أكثر

هل تريد إضافة أقرب منشأة كسمة إلى نقطة في ArcMap؟


هل هناك طريقة ، بعد إجراء تحليل أقرب مرفق ، لإضافة / حفظ أقرب رقم / اسم / معرف فريد للمنشأة للحادث؟

أخطط لاستخدام هذه السمة بعد ذلك لإنشاء مسار ينتقل من حادثة إلى حادثة أخرى عبر أقرب مرفق ، مما يعني أنه يتعين علي حفظه بطريقة أو بأخرى / تتبع أي منشأة هي الأقرب لجميع الحوادث.


كما علقChrisW:

يجب تصدير نتائج الحل ليتم حفظها / معالجتها. يجب أن يحتوي جدول السمات الخاص بهذه النتائج على العلاقة التي تبحث عنها (قد يتم ترميزها على أنها FIDs أو OID ، ولكن يجب أن تكون موجودة) ، وبعد ذلك سيكون مجرد جزء من التلاعب بالربط / التصدير للحصول على النتيجة النهائية انت تريد.


أقرب نقطة إلى 3 (أو أكثر) دوائر

لقد كنت أجوب الإنترنت بحثًا عن التنوير ، لكنني حتى الآن لم أجد سوى القليل جدًا مما ساعدني. لكي نكون منصفين ، أنا لست متخصصًا في الرياضيات وربما لا أستخدم استعلامات البحث الصحيحة.

أنا أعمل على نظام لتوطين WiFi في الهواء الطلق. تقترح بياناتي التجريبية أن استخدام RSSI (قوة الإشارة المستقبلة) يعطي دقة كافية للدقة التي نحتاجها ، وهو المكان الذي تأتي فيه الرياضيات - والناس الجيدون -. أود استخدام طريقة ثلاثية الأبعاد للعثور على موقع الجهاز ، ربما باستخدام أكثر من 3 منارات بمواقع معروفة.

مع تنوع RSSI عند مسافة معينة ، فمن غير المرجح أن ينتج عن التثليث دوائر بتقاطع مشترك واحد. على هذا النحو ، أحتاج إلى أن أكون قادرًا على حساب النقطة في مساحة ثنائية الأبعاد الأقرب إلى حواف جميع الدوائر 3+.

في الوقت الحالي ، أقوم بالترميز بلغة بيثون ، إذا كان ذلك يحدث فرقًا لأي شخص.


3 إجابات 3

إليك تنقيح نهج @ Henrik. يتمثل الاختلاف الرئيسي في أن استخدام الأقرب [pts- & gt & quotDistance & quot] يزيد عن ترتيب من حيث الحجم أسرع من استخدام الأقرب [pts- & gt <& quotIndex & quot، & quotDistance & quot>]:

مقارنة بإجابة @ Henrik:

i و j هما مؤشرا زوج النقاط الأقرب إلى بعضهما البعض ، المسافة بينهما.

أقرب [pts - & gt <& quotIndex & quot، & quotDistance & quot>] [pts، k] يجد لكل نقطة k أقرب جيرانها. أول & quotneighbor & quot سيكون دائمًا هو النقطة نفسها. لهذا السبب أخذت أقرب [pts - & gt <& quotIndex & quot، & quotDistance & quot>] [pts، 1] [[All، 2]] للحصول على أقرب & quottrue & quot الجار.

أنا متأكد من أن هذا يفعل نفس الشيء تمامًا مثل تطبيق NearestNeighborGraph من CE ، لكنه أسرع بنحو 3 مرات على جهازي وتقريبًا ضعف سرعة تنفيذ b3m2a1 المترجم (على جهازي و 10000 نقطة). هذا فقط أسرع من NearestNeighborGraph لأنه لا يعتمد على الرياضياتتنفيذ الرسم البياني وجميع النفقات العامة. مثال آخر حيث يؤدي تجنب الرسم البياني إلى تعزيز الأداء. لكن يجب أن أقول إن NearestNeighborGraph يلحق بالركب بعض الشيء عندما يزيد المرء من عدد النقاط.

يبدأ تدهور الأداء بالرسم البياني باستخدام واجهة خيالية تفرض تحويل القوائم المعبأة لمؤشرات الحافة إلى قوائم غير معبأة من UndirectedEdge s و DirectedEdges. ويستمر مع كل سمات الرأس والحافة الفاخرة. بمجرد أن اضطررت إلى البحث في تفاصيل التنفيذ نصف المخفية لبعض ميزة Graph لتصحيح الأخطاء. لقد أصبت بالقشعريرة الباردة عندما رأيت أنه كان على المرء أن يجتاز عشرات من طبقات التحليل قبل أن يصل المرء إلى الخوارزميات الفعلية.


يرجع الخطأ الفعلي إلى الوصول إلى Point.x ، وهو أمر غير موجود لأنك لم تقم بتعريفه مطلقًا.

في ملاحظة ذات صلة ، فإن السمات المسبقة ذات الشرطات السفلية المزدوجة تنشط ميزة تعديل اسم الثعبان. ستظل السمات الفعلية متاحة للجمهور في my_point._Point__x ، و my_point._Point__y ، وما إلى ذلك من خارج الفصل الدراسي.

من حيث الأسلوب ، لا يبدو أن هناك أي سبب لاستخدام تشويه الأسماء في هذه الحالة. حالة الاستخدام المقصودة لهذه الميزة هي تجنب التعارض مع الفئات الموروثة ، لا يتعلق الأمر بمحاولة إنشاء متغيرات "خاصة" (لذلك ، الاصطلاح هو استخدام شرطة سفلية واحدة للإشارة إلى متى تكون السمة هي تفاصيل التنفيذ).

