Zastosowanie wybranych metod ekologii krajobrazu do analizy struktury geokompleksów na przykładzie okolic Tucholi 2006, [w;] Idee i praktyczny uniwersalizm geografii, geografia fizyczna, (red.) Gierszewski P., Karasiewicz M. T., Dokumentacja Geograficzna 32, s. 70-74. Tomasz Giętkowski, Instytut Geografii, Uniwersytet Kazimierza Wielkiego, ul. Mińska 15, 85-428 Bydgoszcz, e-mail: tomgie@ukw.edu.pl 1. Wprowadzenie Zrozumienie zależności przestrzeych w krajobrazie jest wspólnym celem ekologii krajobrazu i geografii fizycznej kompleksowej. Mimo istnienia różnych modeli krajobrazu, uwzględniają one zazwyczaj analizy ilości, powierzchni i częstości jednostek, ich kształtu, sąsiedztwa, różnorodności i kontrastowości (Przewoźniak 1987, McGarigal i in. 2002). Podobne pozostają także główne problemy analiz przestrzeych: autokorelacja, towarzysząca prawie wszystkim naturalnym procesom, objawiająca się wzrostem różnic w wartościach zmieych wraz ze zwiększaniem się odległości pomiędzy próbami, anizotropia związana z występowaniem czyika powodującego ukierunkowanie struktury krajobrazu oraz stacjonarność, zakładająca podobieństwo średniej i wariancji zmieych opisujących dane zjawisko na całym obszarze badań (Dale i in. 2002). Celem referatu jest prezentacja wybranych metod z zakresu analiz przestrzeych, wykorzystywanych powszechnie w ekologii krajobrazu i wskazanie na potencjalne kierunki ich adaptacji do badań geokompleksów. 2. Materiały źródłowe Dla zobrazowania wybranych metod opracowano mapę krajobrazową okolic Tucholi dla powierzchni 90 000 ha, w formacie rastrowym o rozdzielczości 30m (1000x1000 piks.) (Ryc.1.). Podstawową jednostką jest geokompleks (1871 jednostek) o nieokreślonej randze taksonomicznej, występujący w 137 typach, wyznaczony w oparciu o mapy podstawowe trzech komponentów: rzeźby, litologii i pokrycia terenu.
Ryc. 1A. Lokalizacja obszaru badań na tle regionalizacji fizycznogeograficznej (za Kondrackim 1998): 314.69 Pojezierze Krajeńskie, 314.71 Bory Tucholskie, 314.72 Dolina Brdy, 314.73 Wysoczyzna Świecka; 1B. Mapa geokompleksów obszaru badań: 1. jeziora, 2. granice jednostek. Mapa typów morfometrycznych rzeźby powstała w wyniku klasyfikacji nienadzorowanej pochodnych numerycznego modelu wysokości, tj. spadku, krzywizny planarnej i wertykalnej oraz wskaźnika, wyrażającego wyniesienie punktu w stosunku do maksymalnej deniwelacji w odpowiadającej mu zlewni cząstkowej (MacMillan i in. 2000). Oparta na dendrogramie generalizacja jednostek pierwotnych pozwoliła na wydzielenie: zboczy, równin w dolnych częściach zlewni cząstkowych (interpretowanych jako dna obniżeń doliych, ryowych i wytopiskowych), równin w górnych częściach zlewni cząstkowych oraz równin falistych. Litologię opracowano w oparciu o mapy podstawowe utworów powierzchniowych w skali 1:50 000 (Mapa Geologiczna Polski, 1978). Wydzielenia sklasyfikowano na podstawie genezy osadu, na mapie litologicznej zaznaczając: torfy, osady fluwialne, limniczne, równin sandrowych, kemów i ozów, pagórów morenowych, moreny deej oraz osady eoliczne. Dane o pokryciu terenu uzyskano dokonując reklasyfikacji danych z trzeciego poziomu wektorowej bazy CORINE 2000 (poniżej numery w nawiasach), otrzymując następujące klasy: lasy iglaste (312), lasy liściaste i mieszane (311, 313, 324), grunty orne (211, 242), łąki (231), bagna (411), tereny zurbanizowane (112, 121) oraz zbiorniki wodne (512). Operacje na mapach tematycznych i analizy przestrzee wykonano w oparciu o rozszerzenie Spatial Analyst, pakietu ArcGIS 9.0 oraz programy Passage (Rosenberg 2001), Fragstats (McGarigal i in. 2002) oraz Vesper (Minasny 2005).
