشاورزی و جنگل ها و همچنین مراتع و مراتع ایجاد شده است. هر سه نوع کاربری اراضی اجزای مهم زیستگاه را برای ونگل های بزرگ وحشی تشکیل می دهند [ ۲۸ ، ۲۹ ]]. استفاده از زمین‌های کشاورزی و جنگل‌ها، و همچنین مراتع و مراتع، توسط صمغ‌های بزرگ و تأثیر این زیستگاه‌ها بر اکولوژی آنها (ترجیحات زیستگاه، جفت‌گیری، رفتارهای جفت‌گیری، پویایی جمعیت) قابل توجه است. بنابراین، ارتباط آنها با نقاط داغ WVC انتظار می رود. از علفزارها و مراتع و همچنین زمین های کشاورزی، گوزن، گوزن قرمز و گراز وحشی به عنوان زیستگاه های مهم تغذیه در تمام فصول سال استفاده می کنند، در حالی که جنگل ها زیستگاه اصلی آنها محسوب می شود. گوزن، یک مرورگر معمولی، بیشتر از سایر گونه‌های صحرایی با جنگل‌ها مرتبط است [ ۲۸ ]. برخی از مدل‌های صریح فضایی در مورد فراوانی صحرا در سرتاسر چشم‌انداز، تأثیر متغیرهایی مانند زیستگاه جنگل و تلاقی زیستگاه جنگلی در یک ماتریس کشاورزی را نشان داده‌اند [ ۳۰ ]]. این الگوی موزاییکی توزیع جنگل در چشم انداز کشاورزی مشخصه لیتوانی است. تلاقی بین جنگل و زیستگاه های باز (زمین کشاورزی و مراتع و مراتع) ممکن است شباهت در توزیع نقطه داغ WVC در فواصل کوتاه تر به این زیستگاه ها را در مطالعه ما توضیح دهد. جابجایی های فصلی و روزانه صحرای بزرگ بین زمین های جنگلی و باز ممکن است ناگزیر با شبکه های جاده ای همپوشانی داشته باشد و احتمال WVC ها را افزایش دهد [ ۳۱ ].
ما تفاوت‌هایی را در تعداد مطلق نقاط داغ بین انواع پوشش زمین پیدا کردیم، که ممکن است به سهم یک نوع کاربری زمین در ساختار کلی زمین و اهمیت آن برای حیات وحش مرتبط باشد. زمین های کشاورزی (۴۶٫۴٪ از زمین در لیتوانی) با بیشترین تعداد نقاط داغ WVC همراه بود و نقاط داغ با ارزش اطمینان بالاتر نسبت به مراتع و مراتع (۵٫۴٪ از کل زمین) ایجاد کرد. زیستگاه جنگلی (تقریباً ۳۰٪ از کل زمین) نیز نقش مهمی در تولید نقاط داغ WVC در کل چشم انداز لیتوانیایی ایفا کرد.
تولید نقاط داغ WVC از نظر آماری در فواصل دورتر از این سه زیستگاه ضعیف‌تر بود. ما دریافتیم که احتمال تغییر زیستگاه برای زمین های کشاورزی ( ۰۰۰۳۹/۰ = p )، جنگل ها ( ۰۰۰۲۴/۰ = p ) و مراتع و مراتع ( p= 0.00011) با افزایش فاصله از نقطه حادثه افزایش می یابد، که اهمیت این زیستگاه ها را در نسل هات اسپات کاهش می دهد. علاوه بر این، ما ارتباط نسبتاً کمی بین نقاط داغ WVC و بیشتر انواع زیستگاه در نزدیکترین فاصله (۵ متر) از نقطه حادثه پیدا کردیم. ما معتقدیم که ۵ متر ممکن است فاصله بسیار کوتاهی برای ابزار GIS باشد تا به طور موثر بین انواع زیستگاه ها تمایز قائل شود، همچنین ۵ متر می تواند کوچکتر از اندازه جاده ای باشد که در آن برخورد اتفاق می افتد. به عنوان مثال، حتی اگر جاده ای از جنگل عبور کند، در بیشتر موارد، حاشیه جنگل از جاده دورتر از ۵ متر است و ابزار GIS این زیستگاه را به عنوان مرتبط با نقطه تصادف در ۵ متر نشان نمی دهد. از این رو،