في حالتك ، أعتقد أنه يجب عليك فقط تسمية (والوصول) للسمات بشكل طبيعي x و y وما إلى ذلك. في Python ، لا نكتب عادةً حروف وضبط لأعضاء الفصل ما لم يكن هناك متطلب خاص للقيام بذلك ، لأن Python هي ليس جافا.


PBKey الاحتياطي

يتم إرجاع معرّف pbKey ™ الفريد عند إجراء تطابق مع مجموعة بيانات الموقع الرئيسي (MLD). هذا الحقل هو معرّف دائم لعنوان ما. يعمل المعرف الفريد pbKey ™ كمفتاح بحث مع مجموعات بيانات Pitney Bowes GeoEnrichment لإضافة بيانات سمة لعنوان ما. اعتمادًا على مجموعة (مجموعات) بيانات GeoEnrichment التي تقوم بتثبيتها ، يمكن أن تتضمن بيانات السمات ملكية الممتلكات ، والعقارات ، والتعداد السكاني ، ونفقات المستهلك ، والديموغرافية ، والجغرافية ، والحماية من الحرائق والفيضانات ، و / أو الاتصالات السلكية واللاسلكية وأنظمة لاسلكية والمزيد. تعرض بعض مجموعات البيانات هذه البيانات الخاصة بموقع نقطة معينة ، مثل ملكية العقارات والعقارات ، بينما يوفر البعض الآخر بيانات متعددة الأضلاع ، على سبيل المثال ، الحماية من الحرائق والفيضانات ، والتي يمكن أن تحدد السهول الفيضية أو حرائق الغابات أو مناطق التصنيف.

عند استخدام PBKey Fallback ، إذا لم يتم إجراء تطابق العنوان مع بيانات الموقع الرئيسية ، ولكن تم التطابق مع مجموعة بيانات مختلفة ، يتم إرجاع المعرف الفريد pbKey ™ لأقرب نقطة MLD تقع ضمن مسافة البحث. للتمييز عند إرجاع المعرف الفريد pbKey ™ احتياطي ، تحتوي القيمة المرجعة لمفتاح PBKey على الحرف الأول "X" بدلاً من "P" ، على سبيل المثال: X00001XSF1IF. لاحظ أن جميع الحقول الأخرى التي تم إرجاعها لمطابقة العنوان ، بما في ذلك الرمز الجغرافي وجميع البيانات المرتبطة المرتجعة ، تعكس نتائج المطابقة لعنوان الإدخال. يمكن بعد ذلك استخدام المعرف الفريد pbKey ™ الاحتياطي للبحث في مجموعة (مجموعات) بيانات GeoEnrichment ، ويتم إرجاع بيانات السمة الخاصة بالموقع الاحتياطي للمطابقة.

تعتمد ملاءمة ودقة بيانات السمة التي تم إرجاعها باستخدام موقع PBKey Fallback بشكل كبير على نوع بيانات GeoEnrichment ، بالإضافة إلى مسافة البحث PBKey Fallback. تم تصميم PBKey Fallback للاستخدام مع مجموعات بيانات GeoEnrichment التي تحتوي على بيانات متعددة الأضلاع ، بدلاً من البيانات الخاصة بالنقطة. على سبيل المثال ، قد يكون خيار PBKey Fallback مناسبًا لتحديد منطقة الفيضانات FEMA لموقع معين باستخدام مجموعة بيانات Flood Risk Pro GeoEnrichment لأنها تحتوي على بيانات تمثل منطقة متعددة الأضلاع بدلاً من إحداثي واحد. ومع ذلك ، من المهم ملاحظة أن دقة البيانات التي يتم إرجاعها ستعتمد إلى حد كبير على حجم وطبيعة السمات الفردية متعددة الأضلاع الموضحة في بيانات الإثراء الجغرافي ، جنبًا إلى جنب مع مسافة البحث المستخدمة لتحديد موقع أقرب نقطة بيانات موقع رئيسي. يمكن تكوين مسافة البحث بنصف قطر بحث مسموح به يتراوح من 0 إلى 5280 قدمًا وقيمة افتراضية 150 قدمًا.


مشروع GIS وخدمة الويب

في المرحلة التالية من إنشاء قاعدة البيانات ، استخدم المؤلفون نظام معلومات جغرافية شامل ArcGIS . يسمح بعرض جميع الودائع جغرافيًا في بيئة واحدة مع خرائط أساسية مختلفة ويوفر للمستخدم أدوات لتحليل البيانات باستخدام أدوات جغرافية مكانية. بالنسبة لهذا النوع من البيانات ، يمكن استخدام العديد من أدوات المعالجة الجغرافية القياسية لـ ArcGIS ، على سبيل المثال:

  • - التجميع (تحلل الأدوات في هذه المجموعة العناصر من أجل تحديد العناصر المهمة من الناحية الثابتة ، على سبيل المثال ، البحث عن النقاط الساخنة والقيم المتطرفة)
  • - حساب الكثافة (النتيجة هي خريطة كثافة تم الحصول عليها عن طريق تشتت عدد معروف من الأحداث على الخريطة)
  • - الاستيفاء (تسمح الأداة بالتنبؤ بالقيم في المواقع الجديدة بناءً على القيم المعروفة من مجموعة من النقاط)
  • - تحديد المسافة بين النقاط ، والبحث عن أقرب كائن ، وبناء الحواجز.

