Automatizált térinformatikai adatfeldolgozási és elemzési eljárások kidolgozása összehasonlító tájökológiai vizsgálatokhoz

Pécsi Tudományegyetem Természettudományi Kar Földrajzi Intézet

Automatizált térinformatikai adatfeldolgozási és elemzési eljárások kidolgozása összehasonlító tájökológiai vizsgálatokhoz Készítette: KISS KINGA Témavezető: DR. BUGYA TITUSZ

Pécs, 2014.

„A kutatás a TÁMOP 4.2.4.A/2-11-1-2012-0001 azonosító számú „Nemzeti Kiválóság Program – Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program” című kiemelt projekt keretében zajlott. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.

Tartalomjegyzék ABSZTRAKT .............................................................................................................................................. 2 1.

BEVEZETÉS .................................................................................................................................... 3

2.

A VIZSGÁLAT CÉLJA ....................................................................................................................... 5

3.

KUTATÁSTÖRTÉNETI ÁTTEKINTÉS .................................................................................................. 7

4.

KUTATÁSI MÓDSZEREK ............................................................................................................... 12 4.1.

ADATGYŰJTÉS ................................................................................................................................... 13

4.2.

AZ ADATFELDOLGOZÁS ESZKÖZEI........................................................................................................... 15

4.3.

A TERÜLETHASZNÁLATI KATEGÓRIÁK EGYEZTETÉSE .................................................................................... 17

4.4.

TÁJÖKOLÓGIAI INDEXEK ...................................................................................................................... 19

5.

EREDMÉNYEK .............................................................................................................................. 22 5.1.

FOLTINDEXEK SZÁMÍTÁSA .................................................................................................................... 25

5.2.

FOLTOSZTÁLYRA VONATKOZÓ ADATOK ................................................................................................... 28

5.3.

TÁJRA VONATKOZÓ ADATOK ................................................................................................................ 34

5.4.

A GYŰJTÉS HELYEIRE VONATKOZÓ ADATOK .............................................................................................. 37

6.

AZ EREDMÉNYEK ÖSSZEFOGLALÁSA ............................................................................................ 44

7.

KÖSZÖNETNYILVÁNÍTÁS.............................................................................................................. 46

IRODALOMJEGYZÉK................................................................................................................................ 47 MELLÉKLETEK ......................................................................................................................................... 52

1

Absztrakt A kisemlősökre vonatkozó nagy mennyiségű térbeli adat feldolgozására a hagyományos módszerek már kevésnek bizonyulnak. A Pécsi Tudományegyetem Biológiai Intézete által gyűjtött közel 30 éves adatsorok elemzésére kézenfekvő megoldást kínál a térinformatika. A feldolgozásra a GRASS GIS térinformatikai programot és a gnuplot függvényrajzoló programot alkalmazom. A módszerek kidolgozása után azokat automatizálom bash shell és gnuplot scriptek segítségével, így az elemzések hasonló módon végezhetőek el más területekere is, mely megkönnyíti azok eredményeinek összehasonlítását. A munka során kidolgozott módszer jól alkalmazható ökológiai kutatásokban. A táj szerkezetét vizsgálhatjuk a területre vonatkozó kisemlős-adatokkal és azok változásával, így megállapítható a kisemlős-populációkban bekövetkezett változások háttere. Kulcsszavak: tájökológiai index, GIS, script, automatizálás, gnuplot

2

1. Bevezetés A Pécsi Tudományegyetem Biológiai Intézete 1985 óta gyűjti rendszeresen a bagolyköpetekből származó kisemlős-adatokat. Ezen adatok a gyöngybagoly (Tyto alba) köpeteihez kötődnek. Jelentőségük abban áll, hogy a faj gazdag táplálék-összetétellel jellemezhető és egész évben a költőhely közelében tartózkodik, így jól vizsgálható adatokat szolgáltat. Életmódja és széles táplálék-spektruma alapján alkalmas ilyen jellegű felmérések végzésére (MILL´AN DE LA PEÑA, N. ET AL. 2003). A meglehetősen nagy mennyiségű adat íly módon kezelhetetlenné vált hagyományos, egyszerű statisztikai módszerek felhasználásával. A feldolgozásra kézenfekvő megoldást kínál a térinformatika eszköztára, mellyel a rendelkezésre álló térbeli adatok egyszerűbben és alaposabban feldolgozhatóak. A térinformatika egyre nagyobb szerepet játszik a biológiában, tájökológiában, mivel hatékony eszköz az ilyen típusú, nagy mennyiségű adatok feldolgozására (RANCI ORTIGOSA, G. et al. 2000). A térinformatikai programok alkalmasak a tájökológiai indexek és más mutatók számítására,