یک الگوی متفاوت از رابطه فاصله نقطه داغ-زیستگاه برای سه نوع کاربری دیگر (مناطق ساخته شده، رودخانه ها، و دریاچه ها و حوضچه ها) پیدا شد. نقاط داغ با افزایش فاصله تا این گونه‌های زیستگاهی برای همه گونه‌ها افزایش می‌یابند. به طور کلی، نقاط داغ کمتری در ۵، ۱۰ و ۲۵ متر و بیشتر در فواصل بیش از ۵۰ متر در ارتباط با این زیستگاه ها وجود داشت. این الگو برای دریاچه‌ها و برکه‌ها واضح‌تر بود، اما برای مناطق ساخته‌شده و رودخانه‌ها متغیرتر بود. دریاچه‌ها و برکه‌ها می‌توانند به‌عنوان «لکه‌های جذاب» برای حیات وحش عمل کنند، و این گونه‌ها ممکن است مسیرهای دائمی را برای رسیدن به این آب‌ها ایجاد کرده باشند [ ۳۲ ، ۳۳ ]]. هنگامی که یک دریاچه یا حوضچه دورتر از جاده باشد، ممکن است مسیرهای بالقوه بیشتری وجود داشته باشد که از جاده عبور کنند، که احتمال WVCها را افزایش می دهد. در اقلیم‌های خشک‌تر، نزدیکی منابع آب می‌تواند بر خوشه‌های WVC تأثیر بگذارد زیرا آب یک منبع محدودکننده برای بسیاری از گونه‌های حیات وحش در این محیط‌ها است [ ۳۴ ]. علاوه بر این، Boroski و Mossman [ ۳۵ ] دریافتند که توزیع گوزن قاطر در شمال کالیفرنیا، ایالات متحده، تحت تأثیر مکان منابع آب قرار دارد.
رابطه بین تعداد نقاط داغ و فاصله برای مناطق ساخته شده واضح نبود. به عنوان مثال، نقاط داغ WVC برای گونه‌های دیگر (که شامل حیوانات اهلی می‌شود) و گراز وحشی در نزدیکی مناطق مسکونی (۵ متر) تعداد نسبتاً بالایی داشتند، سپس در ۱۰-۲۵ متر کاهش یافت، در ۵۰ متر افزایش یافت، و سپس در ۱۰۰ متر کاهش یافت. متر، قبل از افزایش مجدد در ۲۰۰ متر. در سطح ملی، ما تولید نقاط داغ بیشتری را در نزدیکی مناطق بزرگ شهری پیدا کردیم. منطقی ترین توضیح برای این الگو، عامل شدت وسیله نقلیه است تا ترجیحات زیستگاهی حیات وحش. نقاط داغ WVC شهری بیشتر به احتمال زیاد ناشی از جریان ترافیک با تراکم بالا، به ویژه در امتداد جاده‌های برون شهری نزدیک به زیستگاه‌های جنگلی است [ ۳۶ ]]. این در اروپا برای گوزن و گراز وحشی گزارش شده است، برای کشورهایی که در آنها تراکم جمعیت این حیوانات زیاد است [ ۳۷ ]، و این گونه ها ممکن است به ویژه نسبت به انسان و شهرنشینی تحمل کنند. در لوبلین، لهستان، مرگ و میر بالای جاده آهو در جاده های خروجی که از مناطق سرسبز در حاشیه شهر عبور می کردند، مشاهده شد [ ۳۸ ]]. توضیح دیگر ممکن است این باشد که تعداد زیادی از WVCها در مجموعه داده مورد استفاده در مطالعه ما به عنوان “حیوانات دیگر” ثبت شده است که حاوی حیوانات اهلی است، و منطقی است که آنها اغلب در WVCهای نزدیک شهرها درگیر می شوند. ما برخی از الگوهای گونه خاص از تعداد نقاط داغ و روابط نزدیکی زیستگاه را پیدا کردیم. نقاط داغ برخورد گوزن و وسیله نقلیه بیش از هر گروه گونه دیگری ایجاد شد، که جای تعجب نیست زیرا گوزن گوزن فراوان ترین (از گونه های مورد تجزیه و تحلیل) گونه های حیات وحش در لیتوانی است. به‌عنوان یک گونه پلاستیکی زیست‌محیطی، گوزن خوک نسبت به گوزن، گونه‌ای که از نظر اکولوژیکی تخصصی‌تر است، رابطه کمتری در تعداد نقاط داغ WVC بسته به فاصله تا جنگل‌ها، زمین‌های کشاورزی، و مراتع و مراتع نشان داد. تعداد نقاط داغ WVC گوزن به شدت با فاصله تا زیستگاه جنگل مرتبط بود. تعداد نقاط داغ WVC توسط گراز وحشی بر اساس فاصله از یک زیستگاه خاص نسبت به دو گونه فوق الذکر رابطه متغیرتری را نشان داد.