3. Wybrane metody W ostatnim czasie przedstawiono szereg prac dotyczących przeglądu metod analiz przestrzeych wykorzystywanych w naukach przyrodniczych (między iymi Dale i in. 2002, Fortin i in. 2002, Perry i in. 2002). Ich systematyka opiera się najczęściej o trzy kryteria, którymi są typ danych, skala oraz cel badań. W niniejszej pracy zostały przedstawione te z nich, które zdaniem autora pozwalają na wykrycie zależności, nie rozważanych dotąd w ujęciu geokompleksowym. Analiza punktowych danych bezatrybutowych (x, y) pozwala określić czy zjawisko występuje w przestrzeni w postaci zgrupowań, czy też rozłożone jest losowo lub regularnie. Wykorzystywane do tego celu miary Ripleya K i L oparte są na analizie gęstości punktów zliczanych w poruszającym się okręgu, kilkukrotnie zmieniającym wielkość w danej lokalizacji (Fortin i in. 2002). Średnia ilość obserwacji K jest zazwyczaj standaryzowana względem liczby π i przedstawiana jako funkcja wielkości okręgu L. Wartości dodatnie wskazują na regularny rozkład danych, wartości ujemne oznaczają skupienie, z kolei bliskie zeru odpowiadają rozprzestrzenieniu losowemu. Porównując rozkład centroid geokompleksów obszaru Tuchola z wygenerowanym rozkładem losowym punktów (krzywe na Ryc. 2B), zauważyć można dużą i znaczącą regularność ich konfiguracji w obrębie 150 200 m. Dalszy przebieg krzywej uwidacznia zgrupowania punktów na większych skalach analizy (tj. gdy zwiększa się promień okręgu, w którym są zliczane punkty). Ryc. 2A. Centroidy 1871 geokompleksów obszaru Tuchola, 2B. Krzywe funkcji L dla danych z Ryc. 2A; Pierwszą zależność interpretować można jako wynik dużej różnorodności, a więc i ilości geokompleksów, w obrębie lokalnie i dość regularnie urozmaiconej rzeźby i użytkowania. Wynik analizy pozwala wykryć także drugi poziom organizacji w postaci zgrupowań w skalach ponad 1000 m.
Dane punktowe mogą także posłużyć do zbadania izotropii w rozkładzie geokompleksów przy użyciu analizy falkowej w modyfikacji Rosenberga (2004). Analiza falkowa jest rozwinięciem analiz Fourierowskich, z tym że przebieg krzywych charakteryzujących dane zjawisko (np. przebieg stanu wody w rzece) jest porównywany do pojedynczej falki o ściśle określonej amplitudzie i czasie trwania. Kiedy wzornik w postaci falki odpowiada przebiegowi danych, wartość transformacji jest wysoka. Zmieniając charakterystyki falki można wykrywać prawidłowości występujące w przebiegu danych w różnych skalach (Percival i in. 2004). Rosenberg (2004) zaproponował modyfikację metody polegającą na podziale obszaru badań na 360 jednokątowych sektorów, w których zliczana jest ilość punktów. Punkty z przeciwległych sektorów należy następnie zsumować, co doprowadzi do powstania transektu. Kolejnym krokiem jest wykonanie jego transformacji z wykorzystaniem odpowiedniej falki, zazwyczaj francuski lub meksykański kapelusz. Duże zmiany wariancji (Ryc. 3B), które w trakcie analiz uwidoczniły się przy większych skalach (tj. gdy falka obejmowała większą część transektu) wskazują na znaczną anizotropię w rozkładzie centroid. Wskazać można dwa kierunki grupowania się danych, NW/SE (zauważalny także na rycinie 2A.) oraz mniej wyraźny NE/SW. Ryc. 3A. Punkty centralne rozet umieszczone w głównych osiach obrazu; 3B. Wyniki analizy falką meksykański kapelusz. Punktowe dane atrybutowe, poza lokalizacją niosą informacje o natężeniu danego zjawiska. Powszechnie wykorzystywaną metodą analiz tego rodzaju danych jest wariogram, ukazujący oczekiwaną różnicę w wartościach pomiędzy parą zmieych oddalonych od siebie na określoną odległość (Clark 1979). Warto podkreślić, że semiwariogram przedstawia wyłącznie różnice między parami punktów w funkcji ich oddalania, nie uwzględniając faktycznego położenia i wartości punktów (Magnuszewski 1999). Rycina 4. przedstawia wariogram eksperymentalny dla długości granic geokompleksów, mierzonej w polach 500x500 m oraz teoretyczny, dopasowany do danych w