eredményeik

felhasználhatóak

statisztikai

feldolgozásra,

és

mindez

automatizált módon is megvalósítható. Így az elemzéseket elvégezhetjük különböző területeken vagy több időpontra, majd összehasonlíthatjuk ezek eredményeit (KISS K. és BUGYA T.). Előbbi esetben összehasonlítható több terület tájszerkezete és annak kapcsolata a kisemlőspopulációval. Utóbbi esetben a kisemlősök populációjának változását követhetjük nyomon és megállapíthatjuk a területhasználat vagy tájszerkezet-változás hatását annak alakulására. A fent leírt problémát egy kiválasztott Baranya megyei területen vizsgálom meg. A területhasználatot

három

időintervallumon

elemzem,

melyek

adatait

a

kutatás

folytatásaként összehasonlítom az említett kisemlős-adatokkal. Az elemzéseket a GRASS GIS1 térinformatikai programmal és a gnuplot statisztikai megjelenítő programmal végzem el, és bash shell scriptekkel automatizálom a lépéseket. A kutatás célja egy olyan módszer kidolgozása, mellyel egységesen végezhetőek elemzések egy-egy tájrészleten, hogy a nemzetközi CEEPUS-program keretében együttműködő országok2 a kisemlős-adataikat összehasonlíthassák. Az elkészített scriptek alkalmasak lesznek arra, hogy azonos 1

Geographic Resources Analysis Support System, http://grass.osgeo.org/

2

Csehország, Szlovákia, Lengyelország és Magyarország

3

jellemzők alapján hasonlítsunk össze több területet tájökológiai kutatások során. Az elemzéshez Linux operációs rendszerre, GRASS GIS és gnuplot3 programokra van szükség. Ezen kívül a használt térképeknek ugyanazokkal a kategóriákkal érdemes rendelkezniük minden területen a megfelelő összehasonlítás érdekében. Összesen 12 területhasználati kategóriát határoztam meg erre a célra a kiválasztott minteterületen (7. melléklet). A kutatás eredményeként a kiválasztott mintaterület tájmetriai jellemzői kerülnek megállapításra. Meghatározom, hogy az adott területen milyen a területhasználat-változás; folt, foltosztály és táj szinten tájmetriai indexek számításával meghatározom a tájra vonatkozó sajátosságokat. Ezen keresztül megállapítható, hogy a terület kisemlőspopulációjára milyen hatással van a mezőgazdasági művelés megváltozása, az életterek mozaikossága; mozgásukra és diverzitásukra milyen hatással vannak az infrastruktúra változásai. A módszerek kidolgozása után azok alkalmazhatóak lesznek a gyűjtés többi, fent említett területére is.

3

http://www.gnuplot.info/

4

2. A vizsgálat célja A munka során megvizsgálom, hogy milyen hatékonysággal alkalmazhatóak nyílt forrású térinformatikai rendszerek tájökológiai kutatások elvégzésére, eszközkészletükben megtalálhatóak-e a feldolgozáshoz szükséges funkciók. A módszer kidolgozásának célja tájmetriai adatok szolgáltatása ökológiai elemzésekhez; egy olyan térinformatikai elemzési eljárás kidolgozása, amely egységesen alkalmas hazai és nemzetközi adatok együttes feldolgozására. Megmutatom, hogy a szabad forrású térinformatikai rendszerek alkalmasak a tájökológiai adatok számítására (NETELER, M. et al. 2012, STEIGNER, S. és J. HAY, G. 2009, SZEMÁN I. 2012, ZARAGOZÍ, B. et al. 2012, WANG, W-C. et al. 2008). Egy GIS szoftvernek az alapvető funkciók mellett számos más funkciót is el kell látnia, hogy alkalmas legyen ökológiai elemzések elvégzésére. Ilyenek például a pufferzóna-generálás, overlay műveletek, foltok különböző mérőszámainak kiszámítása (alak, terület, kerület, stb.), újraosztályozás, domborzatmodellből levezett adatok (slope, aspect), adattípusok közti konverzió, vagy az eredmények tematikus térképen való megjelenítése. Fontos, hogy a használt szoftver korlátai ne akadályozzák a kutatást, mindemellett alapvető tudományos elvárás, hogy az elemzés során elvégzett műveletek megismételhetőek legyenek (STEIGNER, S. – J. HAY, G. 2009). STEIGNER, S. – J. HAY, G. 2009 nyolc free és open source GIS szoftvert vizsgált meg abból a szempontból, hogy mennyire alkalmasak ilyen típusú ökológiai elemzésekre. A munka célja olyan adatok szolgáltatása, és olyan munkamenet kialakítása, mely az ökológiai kutatásokhoz nyújt nagy segítséget, melyek során megvizsgálják, hogy adott terület kisemlős-összetételére milyen hatással van a területhasználat és az infrastruktúra megváltozása. A módszer kialakításának legfontosabb céljai, hogy (1) tájszerkezet jellemzésére alkalmas legyen, (2) összehasonlítható adatokat szolgáltasson, (3) mindezt automatizált módon tegye, valamint (4) annak bemutatása, hogy szabad térinformatikai eszközökkel elvégezhető a feladat. Olyan eszközt alakítok ki, amely ökológiai vizsgálatokhoz automatikusan számolja az adott mintaterület tájmetriai jellemzőit és ezek alapján annak statisztikai jellemzőit. Ennek során folt, foltosztály és táj szinten tájmetriai adatok számításával határozza meg a tájra vonatkozó sajátosságokat, és hogy az adott területen milyen mértékű a területhasználat-változás. Az eszközkészlet segítségével elvégezhetőek a Biológiai Intézet által elvárt tájstruktúra-elemzések, ezen struktúra 5