بالإضافة إلى ذلك ، يمكن استخدام أدوات المعالجة الجغرافية الأكثر تقدمًا للتكتل الضبابي في مجموعة البيانات باستخدام التحليل الرياضي المنفصل (DMA) لتحليل الرواسب (على سبيل المثال. سولوفييف وآخرون. 2016 ).

تم تصدير مجموعات البيانات ROSA 1.0 و ROSA 2.0 و ROSA 3.0 إلى ArcMap من تنسيق الجدول الذي يحتوي على إحداثيات الكائن ومعلومات السمات المصاحبة. بعد ذلك ، تم تحويل الجداول إلى ملفات أشكال تحتوي على كائنات نقطية باستخدام أدوات ArcGIS القياسية وإضافتها إلى الخريطة كطبقات (الشكل 2).

تصور قاعدة بيانات ROSA بتنسيق ArcGIS .

كانت الخطوة التالية من تنفيذ المشروع هي إنشاء خدمة الويب لمزيد من التصور لكائنات قاعدة البيانات والمعلومات الخاصة بها في بيئة ArcGIS. قاعدة البيانات "ديناميكيات تطوير صناعة النفط والغاز في القرن العشرين - أكبر رواسب في العالم" (ROSA 1.0) متاحة على الإنترنت مع مجموعة واسعة من الأدوات بما في ذلك:

  • - تعديل تصميم الطبقة
  • - تغيير الخريطة الأساسية لاستبدال خريطة الخلفية الحالية بخريطة من القائمة
  • - جدول سمات التصفح
  • - استخدام أداة القياس ، التي تزود المستخدم بثلاثة أنواع من القياسات: منطقة متعددة الخطوط على الخريطة ، والمسافة بين كائنين ، وموقع الكائن والمؤشر (يتم تحديد الوحدات من قبل المستخدم)
  • - التصفية ، والتي تتيح للمستخدمين الحد من رؤية الكائنات على الخريطة حسب الطلب.

بالإضافة إلى ذلك ، يسمح ArcGIS Online بإضافة بيانات إضافية إلى الخريطة من كل من الإنترنت وجهاز الكمبيوتر الخاص بالمستخدم (الشكل 3).

تصور عبر الإنترنت لقاعدة بيانات ROSA باستخدام خدمة ويب ArcGIS.


3 إجابات 3

إذا واصلت المضي قدمًا ، فسينتهي بك الأمر في النهاية إلى أن يبدأ خطأ السيرة الذاتية في الارتفاع مرة أخرى. هذا لأنه كلما ربحت $ k $ أكبر ، كلما حدث تجانس أكثر ، وفي النهاية ستجعلك تنعم بالسلاسة لدرجة أنك ستحصل على نموذج لا يناسب البيانات بدلاً من الإفراط في ملاءمتها (اجعل $ k $ كبيرًا بما يكفي و سيكون الناتج ثابتًا بغض النظر عن قيم السمة). سأقوم بتمديد المؤامرة حتى يبدأ خطأ السيرة الذاتية في الارتفاع مرة أخرى ، فقط للتأكد ، ثم اختر $ k $ الذي يقلل من خطأ السيرة الذاتية. كلما كبرت $ k $ كلما كانت حدود القرار أكثر سلاسة وكان النموذج أكثر بساطة ، لذلك إذا لم تكن المصاريف الحسابية مشكلة ، سأختار قيمة أكبر من $ k $ من قيمة أصغر ، إذا كان الاختلاف في سيرتهم الذاتية الأخطاء لا تذكر.

إذا لم يبدأ خطأ السيرة الذاتية في الارتفاع مرة أخرى ، فهذا يعني على الأرجح أن السمات ليست مفيدة (على الأقل بالنسبة لمقياس المسافة هذا) وأن إعطاء مخرجات ثابتة هو أفضل ما يمكن أن يفعله.

لماذا لا تختار $ K = 17 $؟ يبدو أن خطأ السيرة الذاتية ينخفض ​​حتى ذلك الحين ويتسطح بعد ذلك. إذا كان كل ما يهمك هو الدقة التنبؤية ، فلن أختار $ K = 3 $ لأنه يبدو واضحًا أنه يمكنك القيام بعمل أفضل.

هل هناك أي معنى مادي أو طبيعي وراء عدد العناقيد؟ إذا لم أكن مخطئًا ، فمن الطبيعي أنه مع زيادة K ، ينخفض ​​الخطأ - مثل التجهيز الزائد. بدلاً من الصيد للحصول على K الأمثل ، ربما يكون من الأفضل اختيار K بناءً على معرفة المجال أو بعض الحدس؟


2 إجابات 2

نقاطك المتطرفة صحيحة ، لكنك عملت لنفسك أكثر مما تحتاج إليه. تخبرنا طريقة لاغرانج-المضاعف بالفعل عن النقاط القصوى على دائرة القيد. لذلك نجد قيمة دنيا $ -75 $ عند $ (-3، 4) $ وحد أقصى $ 125 $ عند $ (3، -4) $.