oparciu o model sferyczny. Promień oddziaływania wynoszący 1582 m, wskazuje na fakt, że gęstości granic są podobne na względnie małych odległościach. Może to potwierdzać przypuszczenie, wynikające z analizy wskaźników Ripleya o istnieniu skupień niewielkich geokompelksów. Miary opisujące wzorzec krajobrazu mają szerokie zastosowanie w geografii kompleksowej (Pietrzak 1989). Ekolodzy krajobrazu stworzyli szereg narzędzi do przeprowadzenia tego rodzaju analiz, z których najczęściej wykorzystywanym jest program Fragstats (McGarigal 2002). Ryc. 4. Semiwariogram dla gęstości granic geokompleksów obszaru Tuchola, (kropki - wariogram eksperymentalny, linia teoretyczny) ; Metryki (wskaźniki) krajobrazu mogą dotyczyć kompozycji, czyli cech związanych z ilością i zróżnicowaniem jednostek oraz konfiguracji, która odnosi się do ich przestrzeego charakteru i uporządkowania. Tab. 1. Wartości wybranych metryk krajobrazu dla obszaru Tuchola; KOMPOZYCJA KONFIGURACJA powierz. [ha] udział w pow. liczba [%] geokompl. śred. pow. geokom. [ha] wymiar fraktalny wskaźnik kształtu wskaźnik agregacji [%] odległość najbliż. sąsiedztwa. [m] łącznie 90000-1871 48,1 1,087 1,79 93,2 - typ 6 12304 13,7 64 192,2 1,093 2,03 95,9 469
W tabeli 1. przedstawiono wartości głównych metryk dla całego badanego obszaru oraz typu geokompleksu nr 6. (gliniaste równiny faliste, użytkowane rolniczo), którego 64 wydzielenia zajmują w krajobrazie 13,7 % powierzchni, charakteryzując się dość złożonymi kształtami, większymi od przeciętnej powierzchniami (por. Ryc. 2B.) i dużym stopniem agregacji (maksymalna agregacja zachodzi gdy, dany typ występuje w postaci jednej jednostki). 4. Wnioski Zaprezentowane metody stanowią bardzo skromną część zbioru, jakim dysponuje ekologia krajobrazu. Rozważyć należy na przykład badania stopnia autokorelacji, analizy przy pomocy modeli neutralnych, czy wykrywanie i prognozowanie przemian z wykorzystaniem Łańcuchów Markowa. Autor ma pełną świadomość faktu, że z uwagi na niewielką ilość badań prowadzonych w ujęciu kompleksowym z wykorzystaniem opisanych metod, interpretacja przedstawionych wyników może być dyskusyjna, choć jak wskazano powyżej pozwalają one na wykrycie zależności przestrzeych, których wcześniej w tym modelu krajobrazu nie rozważano. Literatura Clark I., 1979, Practical Geostatistics, Elsevier Applied Science. Dale M. R. T., Dixon P., Fortin M. J., Legendre P., Myers D. E., Rosenberg M., 2002, Conceptual and mathematical relationship among methods for spatial analysis, Ecography, vol. 25, 558-577. Fortin M. J., Dale M.R.T., ver Hoef J., 2002, Spatial analysis in ecology, [w:] Shaarawi A. H., Piegorsch W. W. (red.), Encyclopedia of Environmetrics, John Wiley & Sons, Chichester. Kondracki J., 1998, Geografia regionalna Polski, PWN, Warszawa. MacMillan R. A., Pettapiece W. W., Nolan S. C., Goddard T. W., 2000, A generic procedure for automatically segmenting landforms into landform elements using DEM, heuristic rules and fuzzy logic, Fuzzy Sets and Systems, vol. 11, 81-109. Magnuszewski A., 1999, GIS w geografii fizycznej, PWN, Warszawa. Mapa Geologiczna Polski 1:200000 ark. Chojnice, Mojski J. E. (red.), 1978, A-Mapa utworów powierzchniowych 1:50000, arkusze: Tuchola, Sępólno, Gostycyn, Lubiewo, Wyd. Geolog. Warszawa. McGarigal, K., Cushman S. A., Neel M. C., and Ene E., 2002. FRAGSTATS: Spatial Pattern
Analysis Program for Categorical Maps, Computer software program produced by the authors at the University of Massachusetts, Amherst. Minasny, B., McBratney, A.B., and Whelan, B.M., 2005. VESPER version 1.62. Australian Centre for Precision Agriculture, McMillan Building A05, The University of Sydney, NSW 2006. http://www.usyd.edu.au/su/agric/acpa Percival D. B., Wang M., Overland J. E., 2004, An Introduction to Wavelet Analysis with Applications to Vegetations Time Series, Community Ecology, vol. 5, issue 1, 19-30. Perry J. N., Liebhold A. M., Rodenberg M. S., Dungan J., Miriti M., Jakomulska A., Citron- Pousty S., 2002, Illustrations and guidelines for statistical methods for quantifying spatial pattern in ecological data, Ecography, vol. 25, 578 600. Pietrzak M., 1989, Problemy i metody badania struktury geokompleksu, UAM, Seria Geografia nr 45, Poznań. Przewoźniak M., 1987, Podstawy geografii fizycznej kompleksowej, Skrypty Uczelniane UG, Gdańsk. Rosenberg M. S., 2001, PASSAGE, Pattern analysis, spatial statistics and geographic exegesis. http://www.passagesoftware.net Rosenberg M. S., 2004, Wavelet analysis for detecting anisotropy in point pattern, Journal of Vegetation Science, vol. 15, 277-284.