összefüggése a kisemlős-adatokkal. Fontos azonban megemlíteni, hogy jelen munka elsősorban módszertani jellegű, csupán a kutatás térinformatikai aspektusait mutatom be, a scriptek által számított adatokat és az elkészített grafikonokat. A kimeneti adatok teljes körű elemzése nem célom.

6

3. Kutatástörténeti áttekintés Tájökológiai vizsgálatok során nélkülözhetetlen a tájökológiai indexek használata, melyek a táj szerkezetéről adnak információt. A tájmetriai adatok meghatározzák a foltok, foltosztályok és a táj karakterisztikáját (WANG, W-C. et al. 2008). A tájökológiai elemzések a szigetbiográfiai teóriára épülnek, melyet MacArthur és Wilson alkotott meg 1967-ben (ROCCHINI, D. et al. 2013). Ennek alapja a folt, folyosó és mátrix elkülönítése a tájban (CSORBA P. et al. 2006). A folt nem lineáris, homogén egység, a folyosó hosszan elnyúló egység, a mátrix a foltok beágyazó felülete (SZABÓ SZ. 2009). A tájmintázat a különböző méretű és alakú tájelemek elrendeződése; az elrendeződés és összetétel a tájmintázat alapvető tulajdonságai. Az elrendeződés leírja az elemek számát és relatív gyakoriságát, az összetétel az elemek térbeli elrendeződését. A térbeli heterogenitás a tájmintázat komplexitásának és változatosságának a mértéke. Bizonyos esetekben a tájmintázat és a táj heterogenitása helyettesíthető egymással. A tájmintázat-elemzések a tájelemek összetételét és térbeli elrendeződését vizsgálják, és különböző módszerekkel mutatják be azt; mint például grafikonok, indexek formájában. Ahhoz, hogy az ökológiai folyamatok

és

tájmintázat

közötti

kapcsolatokat

tanulmányozhassuk,

először

a

tájmintázatot kell minősíteni. A tájmintázat-elemzésnek fontos szerepe van a biodiverzitás megőrzésében; a tájökológia szerves részét képezi (LIDING, CH. et al. 2008, ZARAGOZÍ, B. et al. 2012), ezen kívül a leggyorsabban fejlődő ökológiai irányzat az 1980-as évek óta (LI, H. és WU, J. 2004). A tájmintázat-elemzés során használt indexek három kategóriába sorolhatóak: a foltszintű mérőszámok a terület, kerület, alak, magterület, konnektivitás, stb. (SZABÓ SZ. 2009, VIEIRA, M. V. et al. 2009, WANG, W-C. et al. 2008). Az osztályszintű mérőszámok

esetében

a

foltokat

kategóriájuk

alapján

osztályozzuk,

tájszintű

mérőszámokkal az egész tájat elemezzük (1. ábra). Tájgeometriai adatok (folt, mátrix, összekötő elemek) mérésére szolgál például a tájfoltok közötti távolság elemzése. Ennek vizsgálata azért fontos, mert két tájökológiai folt között növekvő távolsággal nő az áldozattá válás valószínűsége. A populáció számára szükséges foltnagyság alsó határát fajspecifikusan határozhatjuk meg, mivel ez a populációk stabil létéhez, fejlődéséhez szükséges minimális nagyságot adja meg. A területek nagyságának átlagát, móduszát, mediánját, a szóródás mérőszámait (variancia, szórás) számíthatjuk. A területek átlaga szolgál a legkevesebb információval; a medián jó képet ad a foltok terület-, és kerületviszonyairól. Ezeket a vizsgálatokat megvalósíthatjuk a GRASS GIS 7

alapfunkcióinak segítségével, valamint a kapott adatok alapján statisztikai megjelenítő programmal készíthetünk grafikonokat, diagramokat.