تجزیه و تحلیل ما نشان می دهد که در نظر گرفتن تنها یک نوع زیستگاه در الگوی توزیع نقطه داغ WVC ممکن است بر اهمیت آن نوع زیستگاه تأکید بیشتری داشته باشد و منجر به اقدامات پیشگیرانه کمتر مؤثر در مقیاس سراسری شود. با این حال، به صورت منطقه ای یا حتی محلی، یک نوع زیستگاه در یک فاصله خاص ممکن است به اندازه کافی الگوهای توزیع نقاط داغ را توضیح دهد. ما فرض می کنیم که در جایی که یک زیستگاه بر چشم انداز تسلط دارد، این بهترین کاربرد دارد. به عنوان مثال، در جنوب شرقی لیتوانی، زیستگاه جنگلی غالب است، که منجر به تولید نقاط داغ در فواصل نزدیک به جاده ها می شود. مناطق ساخته شده، با تراکم انسانی بالا و تراکم وسایل نقلیه، به طور قابل توجهی با نقاط داغ WVC در اطراف شهرهای بزرگ مرتبط هستند. ما نتیجه می گیریم که الگوی توزیع یکپارچه نقطه داغ در هر منطقه باید با تجزیه و تحلیل اضافی از چگونگی تأثیر انواع زیستگاه های فردی در فواصل مختلف از VWC بر تولید نقطه داغ پشتیبانی شود. استفاده از الگوهای نقاط داغ تعمیم یافته و الگوهای منطقه ای خاص زیستگاه-فاصله نقطه داغ می تواند به اجرای اقدامات پیشگیرانه موثرتر WVC منجر شود.
روش آماری تجزیه و تحلیل نقطه داغ ابزار ارزشمندی برای شناسایی بخش‌هایی از جاده‌ها است که بیشترین ارتباط را با برخورد حیات وحش با وسایل نقلیه دارند و اجازه می‌دهد تا اقدامات کاهش به طور موثر و اقتصادی در جایی که نیاز فوری است، اعمال شود. تجزیه و تحلیل نقطه داغ WVC یکی از مهم ترین رویکردها برای پیش بینی و مدیریت تهدیدات مرگ و میر حیات وحش در جاده ها در نظر گرفته می شود [ ۱۷ ، ۳۹ ]. این روش می تواند به طور قابل اعتماد برای گونه های فراوان اعمال شود، اما گزارش شده است که حساسیت بسیار کمتری برای گونه های کمیاب دارد [ ۳۹ ]. مطالعه ما برای استفاده از تجزیه و تحلیل نقاط داغ با ونگل های بزرگ وحشی که در لیتوانی در طول دوره تحقیقات ما فراوان بودند، پشتیبانی می کند [ ۴۰ ].

۵٫ نتیجه گیری ها

نتایج تحقیق ما ارتباط بین انواع کاربری زمین و توزیع فضایی برخورد حیوانات در جاده ها را تایید کرده است.
انواع زیستگاه های فردی بسته به فاصله، به طور متفاوتی در الگوهای توزیع نقاط داغ نقش دارند. زمین‌های کشاورزی، مراتع و مراتع و جنگل‌ها ارتباط تنگاتنگی با تولید نقاط داغ در نزدیک‌ترین فاصله (۱۰ متر) از WVC داشتند، در حالی که مناطق ساخته شده، رودخانه‌ها، و دریاچه‌ها و حوضچه‌ها در دورترین فواصل (۲۰۰ متر).
ما تفاوت های جزئی در نقاط داغ و روابط نزدیکی زیستگاه در میان گونه های جانوری خاص پیدا کردیم. گوزن به عنوان یک گونه عمومی نسبت به گوزن که یک مرورگر تخصصی است، بسته به فاصله تا جنگل ها، زمین های کشاورزی و مراتع و مراتع در تولید نقاط داغ حساسیت کمتری نشان داد.