أنت محق أيضًا في قولك إننا لم ننتهي ، حيث يجب علينا أيضًا التحقق من "الجزء الداخلي" للقرص $ x ^ 2 + y ^ 2 & lt 25 $. لذلك ، سنستخدم تحليل "النقطة الحرجة" ، والذي يعمل بالفعل بنفس الطريقة التي نستخدمها لوظائف متغير واحد: لدينا $ f_x = 2x - 12 = 0 ، $ f_y = 2y + 16 = 0 $ ، مما يخبرنا أن هناك نقطة حرجة لـ $ f (x، y) $ عند $ (6، -8) $. لكن هذه النقطة خارج دائرة القيد تمامًا ، لذلك لا توجد نقطة حرجة داخل القرص. لقد اكتمل فحصنا - لقد وجدنا الحد الأقصى والأدنى المطلق لوظيفتنا داخل قرص التقييد وعلى حدوده.

(باستخدام حجة تستند إلى مناقشتك للمشتقات الجزئية الأولى ، ربما تريد أن تقول شيئًا مثل هذا. لدينا

$ -5 le x le 5 ، -5 le y le 5 $

$ Rightarrow 2 (-5) - 12 le f_x le 2 (5) - 12 ، 2 (-5) + 16 le f_y le 2 (5) + 16 دولار

$ Rightarrow -22 le f_x le -2 ، 6 le f_y le 26 . $

وبالتالي ، لا توجد نقاط داخل المربع $ [-5، 5] times [-5، 5] $ ، الذي يحتوي على دائرة القيد ، والتي تكون المشتقات الأولى لها صفرًا ، وبالتالي توجد لا توجد نقاط حرجة داخل الدائرة.)

هناك تفسير هندسي لهذه المشكلة. بالنظر إلى الوظيفة $ z = f (x، y) = x ^ 2 + y ^ 2 - 12x + 16y = (x-6) ^ 2 + (y + 8) ^ 2 - 100 $ كوصفة لسطح ثلاثي الأبعاد ، هذا شكل مكافئ مع "فتح" المقاطع العرضية الدائرية في الاتجاه الموجب $ z- $ مع رأسه عند $ (x، y ، ض) = (6 ، -8 ، -100 ) دولار. نحن نبحث عن القيم القصوى لـ $ z $ حيث يمر هذا المكافئ على أو داخل الأسطوانة الدائرية $ x ^ 2 + y ^ 2 = 25 $.

من هذا الوصف ، نرى أن الحد الأدنى لقيمة الوظيفة $ -100 $ لا يقع ضمن منطقة القيد. منذ "ارتفاع" السطح بالنسبة إلى مستوى $ xy- $ يزيد فقط عندما "نبتعد" عن الرأس ، نتوقع أنه لا يمكن أن يكون هناك قيمة قصوى داخل أسطوانة القيد. لذا فإن النقاط القصوى سوف توجد فقط على سطح الأسطوانة ، $ x ^ 2 + y ^ 2 = 25 $.

منحنيات المستوى لوظيفتنا عبارة عن دوائر تتمحور حول $ (x، y) = (6، -8) $. تحدد طريقة مضاعف لاغرانج النقاط التي تكون فيها منحنيات المستوى مماسًا لدائرة القيد ، والتي وجدت أنها تقع عند $ (-3 ، 4) $ و $ (3 ، -4) $. يمكن فهم الوظيفة $ f (x، y) $ على أنها دالة "مسافة تربيع" للنقاط المقاسة من $ (6، -8) $ أقرب نقطة في دائرة القيد هي $ ( 3، -4) $، الأبعد، $ (-3، 4) $.

إذا أخذنا النسبة بين معادلات لاغرانج ، مع $ lambda neq 1 $ ، نحصل عليها

[يمكننا إهمال حالة $ lambda = 1 $ ، حيث لا يمكن تطبيقها بشكل ثابت في المعادلتين.]

يخبرنا هذا أن النقطتين النهائيتين تقعان على السطر $ y = - frac <4> <3> x $ ، المحدد باللون الأزرق الفاتح على الرسم البياني أدناه. نظرًا لأن دائرة القيد متماثلة حول الأصل ، والدالة المراد تطرفها متناظرة شعاعيًا حول مركزها ، فإننا نتوقع أن تقع النقاط القصوى على خط يمر عبر الأصل ، متقابلة تمامًا لبعضها البعض في دائرة القيود.

هنا مشكلة مماثلة ، ولكن مع انخفاض الحد الأدنى من الوظيفة في غضون دائرة القيد.


محتويات

في علم الأحياء ، فإن نطاق من الأنواع هي المنطقة الجغرافية التي يمكن العثور فيها على هذا النوع. ضمن هذا النطاق ، توزيع هو الهيكل العام لمجموعات الأنواع ، في حين أن التشتت هو التباين في الكثافة السكانية.

غالبًا ما يتم وصف النطاق بالصفات التالية:

  • في بعض الأحيان يتم التمييز بين الأنواع الطبيعية أو المتوطنة أو الأصلية أو النطاق الأصلي، حيث نشأت وعاشت تاريخيًا ، والنطاق الذي نشأ فيه النوع مؤخرًا. تُستخدم العديد من المصطلحات لوصف النطاق الجديد ، مثل النطاق غير الأصلي أو المتجنس أو المُدخل أو المزروع أو الغازي أو المستعمر. [2]أدخلت يعني عادةً أن نوعًا ما قد تم نقله بواسطة البشر (عن قصد أو عرضًا) عبر حاجز جغرافي رئيسي. [3]
  • للأنواع الموجودة في مناطق مختلفة في أوقات مختلفة من السنة ، وخاصة المواسم ، مصطلحات مثل نطاق الصيف و نطاق الشتاء غالبا ما يتم توظيفهم.
  • بالنسبة للأنواع التي يستخدم جزء فقط من مداها في نشاط التكاثر ، يتم استخدام المصطلحات نطاق تربية و نطاق غير تربية يستخدم.
  • بالنسبة للحيوانات المتنقلة ، فإن المصطلح النطاق الطبيعي غالبًا ما يستخدم ، على عكس المناطق التي يحدث فيها كمتشرد.
  • غالبًا ما يتم إضافة المؤهلات الجغرافية أو الزمنية ، على سبيل المثال في النطاق البريطاني أو نطاق ما قبل 1950. يمكن أن تكون النطاقات الجغرافية النموذجية هي النطاق العرضي والمدى الارتفاع.