1. ábra – Tájszint és osztályszint

Program

FOSS

Platform

Programozási Egyéb nyelv követelmények

Adatformátum

Fragstats

nem

Win, Mac

C++

GIS bővítmény

raszter

r.le + r.li

igen

Win, Mac, Linux

C

GRASS

raszter

Pattern/Texture

nem

Win

--------

Idrisi

raszter

PA4

nem

Win

VB 6

ArcGIS

vektor/raszter

V-Late

nem

Win

VB 6

ArcGIS

vektor

1. táblázat – Tájmetriai adatok számítására szolgáló legismertebb alkalmazások összehasonlítása (ZARAGOZÍ, B. et al. 2012 nyomán)

Az élőegyüttesek stabilitása a külső hatásokkal szemben mutatott ellenállóképességét adja meg. Ha tudjuk, hogy a foltok milyen hosszú határfelülettel érintkeznek egymással, megadhatjuk, hogy külső hatás benyomulásának milyen hosszú határon van lehetősége. A terület/kerület hányadosa megmutatja, hogy mennyire sérülékeny az adott folt: kevésbé sérülékeny az élőhely, ha ez az arány nagyobb (CSORBA P. et al. 2006). A tájfelszabdaltsági index (landscape dissection index) a foltnagyság, foltkerület és az egész 8

terület nagysága közti viszony kifejezésére. Ez a foltok élsűrűségének mérőszáma, mellyel összehasonlítható a tájak felszabdaltsága. Minél nagyobb ez az érték, annál felszabdaltabb a táj. A foltok szegélyhossza befolyásolja, hogy a külső tényezők milyen mértékben hatnak az adott folt életére. A határ típusa (éles, simított) is befolyásolja ezt a hatást. Az ökológiai folyosók felmérése is fontos lehet, melyek foltok közötti keskeny, hosszú összeköttetések (CSORBA P. et al. 2006, BATES, F. S. – HARRIS, S. 2009, MICHEL, N. et al. 2006, SULLIVAN, T. P. et al. 2012). A említett területi és kerületi adatok, magterületre vonatkozó adatok számítása egyszerűen megoldható az általunk választott térinformatikai program segítségével. Nyugaton

régóta

végeznek

tájökológiai

vizsgálatokat;

például

MILL´AN DE LA PEÑA, N. et al. (2003) azt elemezte Nyugat-Franciaországban, hogy a kisemlősök hogyan reagálnak a mezőgazdasági művelés megváltozására NyugatFranciaországban. A 2003-as kutatásuk 12 1 × 1 km-es mintavételi terület alapján történt, melynek alapja a terület mezőgazdaságának változatossága, tehát a mintákat különböző művelésű területekről gyűjtötték. Az adatok gyűjtésének alapja a gyöngybagoly (Tyto alba)

köpeteinek

vizsgálata,

melyek

tartalmából

megállapították

a

kisemlősök

fajösszetételét az adott területeken. Arra a következtetésre jutottak, hogy a kisemlősök fajgazdagságára és specifikus összetételére, elrendeződésére nem volt hatással a művelés foka, azonban kimutathatóak eltérések a fajok előfordulásában. Kimutatták, hogy az intenzívebb mezőgazdasági termelésnek negatív hatásai vannak a ritka és élőhelyspecialista fajok esetében, de ez pozitív az élőhely-generalista fajok esetében. A mezőgazdasági tevékenység fajtája nem mutatott ilyen mértékű összefüggést a fajok elterjedésével (MILL´AN DE LA PEÑA, N. ET AL. 2003). BOND, G. et al. (2004) kutatási mintaterülete Sussex-ben, az Egyesült Királyság területén található a Rother-, és Arun-folyók vízgyűjtője mentén. A gyöngybagoly költési sikerét vizsgálta a tájhasználat függvényében. Eredményei azt mutatják, hogy a tájhasználat és a tájstruktúra befolyásolhatja a gyöngybaglyok költési sikerét4. BUTET, A. et al. (2006) a lineáris élőhelyek és az intenzív művelés alatt álló területek kisemlőseinek elterjedését tanulmányozta. A populációk szerkezetét, összetételét csapdázással vizsgálták a két élőhelytípuson 27 területen. A rágcsálók fajösszetétele az évszak vagy élőhely, esetleg mindkét tényező által befolyásolt. Két fő fajösszetétel 4

A gyöngybaglyok köpeteinek vizsgálatában természetesen figyelembe kell vennünk magukat a baglyokat

is: azok életmódját, életfeltételeit, vadászterületük nagyságát, költési sikerüket.