ادغام همه انواع زیستگاه برای تولید الگوهای نقطه داغ WVC در مقیاس سراسری، الگوی متفاوتی را نسبت به هر نوع زیستگاه فردی نشان داد. مناطق نزدیک به شهرها از جمله مناطق حومه شهر با تراکم جمعیت انسانی بالا و تراکم وسایل نقلیه بالا، زمانی که همه نوع زیستگاه ها و فواصل با هم ترکیب می شدند، مناطق اصلی را ایجاد کردند. با این حال، تجزیه و تحلیل نوع زیستگاه فردی ممکن است به اجرای ابزارهای پیشگیری موثر در مقیاس منطقه ای یا محلی کمک کند.
نتایج مطالعه ما ممکن است منابع ارزشمندی برای اطلاع رسانی سیاست های مدیریت و توسعه اقدامات پیشگیری از WVC باشد. مطالعاتی مانند ما باید در طول فرآیند برنامه ریزی ایمنی راه و در توسعه آینده مناطق کنار جاده مورد استفاده قرار گیرد.

منابع

  1. بالچیاوسکاس، ال. Jasiulionis, M. کاهش بروز پستانداران در بزرگراه های عمومی با استفاده از مواد دافع شیمیایی. بالت. J. Road Bridge Eng. ۲۰۱۲ ، ۷ ، ۹۲-۹۷٫ [ Google Scholar ] [ CrossRef ]
  2. جویس، TL; ماهونی، SP توزیع مکانی و زمانی برخورد گوزن-خودرو در نیوفاندلند. Wildl. Soc. گاو نر ۲۰۰۱ ، ۲۹ ، ۲۸۱-۲۹۱٫ [ Google Scholar ] [ CrossRef ]
  3. گانسون، KE; کلونجر، AP; فورد، AT; بیسونت، JA; هاردی، A. مقایسه مجموعه داده های متفاوت در دقت فضایی مورد استفاده برای پیش بینی وقوع برخوردهای حیات وحش و وسایل نقلیه. محیط زیست مدیریت ۲۰۰۹ ، ۴۴ ، ۲۶۸-۲۷۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  4. کریسپ، جی.ام. Durot، S. تقسیم بندی خطوط بر اساس تراکم نقطه – بهینه سازی قرار دادن علائم هشدار دهنده حیات وحش در جنوب فنلاند. اسید. مقعدی قبلی ۲۰۰۷ ، ۳۹ ، ۳۸-۴۶٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  5. رمپ، دی. ویلسون، VK؛ کرافت، دی بی ارزیابی اثرات جاده ها در ذخایر حومه شهری: تلفات جاده ای و استفاده از جاده توسط حیات وحش در پارک ملی رویال، نیو ساوت ولز، استرالیا. Biol. حفظ کنید. ۲۰۰۶ ، ۱۲۹ ، ۳۴۸-۳۵۹٫ [ Google Scholar ] [ CrossRef ]
  6. مونتراکیس، جی. گانسون، KE تجزیه و تحلیل فضایی-زمانی چندمقیاس از برخوردهای خودرو: مطالعه موردی در شمال ورمونت. بین المللی جی. جئوگر. Inf. سیستم ۲۰۰۹ ، ۲۳ ، ۱۳۸۹-۱۴۱۲٫ [ Google Scholar ] [ CrossRef ]
  7. Puglisi، MJ; لیندزی، جی اس. Bellis، ED عوامل مرتبط با مرگ و میر در بزرگراه گوزن دم سفید. جی. وایلدل. مدیریت ۱۹۷۴ ، ۳۸ ، ۷۹۹-۸۰۷٫ [ Google Scholar ] [ CrossRef ]
  8. هابارد، مگاوات؛ دانیلسون، بی جی; اشمیتز، RA عوامل موثر بر محل تصادف گوزن-خودرو در آیووا. جی. وایلدل. مدیریت ۲۰۰۰ ، ۶۴ ، ۷۰۷-۷۱۳٫ [ Google Scholar ] [ CrossRef ]
  9. کلونجر، AP; Chruszczc، B. گانسون، KE الگوهای فضایی و عوامل مؤثر بر تجمع جانوران کوچک مهره‌داران در جاده. Biol. حفظ کنید. ۲۰۰۳ ، ۱۰۹ ، ۱۵-۲۶٫ [ Google Scholar ] [ CrossRef ]
  10. بیل، ام. فاویلی، اف. سدونیک، جی. آندراشیک، آر. کسال، پ. آگریتر، ا. Streifeneder، T. کاربرد نرم‌افزار KDE+ برای شناسایی نقاط خطر جمعی برخورد ونجلد و خودرو در تیرول جنوبی، شمال ایتالیا. یورو J. Wildl Res. ۲۰۱۸ ، ۶۴ ، ۵۹٫ [ Google Scholar ] [ CrossRef ]