يحدث التوزيع المنفصل عندما يتم فصل منطقتين أو أكثر من نطاق الأصنوفة بشكل كبير عن بعضها البعض جغرافياً.

قد تتغير أنماط التوزيع حسب الموسم ، والتوزيع من قبل البشر ، استجابة لتوافر الموارد ، وعوامل غير حيوية وأحيائية أخرى.

تحرير اللاأحيائية

هناك ثلاثة أنواع رئيسية من العوامل اللاأحيائية:

  1. تتكون العوامل المناخية من ضوء الشمس والغلاف الجوي والرطوبة ودرجة الحرارة وعوامل الملوحة وهي عوامل غير حيوية فيما يتعلق بالتربة ، مثل خشونة التربة والجيولوجيا المحلية ودرجة حموضة التربة والتهوية و
  2. تشمل العوامل الاجتماعية استخدام الأراضي وتوافر المياه.

يمكن رؤية مثال لتأثيرات العوامل اللاأحيائية على توزيع الأنواع في المناطق الأكثر جفافاً ، حيث يتجمع معظم الأفراد من نوع ما حول مصادر المياه ، مما يشكل توزيعًا متكتلًا.

قام باحثون من مشروع تنوع المحيط المتجمد الشمالي (ARCOD) بتوثيق أعداد متزايدة من قشريات المياه الدافئة في البحار حول جزر سفالبارد النرويجية. Arcod هو جزء من تعداد الحياة البحرية ، وهو مشروع ضخم مدته 10 سنوات يشارك فيه باحثون في أكثر من 80 دولة ويهدف إلى رسم تنوع وتوزيع ووفرة الحياة في المحيطات. لقد تأثرت الحياة البحرية إلى حد كبير بالتأثيرات المتزايدة لتغير المناخ العالمي. تظهر هذه الدراسة أنه مع ارتفاع درجات حرارة المحيطات ، بدأت الأنواع في السفر إلى مياه القطب الشمالي القاسية والباردة. حتى سلطعون الثلج قد امتد نطاقه 500 كم شمالًا.

التحرير الحيوي

يمكن أن تؤثر العوامل الحيوية مثل الافتراس والمرض والمنافسة الداخلية وداخلية على الموارد مثل الطعام والماء والأصحاب أيضًا على كيفية توزيع الأنواع. على سبيل المثال ، قد تشمل العوامل الحيوية في بيئة السمان فرائسها (الحشرات والبذور) ، والمنافسة من السمان الآخر ، والحيوانات المفترسة ، مثل الذئب. [4] تسمح ميزة القطيع أو المجتمع أو التوزيع المتكتل الآخر للسكان باكتشاف الحيوانات المفترسة في وقت مبكر ، وعلى مسافة أكبر ، وربما شن دفاع فعال. نظرًا لمحدودية الموارد ، يمكن توزيع السكان بالتساوي لتقليل المنافسة ، [5] كما هو موجود في الغابات ، حيث تؤدي المنافسة على ضوء الشمس إلى توزيع متساوٍ للأشجار. [6]

يعد البشر أحد أكبر الموزعين بسبب الاتجاهات الحالية في العولمة واتساع صناعة النقل. على سبيل المثال ، غالبًا ما تملأ الناقلات الكبيرة كوابحها بالمياه في أحد الموانئ وتفريغها في ميناء آخر ، مما يتسبب في انتشار أوسع للأنواع المائية. [7]

على نطاقات كبيرة ، يتم تجميع نمط التوزيع بين الأفراد في مجموعة سكانية. [8]

تحرير ممرات الحياة البرية للطيور

أحد الأمثلة الشائعة على نطاقات أنواع الطيور هي مناطق الكتلة الأرضية المتاخمة للأجسام المائية ، مثل المحيطات أو الأنهار أو البحيرات ، ويطلق عليها اسم الشريط الساحلي. مثال ثانٍ ، تعتمد بعض أنواع الطيور على الماء ، عادةً نهر ، مستنقع ، إلخ ، أو غابة مرتبطة بالمياه وتعيش في ممر النهر. قد يكون أحد الأمثلة المنفصلة لممر النهر عبارة عن ممر نهري يتضمن الصرف بالكامل ، أو يكون له حافة النطاق المحدد بالجبال ، أو الارتفاعات الأعلى للنهر نفسه سيكون نسبة أقل من ممر الحياة البرية بأكمله ، ولكن الممر تم إنشاؤه بسبب النهر.

مثال آخر على ممر الحياة البرية للطيور هو ممر سلسلة الجبال. في الولايات المتحدة بأمريكا الشمالية ، سلسلة جبال سييرا نيفادا في الغرب ، وجبال الأبلاش في الشرق هما مثالان على هذا الموطن ، يستخدمان في الصيف والشتاء ، بواسطة أنواع منفصلة ، لأسباب مختلفة.