9

figyelhető meg attól függően, hogy milyen a habitat minősége (fás vagy füves). A területhasználat és a mezőgazdaság intenzitásának a biodiverzitásra gyakorolt hatását vizsgálta BUREL, F. et al. (1998), ZEBISCH, M. et al. (2004), BATES, F. S. és HARRIS, S. (2009), SULLIVAN, T. P. et al. (2012) és MICHEL, N. et al. (2006). BATES, F. S., HARRIS, S. (2009) a sövények minőségét és struktúráját az alapján határozta meg, hogy mennyi megszakítás van azok teljes hosszán (0, 5, 10, 20, 40 és több, mint 40%). SULLIVAN, T. P. et al. (2012) megállapította, hogy a vonalas habitatok pozitív hatással vannak a biodiverzitásra. NIKOLAKAKI, P. (2004) sherwood-i mintaterületen az elszigeteltség mértékét vizsgálta, valamint a területhasználati foltok kapcsolatát, összeköttetését (connectivity) más foltokkal. A kapcsolatokat úgy határozta meg, hogy a területhasználati térképen a különböző kategóriáknak értéket adott aszerint, hogy az adott faj számára mennyire alkalmas. Nyolc értéket állapított meg, majd költségfelszín-számítással megállapította, hogy mely területre könnyebb eljutni egy adott foltról. A fragmentáció nagy veszélyt jelent az élőlényekre; mezőgazdaság erősödése, tűlevelű erdők elterjedése, városi terjeszkedés mindinkább elősegíti a terület fragmentációját. VIEIRA, M. V. et al. (2009) szerint a biodiverzitás, fajgazdagság legfőbb meghatározója a feldarabolódás mértéke és a foltok elszigeteltsége. A folt elszigeteltsége a legközelebbi hasonló folttól való távolságát jelenti; VIEIRA, M. V. et al. (2009) a 10 hektárnál kisebb foltokat nem vette figyelembe. Ez ugyan nem minden esetben magyarázza a diverzitást, a terület mátrixa talán fontosabb ebből a szempontból. NIKOLAKAKI, P. és DUNNETT, N. (2005) megállapította, hogy a foltok feldarabolódása kis, elszigetelt populációkhoz vezet, azonban a foltok közötti kapcsolat növeli a rekolonizáció lehetőségét. A habitat elvesztése döntő fontosságú lehet a biodiverzitás csökkenésében (PARDINI, R. et al. 2005, RANCI ORTIGOSA, G. et al. 2000). Az élőhelyek elvesztése a fajszám és abundancia csökkenésének legfontosabb oka. A potenciális habitatok elemzése lehet a populáció fennmaradásának kulcsa (GERRARD, R. et al. 2001). GERRARD, R. et al. (2001) egy rókafaj élőhely-igényei alapján vizsgálta meg a habitatokat. Tájökológusok, ökológusok segítségével megállapította, hogy mely területhasználati kategória milyen mértékben alkalmas az adott faj számára, figyelembe vette a napi mozgás távolságát. Minden vizet, magasabb rendű utat áthatolhatatlannak állapított meg. A fragmentált élőhelyeken azonban a tájszerkezet összekötő elemei növelik a populáció túlélésének esélyeit. Ilyen összekötő elem például egy korridor (PARDINI, R. et al. 2005). 10

SZEMÁN, I. (2012) a térinformatikai programok ökológiában való alkalmazhatóságával foglalkozik. Összehasonlítja az nyílt forrású (open source), szabad- (free), és kereskedelmi (propietary) szoftvereket olyan szempontból, hogy mennyire alkalmasak ökológiai elemzésekre. Elsősorban az r.le, és r.li pluginokkal foglalkozik. Ezek segítségével folt, foltosztály és táj szinten számíthatunk paramétereket a számítási területre vonatkozóan. Ezen kívül habitat analízist, és hidrológiai analízist is végezhetünk segítségükkel. Az open source GIS alkalmazások jó alternatívát kínálnak tájökológiai kutatásokhoz, és minden adatformátumhoz találhatunk eszközöket. A használatuk nem túl nehéz, és a grafikus felületük felhasználóbarát kezelést tesz lehetővé. A megfelelő szoftver kiválasztása természetesen függ a kutatás természetétől. WANG, W-C. et al. 2008 a tájelemekre koncentrál, tehát magukra a foltokra, melyek bemutatására a tematikus térkép a legalkalmasabb. A tájmetriai adatok meghatározzák a foltok, foltosztályok és a táj karakterisztikáját. Megállapítja, hogy a kereskedelmi szoftverek helyett alkalmazhatóak open source szoftverek (például a GRASS r.li modulja). Egy példát mutat be tájmetriai adatok számítására, melyet két módszerrel közelít meg: A GRASS és ArcView térinformatikai programokkal. Három lépésben mutatja be, hogy mennyire alkalmasak ilyen típusú adatok, tájmetriai jellemzők kiszámítására. A Fragstats a legnépszerűbb program erre a célra; ingyen letölthető, azonban csak Windows operációs rendszeren használható, nem open source. Rengeteg tájökológiai index létezik és folyamatosan alakítanak ki újabbakat az egyre hatékonyabb tájszerkezet-vizsgálat céljából. Ezt elsősorban az elvárt eredményeket figyelembe véve teszik: például FU, W. et al. (2010) három szempontot vett figyelembe. Az alkalmasságot valamilyen konkrét faj igényeihez igazította, valamint megállapította a habitatfolt elérhetőségét más foltokról. Ezen kívül figyelembe vette a foltok méretét, mivel ez is meghatározó a populáció fennmaradásában.