  11. گریلو، سی. بیسونت، جی. سانتوس-ریس، M. الگوهای مکانی-زمانی در تلفات جاده ای گوشتخوار مدیترانه: پیامدهای کاهش. Biol. حفظ کنید. ۲۰۰۹ ، ۱۴۲ ، ۳۰۱-۳۳۱٫ [ Google Scholar ] [ CrossRef ]
  12. هوهون، اچ. فریزر، اس. مدل‌سازی مکان‌های بالقوه برخورد با وسایل نقلیه حیات وحش (WVC) با استفاده از عوامل محیطی و تراکم جمعیت انسانی: مطالعه موردی از ۳ بزرگراه ایالتی در کالیفرنیای مرکزی. Ecol. آگاه کردن. ۲۰۱۷ ، ۴۳ ، ۲۱۲-۲۲۱٫ [ Google Scholar ] [ CrossRef ]
  13. سانتوس، اس ام. لورنکو، آر. میرا، ع. Beja، P. اثرات نسبی مناسب بودن زیستگاه خطر خطر جاده، و اتصال در قتل های جاده ای حیات وحش: مورد جغدهای قهوه ای رنگ ( Strix aluco ). PLoS ONE ۲۰۱۳ ، ۸ ، e79967. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. برف، NP; ویلیامز، دی.م. پورتر، WF رویکرد مبتنی بر منظره برای ترسیم نقاط داغ برخورد حیات وحش با وسایل نقلیه. Landsc. Ecol. ۲۰۱۴ ، ۲۹ ، ۸۱۷-۸۲۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. Huijser، نماینده مجلس؛ مک گوون، PT; فولر، جی. هاردی، ا. Kociolek، A. مطالعه کاهش برخورد حیات وحش و وسایل نقلیه: گزارش به کنگره . FHWA-HRT-08-034; وزارت حمل و نقل ایالات متحده، اداره بزرگراه فدرال: واشنگتن، دی سی، ایالات متحده آمریکا، ۲۰۰۸; پ. ۲۵۴٫
  16. رودریگز مورالس، بی. دیاز-وارلا، اورژانس؛ Marey-Pérez، MF تجزیه و تحلیل فضایی-زمانی برخورد وسایل نقلیه شامل گراز وحشی و گوزن در شمال غربی اسپانیا. اسید. مقعدی قبلی ۲۰۱۳ ، ۶۰ ، ۱۲۱-۱۳۳٫ [ Google Scholar ] [ CrossRef ]
  17. شیلینگ، FM؛ Waetjen، DP Wildlife-spots برخورد وسایل نقلیه در گستره بزرگراه ایالات متحده: مقیاس و اثرات منبع داده. نات حفظ کنید. ۲۰۱۵ ، ۱۱ ، ۴۱-۶۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. لانگن، TA; اوگدن، KM; شوارتینگ، LL پیش بینی نقاط داغ مرگ و میر جاده های هرپتوفون در امتداد شبکه های بزرگراه. جی. وایلدل. مدیریت ۲۰۰۹ ، ۷۳ ، ۱۰۴-۱۱۴٫ [ Google Scholar ] [ CrossRef ]
  19. گانسون، KE; مونتراکیس، جی. Quackenbush، LJ مدل‌های برخورد فضایی حیات وحش و وسیله نقلیه: مروری بر کار فعلی و کاربرد آن در پروژه‌های کاهش حمل‌ونقل. جی. محیط زیست. مدیریت ۲۰۱۱ ، ۹۲ ، ۱۰۷۴-۱۰۸۲٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  20. بیل، م. آندراسیک، آر. Janoska، Z. شناسایی مکان‌های جاده‌ای خطرناک تصادفات رانندگی با استفاده از تخمین تراکم هسته و ارزیابی اهمیت خوشه‌ای. اسید. مقعدی قبلی ۲۰۱۳ ، ۵۵ ، ۲۶۵-۲۷۳٫ [ Google Scholar ] [ CrossRef ]
  21. گالوونایت، آ. ولیوکاس، دی. کیلپیس، جی. کیترینه، ز. Misiūnienė, M. Climate Atlas of Lithuania ; سرویس آب و هواشناسی لیتوانی: ویلنیوس، لیتوانی، ۲۰۱۳; صص ۸-۱۵٫ [ Google Scholar ]
  22. ژئوپورتال. در دسترس آنلاین: https://www.geoportal.lt/geoportal/en/web/en/search#queryText=GRPK (در ۲۷ مارس ۲۰۲۱ قابل دسترسی است).