ترتبط أنواع الطيور في هذه الممرات بمدى رئيسي للأنواع (نطاق متجاور) أو تقع في نطاق جغرافي منعزل وتكون نطاقًا منفصلًا. الطيور التي تغادر المنطقة ، إذا هاجرت ، ستترك متصلة بالنطاق الرئيسي أو تضطر إلى التحليق فوق أرض غير متصلة بممر الحياة البرية ، وبالتالي ، سيكونون مهاجرين عابرين فوق الأرض التي يتوقفون فيها لفترة متقطعة ، أو يصيبون أو يخطئون .

على نطاقات كبيرة ، يتم تجميع نمط التوزيع بين الأفراد في مجموعة سكانية. على المقاييس الصغيرة ، قد يكون النمط متكتلًا أو منتظمًا أو عشوائيًا. [8]

تحرير مجمّع

التوزيع المتكتل هو أكثر أنواع التشتت شيوعًا في الطبيعة. في التوزيع المتكتل ، يتم تقليل المسافة بين الأفراد المتجاورين. يوجد هذا النوع من التوزيع في البيئات التي تتميز بموارد غير مكتملة. تحتاج الحيوانات إلى موارد معينة للبقاء على قيد الحياة ، وعندما تصبح هذه الموارد نادرة خلال أجزاء معينة من العام ، تميل الحيوانات إلى "التجمع" معًا حول هذه الموارد الهامة. قد يتجمع الأفراد معًا في منطقة ما بسبب عوامل اجتماعية مثل القطعان الأنانية والمجموعات العائلية. الكائنات الحية التي عادة ما تكون بمثابة فريسة تشكل توزيعات مجمعة في المناطق حيث يمكنها إخفاء واكتشاف الحيوانات المفترسة بسهولة.

الأسباب الأخرى للتوزيعات المتجمعة هي عدم قدرة النسل على الانتقال بشكل مستقل من موطنه. يظهر هذا في الحيوانات الصغيرة التي لا تتحرك وتعتمد بشدة على رعاية الوالدين. على سبيل المثال ، يُظهر عش النسور الأصلع توزيعًا للأنواع المتكتلة لأن كل النسل موجود في مجموعة فرعية صغيرة من منطقة المسح قبل أن يتعلموا الطيران. يمكن أن يكون التوزيع المتكتل مفيدًا للأفراد في تلك المجموعة. ومع ذلك ، في بعض حالات الحيوانات العاشبة ، مثل الأبقار والحيوانات البرية ، يمكن أن تعاني النباتات من حولها ، خاصة إذا كانت الحيوانات تستهدف نباتًا واحدًا على وجه الخصوص.

يعمل التوزيع المتكتل في الأنواع كآلية ضد الافتراس وكذلك آلية فعالة للقبض على الفريسة أو ركنها. الكلاب البرية الأفريقية ، الصورة Lycaon، استخدم تقنية الصيد الجماعي لزيادة معدل نجاحها في اصطياد الفريسة. أظهرت الدراسات أن المجموعات الكبيرة من الكلاب البرية الأفريقية تميل إلى تحقيق عدد أكبر من عمليات القتل الناجحة. من الأمثلة الرئيسية للتوزيع المتكتل بسبب الموارد غير المكتملة الحياة البرية في إفريقيا خلال موسم الجفاف الأسود والضباع والزرافات والفيلة والغزال والعديد من الحيوانات تتجمع بمصادر المياه الصغيرة الموجودة في موسم الجفاف الشديد. [9] وقد لوحظ أيضًا أن الأنواع المنقرضة والمهددة بالانقراض من المرجح أن تتجمع في توزيعها على سلالة. والسبب وراء ذلك هو أنهم يشتركون في السمات التي تزيد من قابلية التعرض للانقراض لأن الأصناف ذات الصلة غالبًا ما تقع ضمن نفس الأنواع الجغرافية أو أنواع الموائل الواسعة حيث تتركز التهديدات التي يسببها الإنسان. باستخدام سلالات كاملة تم تطويرها مؤخرًا للحيوانات آكلة اللحوم والثدييات ، فقد تبين أن غالبية الحالات المهددة بالانقراض بعيدة كل البعد عن التوزيع العشوائي بين الأصناف والتطور والتوزيع المتكتل. [10]

التوزيع المتجاور هو التوزيع الذي يكون فيه الأفراد أقرب معًا مما لو تم توزيعهم عشوائيًا أو بالتساوي ، أي أنه توزيع متكتل مع مجموعة واحدة. [11]