11

4. Kutatási módszerek A problémát alapvetően térinformatikai szemszögből közelítettem meg, tehát elsősorban arra törekedtem, hogy a felismert ökológiai adatfeldolgozási problémákra megoldást keressek. Fontos elvárás volt, hogy olyan eszközkészletet hozzak létre, amelynek segítségével azonos elvek alapján összehasonlíthatóak különböző tájak. Ehhez kiválasztottam egy mintaterületet, amelyre digitalizáltam a területhasználatot és úthálózatot, amelyek segítségével jellemezhető a terület tájszerkezete. A tájszerkezet jellemzőinek megállapítására tájmetriai indexeket használtam, melyekhez elsősorban a GRASS r.li5 modulját alkalmaztam (NETELER, M. et al. 2012). Természetesen a saját elképzeléseimet is szerettem volna megvalósítani, melyek véleményem szerint jól jellemzik a területet. Az ezek számítására szolgáló scriptek kimeneti adata szöveges állományban tárolt adathalmaz a gnuplot statisztikai program számára felhasználható. A gnuplot-tal végzem az adatok statisztikai feldolgozását; segítségével grafikonokat készítek a kiszámított adatok alapján. A használt nyílt forrású térinformatikai eszközökkel a szükséges tájökológiai vizsgálatok elvégezhetőek: a digitalizálási munkák, a térképekhez az adattáblák létrehozása; megállapítható a területhasználati kategóriák százalékos aránya, és így a területhasználat változása is megállapítható az egyes időintervallumokon. Ennek elemzése során megállapíthatóak a változás egyes faktorai: például a mezőgazdaság intenzitásának növekedése, autópálya-építés hatása, stb. Ezen kívül használható adatformátumok közötti konverzió (raszter-vektor, vektor-raszter), amellyel egységes formában elemezhetőek a térképek, akár mi magunk digitalizáltuk, akár más forrásból származnak. A vizsgálatokat a scriptek segítségével az egész tájra elvégezhetjük, de kifejezetten a gyöngybagoly vadászterületére is, ha ismerjük a bagolyköpetek gyűjtési helyét. Ebben az esetben egy pufferzónát alakít ki a költőládák, vagy fészkek környezetében, melyhez szintén rendelkezik megfelelő eszközkészlettel a GRASS. Szükséges a raszteres újraosztályozás művelet, területfoltok méretének és kerületének megállapítása, tájökológiai indexek számításához a GRASS r.li modulja. Azok a mérések, elemzések, amelyek nem végezhetőek

el

egyszerűen

a

program

alapfunkcióival,

megvalósíthatóak

azok

kombinációival. Ilyen például a területek alkalmassága, melyet a későbbiekben mutatok 5

http://grass.osgeo.org/grass64/manuals/r.li.html

12

be.

4.1.

Adatgyűjtés

2. ábra – A mintaterület kistájai (BARCZI A. et al. 2001 nyomán)

13

A mintaterületet aszerint választottam ki, hogy milyen térképek álltak rendelkezésre, és mely településekre rendelkezünk bagolyköpet-adatokkal. A kiválasztott területet a 2. ábra szemlélteti. A mintaterület 25 darab a 14-es szelvényszámú 1:100 000 méretarányú Egységes Országos Térképrendszerű (EOTR) térképszelvényekből levezetett 1:10 000-es topográfiai térkép fedi le. A vizsgálati terület nagysága 600 km2, határainak EOV koordinátái: 96000 (É), 76000 (D), 594000 (Ny) és 624000 (K). A kutatáshoz használt térképeket GRASS 6.4.0 térinformatikai program segítségével digitalizáltam a papír alapú, szkennelt, majd georeferált térképek alapján, minél pontosabban követve az EOTR szelvények területhasználati kategóriáinak határait. A GRASS mapsethez6 HD72 vetületi rendszert használtam. A digitalizálás megkezdésekor létrehoztam a térképekhez tartozó adattáblákat. Három időintervallumra készültek el, hogy a kisemlős-fauna összetételének változását a tájhasználat változásának függvényében tudjuk vizsgálni. Ezek az intervallumok: 1985-1990, 1991-2000 és 2001-2010, melyet a PTE Biológiai Intézete határozott meg. Az adatok az úthálózatra, növényborítottságra, területhasználatra, vízrajzra és domborzatra vonatkoznak. A digitalizálással előállított rétegek az 1985 és 1990 közötti intervallumra a területhasználat (2. melléklet) és az úthálózat. A területhasználat adattáblájában a felszínborítási kategóriák szerepelnek, az úthálózat adattáblájában az út rangja, mivel kisemlősök szempontjából nem mindegy, hogy autópályáról, vagy erdei ösvényről van szó, hiszen erdei ösvényen viszonylag akadálymentesen „átkelnekˮ. Az 1990-2000 és 20012010-es intervallumokra Corine Land Cover (CLC) 1990 (3. melléklet) és 2006-ot7 (4. melléklet) használok. A CLC térképek tájökológiai felhasználásához figyelembe veszem SZABÓ SZ. (2010) kutatását, melyben osztályszintű tájmetriai paraméterek alapján hasonlította össze a CLC2000 és CLC50 adatbázisokat. Eredményei szerint a CLC2000 felhasználását kisebb léptékű regionális, míg a kistáj-szintű vizsgálatokhoz inkább a CLC50 adatbázist javasolja. RICKENBUSCH, S. et al. (2011) véleménye szerint mivel kisebb felbontásnál eltűnnek az apró részletek, kisebb foltok, CLC adatbázis nem feltétlenül