  23. آمار تصادفات جاده ای مرگبار و مجروح در لیتوانی، ۲۰۱۴-۲۰۱۷٫ اداره راه لیتوانی زیر نظر وزارت حمل و نقل و ارتباطات جمهوری لیتوانی. در دسترس آنلاین: https://lakd.lrv.lt/lt/eismo-saugumas/eismo-ivykiu-statistika (دسترسی در ۱۵ آوریل ۲۰۲۱).
  24. وزارت محیط زیست جمهوری لیتوانی. در دسترس آنلاین: https://am.lrv.lt/lt/veiklos-sritys-1/gamtos-apsauga/medziokle/medziojamuju-zveriu-apskaita (دسترسی در ۱۰ مه ۲۰۲۱).
  25. گتیس، ع. Ord, JK تجزیه و تحلیل ارتباط فضایی با استفاده از آمار فاصله. Geogr. مقعدی ۱۹۹۲ ، ۲۴ ، ۱۸۹-۲۰۶٫ [ Google Scholar ] [ CrossRef ]
  26. Ord، JK; Getis، A. آمار خودهمبستگی فضایی محلی: مسائل توزیعی و یک کاربرد. Geogr. مقعدی ۱۹۹۵ ، ۲۷ ، ۲۸۶-۳۰۶٫ [ Google Scholar ] [ CrossRef ]
  27. Mitchell, A. The ESRI Guide to GIS Analysis , ۲nd ed.; ESRI Press: Redlands, CA, USA, 2005; صص ۱۶۱-۱۸۷٫ [ Google Scholar ]
  28. بالیشیس، ر. بلوزما، پ. Balčiauskas, L. Lietuvos Kanopiniai Žvėrys , ۲nd ed.; Asveja: ویلنیوس، لیتوانی، ۱۹۸۷٫ [ Google Scholar ]
  29. هیویسون، AJM؛ وینسنت، جی پی؛ یواخیم، جی. Angibault, JM; کارگنلوتی، بی. Cibien، C. اثرات تکه تکه شدن جنگل‌ها و فعالیت انسانی بر توزیع گوزن در مناظر کشاورزی. می توان. جی. زول. ۲۰۰۱ ، ۷۹ ، ۶۷۹-۶۸۹٫ [ Google Scholar ] [ CrossRef ]
  30. بوروویک، تی. کورنولیر، تی. Jędrzejewska، B. عوامل محیطی شکل‌دهنده فراوانی صمغ در لهستان. Acta Theriol. ۲۰۱۳ ، ۵۸ ، ۴۰۳-۴۱۳٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  31. Ager, AA; جانسون، BK; کرن، جی دبلیو. Kie، JG حرکات روزانه و فصلی و استفاده از زیستگاه توسط ماده الک کوه راکی ​​و گوزن قاطر. جی پستاندار. ۲۰۰۳ ، ۸۴ ، ۱۰۷۶-۱۰۸۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  32. زی، اس. Marzluff, JM; سو، ی. وانگ، ی. منگ، ن. وو، تی. گونگ، سی. لو، اف. شیان، سی. ژانگ، ی. و همکاران نقش بدنه های آبی شهری در حفظ تنوع گونه های پرندگان در منطقه ساخته شده پکن علمی کل محیط. ۲۰۲۲ ، ۸۰۶ ، ۱۵۰۴۳۰٫ [ Google Scholar ] [ CrossRef ]
  33. آنسیلوتو، ال. بوسو، ال. راموس، VBS؛ Russo, D. اهمیت حوضچه ها برای حفاظت از خفاش ها در مناظر شهری. Landsc. طرح شهری. ۲۰۱۹ ، ۱۹۰ ، ۱۰۳۶۰۷٫ [ Google Scholar ] [ CrossRef ]
  34. O’Brien، CS; Waddell، RB; روزن استاک، اس اس; Rabe، MJ Widlife از حوضه های آبریز در جنوب شرقی آریزونا استفاده می کند. Wildl. Soc. گاو نر ۲۰۰۶ ، ۳۴ ، ۵۸۲-۵۹۱٫ [ Google Scholar ] [ CrossRef ]