تحرير منتظم أو موحد

أقل شيوعًا من التوزيع المتكتل ، التوزيع المنتظم ، المعروف أيضًا بالتوزيع المتساوي ، يكون متباعدًا بشكل متساوٍ. تم العثور على توزيعات موحدة في المجموعات السكانية التي يتم فيها تكبير المسافة بين الأفراد المتجاورين. تنشأ الحاجة إلى تعظيم المسافة بين الأفراد بشكل عام من التنافس على مورد مثل الرطوبة أو العناصر الغذائية ، أو نتيجة للتفاعلات الاجتماعية المباشرة بين الأفراد داخل السكان ، مثل الإقليمية. على سبيل المثال ، غالبًا ما تظهر طيور البطريق تباعدًا موحدًا من خلال الدفاع بقوة عن أراضيها بين جيرانها. على سبيل المثال ، يتم أيضًا توزيع جحور الجربوع الكبيرة بانتظام ، [12] والتي يمكن رؤيتها على صور الأقمار الصناعية. [13] تعرض النباتات أيضًا توزيعات موحدة ، مثل شجيرات الكريوزوت في المنطقة الجنوبية الغربية من الولايات المتحدة. سالفيا ليوكوفيلا هو نوع في كاليفورنيا ينمو بشكل طبيعي في مسافات منتظمة. تطلق هذه الزهرة مواد كيميائية تسمى تربين والتي تمنع نمو النباتات الأخرى حولها وتؤدي إلى توزيع منتظم. [14] هذا مثال على اعتلال الأليل ، وهو إطلاق مواد كيميائية من أجزاء النبات عن طريق النض ، ونضح الجذور ، والتطاير ، وتحلل البقايا وغيرها من العمليات. يمكن أن يكون لداء Allelopathy تأثيرات مفيدة أو ضارة أو محايدة على الكائنات الحية المحيطة. حتى أن بعض الأليلوكيميائية لها تأثيرات انتقائية على الكائنات الحية المحيطة ، على سبيل المثال ، أنواع الأشجار Leucaena leucocephala ينضح مادة كيميائية تمنع نمو النباتات الأخرى ولكن ليس تلك الخاصة بنوعها ، وبالتالي يمكن أن تؤثر على توزيع أنواع منافسة معينة. عادة ما ينتج عن علاج Allelopathy توزيعات موحدة ، ويتم البحث في قدرتها على قمع الأعشاب الضارة. [15] غالبًا ما تخلق الزراعة والممارسات الزراعية توزيعًا موحدًا في المناطق التي لم تكن موجودة فيها من قبل ، على سبيل المثال ، أشجار البرتقال التي تنمو في صفوف في مزرعة.

تحرير عشوائي

التوزيع العشوائي ، المعروف أيضًا باسم التباعد غير المتوقع ، هو أقل أشكال التوزيع شيوعًا في الطبيعة ويحدث عندما يتواجد أعضاء نوع معين في بيئات يكون فيها وضع كل فرد مستقلاً عن الأفراد الآخرين: فهم لا يجتذبون ولا يتنافرون واحد اخر. التوزيع العشوائي نادر في الطبيعة حيث أن العوامل الحيوية ، مثل التفاعلات مع الأفراد المجاورين ، والعوامل اللاأحيائية ، مثل المناخ أو ظروف التربة ، تتسبب عمومًا في أن تتجمع الكائنات الحية أو تنتشر. يحدث التوزيع العشوائي عادة في الموائل حيث تكون الظروف والموارد البيئية متسقة. يتميز هذا النمط من التشتت بعدم وجود أي تفاعلات اجتماعية قوية بين الأنواع. على سبيل المثال ، عندما تتشتت بذور الهندباء بفعل الرياح ، غالبًا ما يحدث التوزيع العشوائي عندما تهبط الشتلات في أماكن عشوائية تحددها عوامل لا يمكن السيطرة عليها. يمكن أن تسافر يرقات المحار أيضًا مئات الكيلومترات بواسطة التيارات البحرية ، مما قد يؤدي إلى توزيعها العشوائي. تظهر التوزيعات العشوائية تكتلات فرصة (انظر تكتل بواسون).

هناك طرق مختلفة لتحديد نمط توزيع الأنواع. يمكن استخدام طريقة الجار الأقرب لكلارك إيفانز [16] لتحديد ما إذا كان التوزيع متكتلًا أو منتظمًا أو عشوائيًا. [17] لاستخدام طريقة كلارك وإيفانز الأقرب للجار ، يقوم الباحثون بفحص مجموعة من نوع واحد. يتم تسجيل مسافة الفرد إلى أقرب جار له لكل فرد في العينة. بالنسبة لشخصين أقرب جيران لبعضهما البعض ، يتم تسجيل المسافة مرتين ، مرة لكل فرد. للحصول على نتائج دقيقة ، يُقترح أن يكون عدد قياسات المسافة 50 على الأقل. تتم مقارنة متوسط ​​المسافة بين أقرب الجيران بالمسافة المتوقعة في حالة التوزيع العشوائي لإعطاء النسبة:

إذا كانت هذه النسبة ص يساوي 1 ، ثم يتم تفريق السكان بشكل عشوائي. إذا ص أكبر بكثير من 1 ، يتشتت السكان بالتساوي. أخيرًا ، إذا ص أقل بكثير من 1 ، يتجمع السكان. يمكن بعد ذلك استخدام الاختبارات الإحصائية (مثل اختبار t ، مربع تشي ، وما إلى ذلك) لتحديد ما إذا كان ص يختلف اختلافًا كبيرًا عن 1.

تركز طريقة نسبة التباين / المتوسط ​​بشكل أساسي على تحديد ما إذا كان النوع مناسبًا لتوزيع متباعد عشوائيًا ، ولكن يمكن أيضًا استخدامه كدليل على التوزيع الزوجي أو المتكتل. [18] لاستخدام طريقة نسبة التباين / المتوسط ​​، يتم جمع البيانات من عدة عينات عشوائية من مجتمع معين. في هذا التحليل ، من الضروري أن يتم النظر في البيانات من ما لا يقل عن 50 قطعة عينة. تتم مقارنة عدد الأفراد الموجودين في كل عينة بالأعداد المتوقعة في حالة التوزيع العشوائي. يمكن إيجاد التوزيع المتوقع باستخدام توزيع بواسون. إذا كانت نسبة التباين / المتوسط ​​تساوي 1 ، فسيتم توزيع السكان بشكل عشوائي. إذا كانت أكبر من 1 بشكل ملحوظ ، فسيتم العثور على السكان ليكونوا توزيعًا متكتلًا. أخيرًا ، إذا كانت النسبة أقل بكثير من 1 ، فسيتم توزيع السكان بالتساوي. تشمل الاختبارات الإحصائية النموذجية المستخدمة للعثور على أهمية نسبة التباين / المتوسط ​​اختبار الطالب t و chi squared.