6

A database, vagyis adatbázis az a könyvtár, amelyet kijelöltünk a GRASS számára, hogy az

állományainkat itt keresse. Ezeken belül található a location, az a hely, amelyet a térképünk ábrázol. Egy-egy location-ben csak azonos vetületi rendszerben lévő térképek lehetnek. Location-ben hozzuk létre a mapseteket, melyek különböző térképkészletek. Minden location-ön belül található egy PERMANENT mapset, ebben találhatóak a feldolgozni kívánt térképek. 7

http://www.eea.europa.eu/legal/copyright

14

alkalmas tájökológiai vizsgálatok elvégzésére. Ezen kívül felhasználom a bagolyköpetek gyűjtési helyét ponttérkép formájában 8. Erre azért van szükség, mert így a gyöngybagoly vadászterületét elemezhetjük a költőládák környezetében. Ehhez 2 km-es pufferzónát számítok, mivel a gyöngybagoly vadászterülete általában 2 km sugarú kör.

4.2.

Az adatfeldolgozás eszközei

A műveletek automatizálására bash shell scripteket készítek, melyek menetének főbb részei: a bemeneti állományok megadása, az indexek kiszámolása, az adatok exportálása (szöveges állomány és tematikus térkép), és ezen adatok átadása egy statisztikai megjelenítő programnak, mivel a GRASS csak korlátozottan alkalmas statisztikai megjelenítésre, grafikonok készítésére. A tájökológiai elemzéshez több tudományág ismereteit szükséges felhasználni: például geográfia, biológia, szociológia, távérzékelés, térinformatika. A táj szerkezetén és annak változásán van a hangsúly, fontos például az emberi tevékenység vizsgálata. A tudományterület akkor kezdett fejlődni, amikor már rendelkezésre álltak megfelelő módszerek, technikai megoldások azok gyors elvégzésére. Az r.le programokat is e célból hozta létre BAKER, W. L. és CAI, Y. (1992), hogy tájökológiai indexek számítására alkalmas modul álljon rendelkezésre a GRASS GIS programban. A parancs neve r.le, amely a raster landscape ecological (spatial analysis package) rövidítése. Az r.le programok képesek raszteres térképek vizsgálatára; számításaik az alakra, méretre, mennyiségre, eloszlásra vonatkoznak. A kimeneti adatok egy értéket adnak a foltra vonatkozóan. Adattáblák készítésére is lehetőség van meghatározott attribútum alapján, azonban nem lehetséges grafikonok és statisztikai elemzések készítése a programokkal 9. Az r.li programok a korábbi r.le programokon (BAKER, W. L. és CAI, Y. 1992) alapulnak (NETELER, M. és MITASOVA, H. 2008). A kimeneti adatok hasonlóan számértékek, amelyek az adott foltot jellemzik. Az r.li programcsomag a tájszerkezet elemzésére alkalmas eszközkészlet

10

. Az r.li parancsok egy foltra egyetlen értéket adnak eredményül. Az

eredmények egy raszteres térképként és szöveges állományban kerülnek tárolásra. 8

Az adatok beszerzése folyamatban van. A módszer kidolgozásához és teszteléséhez készítettem egy

ponttérképet. 9

http://grass.osgeo.org/gdp/landscape/r_le_manual5.pdf

10

http://grass.osgeo.org/grass64/manuals/r.li.html

15

Indexeket folt-, foltosztály- és tájszinten számítok. A script indulásakor lehet kiválasztani, hogy milyen szinten szeretnénk elvégezni a számításokat. Itt választható olyan lehetőség, amely ismert bagolyköpet-gyűjtési helyekre vonatkozó adatokat számít, melyhez egy ponttérképre van szükség. Ezt úgy teszi meg, hogy a pontok köré egy pufferzónát generál, majd ennek a zónának a területhasználati foltjait használja fel az indexek számítására. Az egyes foltok adatainak összehasonlítása úgy történik, hogy ezeket a script egy adattáblába írja, ez után az összehasonlítás könnyen megoldható. Az osztályszintű indexek számításához egyes területhasználati kategóriákat használok, melyek az eredeti térképről leválogatott kategóriák. A scriptek pontos bemutatásával a későbbiekben foglalkozok. A gnuplot program segítségével végzem el a szöveges állományokba írt adatok megjelenítését grafikonokon. Ez egy parancssorvezérelt két- és háromdimenziós függvények rajzolására alkalmas statisztikai program.

16

4.3.