  35. بوروسکی، بی بی. Mossman، AS توزیع گوزن قاطر در رابطه با منابع آب در شمال کالیفرنیا. جی. وایلدل. مدیریت ۱۹۹۶ ، ۶۰ ، ۷۷۰-۷۷۶٫ [ Google Scholar ] [ CrossRef ]
  36. یافت، R. Boyce، MS پیش بینی برخورد گوزن و وسیله نقلیه در یک منطقه شهری. جی. محیط زیست. مدیریت ۲۰۱۱ ، ۹۲ ، ۲۴۸۶-۲۴۹۳٫ [ Google Scholar ] [ CrossRef ]
  37. Zuberogoitia، I. رئال، جی. تورس، جی جی؛ رودریگز، ال. آلونسو، ام. Zabala, J. برخورد وسایل نقلیه ونگولات در محیط پیرامون شهری: پیامدهای زیرساخت های حمل و نقل برنامه ریزی شده با فرض عدم حضور صحرا. PLoS ONE ۲۰۱۴ ، ۹ ، e107713. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  38. تاجچمن، ک. دروزد، ال. کارپینسکی، ام. سیژوفسکی، پ. گلمن، م. Chmielewski، S. حیات وحش – برخورد وسایل نقلیه در منطقه شهری در رابطه با رفتار و تراکم پستانداران. پول جی. ناتور. Sc. ۲۰۱۷ ، ۳۲ ، ۴۹-۵۹٫ [ Google Scholar ]
  39. Litvaitis، JA; تاش، جی پی رویکردی به درک برخوردهای حیات وحش با وسایل نقلیه. محیط زیست مدیریت ۲۰۰۸ ، ۴۲ ، ۶۸۸-۶۹۷٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
  40. وزارت محیط زیست. در دسترس آنلاین: http://senas.am.lt/VI/index.php#a/17724 (در ۵ آوریل ۲۰۲۱ قابل دسترسی است).
Ijgi 11 00063 g001 550
شکل ۱٫ تعداد کل نقاط داغ و فاصله تا انواع کاربری های مختلف: ( الف ) انواع کاربری حساس با برد کوتاه و ( ب ) انواع کاربری حساس با برد بلند.
Ijgi 11 00063 g002 550
شکل ۲٫ توزیع نقاط داغ WVC مخصوص گونه در فواصل مختلف برای هر نوع کاربری زمین: ( الف ) جنگل‌ها، ( ب ) زمین‌های کشاورزی، ( C ) مراتع و مراتع، ( D ) مناطق ساخته شده، ( E ) رودخانه ها، ( F ) دریاچه ها و برکه ها. * شامل ۲۳ گونه از حیوانات وحشی و اهلی است که کمتر از پنج درصد از کل تصادفات را در هر سال جداگانه تشکیل می دهند. ** شامل موارد در پایگاه داده با رکورد “حیوان”.
Ijgi 11 00063 g003a 550 Ijgi 11 00063 g003b 550
شکل ۳٫ توزیع نقاط داغ (قرمز) و نقاط سرد (آبی) WVCها در لیتوانی که ترکیبی از همه انواع کاربری و فواصل زمین (نقشه بزرگ) و بر اساس نوع کاربری زمین در سه دسته فاصله – ۱۰ متر، ۵۰ متر، و ۲۰۰ متر (نقشه های کوچک).

ونوس نصیرفام

مقالات

فیسبوکتوئیترپینترسترددیتDeliciousلینکدینواتس اپتلگرامایمیل

نوشته های مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

خانهدربارهتماسارتباط با ما