ومع ذلك ، يعتقد العديد من الباحثين أن نماذج توزيع الأنواع القائمة على التحليل الإحصائي ، دون تضمين النماذج والنظريات البيئية ، غير مكتملة للغاية للتنبؤ بها. بدلاً من الاستنتاجات المستندة إلى بيانات الوجود والغياب ، تُفضل الاحتمالات التي تنقل احتمالية احتلال نوع ما لمنطقة معينة لأن هذه النماذج تتضمن تقديرًا للثقة في احتمالية وجود / غياب الأنواع. كما أنها أكثر قيمة من البيانات التي تم جمعها بناءً على الوجود البسيط أو الغياب لأن النماذج القائمة على الاحتمالية تسمح بتشكيل خرائط مكانية تشير إلى مدى احتمالية العثور على نوع ما في منطقة معينة. يمكن بعد ذلك مقارنة المناطق المماثلة لمعرفة مدى احتمالية حدوث نوع ما هناك أيضًا مما يؤدي إلى علاقة بين ملاءمة الموائل وحدوث الأنواع. [19]

يمكن التنبؤ بتوزيع الأنواع على أساس نمط التنوع البيولوجي على النطاقات المكانية. يمكن للنموذج الهرمي العام أن يدمج الاضطرابات والتشتت وديناميكيات السكان. استنادًا إلى عوامل التشتت والاضطراب والموارد التي تحد من المناخ وتوزيع الأنواع الأخرى ، يمكن للتنبؤات بتوزيع الأنواع أن تخلق نطاقًا بيولوجيًا للمناخ أو غلاف مناخ حيوي. يمكن أن يتراوح المغلف من مقياس محلي إلى مقياس عالمي أو من استقلالية الكثافة إلى التبعية. يأخذ النموذج الهرمي في الاعتبار المتطلبات أو الآثار أو الموارد وكذلك حالات الانقراض المحلية في عوامل الاضطراب. يمكن أن تدمج النماذج نموذج التشتت / الترحيل ونموذج الاضطراب ونموذج الوفرة. يمكن استخدام نماذج توزيع الأنواع (SDMs) لتقييم آثار تغير المناخ وقضايا إدارة الحفظ. تشمل نماذج توزيع الأنواع: نماذج الحضور / الغياب ، ونماذج التشتت / الهجرة ، ونماذج الاضطراب ، ونماذج الوفرة. تتمثل الطريقة السائدة لإنشاء خرائط التوزيع المتوقعة لأنواع مختلفة في إعادة تصنيف طبقة الغطاء الأرضي اعتمادًا على ما إذا كان من المتوقع أن تعيش الأنواع المعنية في كل نوع غطاء أم لا. غالبًا ما يتم تعديل SDM البسيط هذا من خلال استخدام بيانات النطاق أو المعلومات المساعدة ، مثل الارتفاع أو مسافة الماء.

أشارت الدراسات الحديثة إلى أن حجم الشبكة المستخدمة يمكن أن يكون له تأثير على مخرجات نماذج توزيع هذه الأنواع. [20] يمكن لحجم الشبكة القياسي البالغ 50 × 50 كم تحديد مساحة أكبر تصل إلى 2.89 مرة مقارنةً بنمذجة شبكة 1 × 1 كم لنفس النوع. هذا له العديد من التأثيرات على تخطيط حفظ الأنواع في ظل تنبؤات تغير المناخ (نماذج المناخ العالمي ، التي تستخدم بشكل متكرر في إنشاء نماذج توزيع الأنواع ، تتكون عادة من شبكات بحجم 50-100 كيلومتر) مما قد يؤدي إلى المبالغة في التنبؤ بالنطاقات المستقبلية في نمذجة توزيع الأنواع. يمكن أن يؤدي هذا إلى الخطأ في تحديد المناطق المحمية المخصصة لموائل مستقبلية للأنواع.

The Species Distribution Grids Project is an effort led out of the University of Columbia to create maps and databases of the whereabouts of various animal species. This work is centered on preventing deforestation and prioritizing areas based on species richness. [21] As of April 2009, data are available for global amphibian distributions, as well as birds and mammals in the Americas. The map gallery Gridded Species Distribution contains sample maps for the Species Grids data set. These maps are not inclusive but rather contain a representative sample of the types of data available for download:


3 Answers 3

Translate the centre of the sphere to the origin. Then $(1,1,1)$ is translated to $(1-0,1-1,1-(-3))$, that is, to $(1,0,4)$.

The line through the origin and $(1,0,4)$ has parametric equation $x=t$, $y=0$, $z=4t$. Substitute in $x^2+y^2+z^2=16$. That will give you the two intersection points, and the rest is easy.

Remark: This is an instance of the technique Transform, Solve, Transform Back. Except if we only want the distances, we do not have to transform back.

In fact, we do not even have to do algebra, unless we want the points. For by spherical symmetry the minimum and maximum distances depend only on the distance of $(1,0,4)$ from the origin. So we can use instead the point $(sqrt<17>,0,0)$ and then read off the answer.


شاهد الفيديو: How to add Point Data and to create Thiessen Polygon in ArcGIS (شهر اكتوبر 2021).