A területhasználati kategóriák egyeztetése

3. ábra – Az első időintervallumra EOTR szelvények alapján digitalizált területhasználati térkép (a) 10 és (b) 100 m-es cellamérettel

Fontos volt az egyes időintervallumokra a térképek kategóriáinak és felbontásának egyeztetése (3. és 4. ábra); hasonló kategóriák használata az egyes indexek esetében értelmezhetőbb eredményt ad. Az 5. mellékleten látható egy EOTR szelvény területén a három térkép összehasonlítása. A mellékletben található az eredeti vektoros térkép és a 100 méteres felbontású raszteres állománnyá konvertált térkép összehasonlítása (1. melléklet). 17

Ezek alapján úgy gondolom, hogy az összehasonlítás a kategóriák egyeztetése után lehetséges; mindemellett összehasonlítható az általam digitalizált térkép alacsony és magas felbontáson, így következtethetünk arra is, hogy a felbontás növelése, illetve csökkentése mennyiben befolyásolja az eredményeket.

A

térképek kategóriáinak táblázatos

összefoglalása a 6. és 7. mellékletben látható.

4. ábra – A második és harmadik időintervallumra elkészített (a) CLC1990, és (b) CLC2006 raszteres állomány kivágata a mintaterületre

18

4.4.

Tájökológiai indexek

Tájökológiai vizsgálatok során nélkülözhetetlen a tájökológiai indexek használata, melyek a táj karakterisztikájáról nyújtanak információt (WANG, W-C. et al. 2008). A tájban elkülönül a korábban említett folt, folyosó és mátrix (CSORBA P. et al. 2006, CSORBA P. és SZABÓ SZ. 2012). Az indexek segítségével vizsgálhatjuk a táj fragmentáltságát, vagy mozaikosságát. Az említett két folyamat eredménye hasonló, azonban a mozaikosság természetes folyamat, a fragmentáció antropogén hatásra alakul ki (CSORBA P. és SZABÓ SZ. 2012). A tájindexek számításának célja a foltkomplexitás, összetétel, eloszlás és összeköttetés vizsgálata, és ezen keresztül a táj térbeli heterogenitásának vizsgálata különböző területeken és különböző léptékben (PLEXIDA, S. G. et al. 2014). A tájökológiában rengeteg index létezik és sok tájindex ugyanazt az információt hordozza: például diversity index és evennes index; mean patch density, mean shape index és fractal dimension index. Ahhoz, hogy a redundanciát elkerüljük, előbb ki kell szűrni a hasonló, vagy azonos indexeket a munkamenet kialakítása előtt (LIDING, CH. et al. 2008, SCHINDLER, S. et al. 2008, UUEMAA, E. et al. 2009). A területen található foltok száma (NP – Number of Patches) a legegyszerűbben meghatározható mérőszám. Ezt számíthatjuk táj szinten, tehát az összes folt számát adjuk meg, vagy osztály szinten, mely az egyes folttípusok foltszámát adja meg. A foltszám a mérőszámok elengedhetetlen alapja, mely a mozaikosság, fragmentáltság mérésére szolgál (SZABÓ SZ. 2009). Ezt az indexet az r.li modul segítségével számoljuk ki. A táj mintázatát jól lehet jellemezni a foltok nagyságára vonatkozó adatokkal. Ennek ökológiai jelentőségét az adja, hogy minden faj populációjának létéhez szükséges egy bizonyos nagyságú tér. A terület nagyságának átlaga kevesebb információval szolgál, mint annak módusza (leggyakoribb értéke), vagy mediánja (az az érték, amelytől ugyanannyi kisebb és nagyobb érték van; CSORBA P. et al. 2006). A foltok területi adataiból megállapítható az egyes területhasználati foltok aránya, mely alapján összehasonlíthatóak az egyes időintervallumok tájhasználatának jellemzői. Megállapítható osztályszinten a foltok területe (CA - class area), ennek százalékban kifejezett mérőszáma (Percentage of Landscape) relatív mérőszám, mely összehasonlításra alkalmasabb. A foltsűrűség (PD - patch density) megadja a foltok számát km2-enként, így a fragmentációt mutatja (STEIGNER, S. és J. HAY, G. 2009). A vizsgálati egység legnagyobb foltjának és teljes területnek a hányadosát (LPI – largest patch index) százalékban adjuk meg (SZABÓ SZ. 2009). 19

A folt kerülete annak teljes határát jelenti, mely önmagában nem szolgáltat jelentős információt. Azonban a terület/kerület hányadosa a foltok sérülékenységéről ad információt, valamint a foltok kompaktságát adja meg (PARA – Perimeter-Area Ratio; CSORBA P. et al. 2006). Megállapítható a határsűrűség, szegélysűrűség (m/ha, km/km 2) (ED – edge density) is, mely a terület fragmentációjáról nyújt információt; minél kompaktabb a terület, az ED annál alacsonyabb (STEIGNER, S. és J. HAY, G. 2009, SZABÓ SZ. 2009). A foltok alaki indexe (SHAPE - Shape Index) a folt geometriájának komplexitását fejezi ki, amelynek alapja, hogy egy ugyanakkora területű kör, vagy négyzet kerületével osztjuk a folt kerületét. A megadott terület kerület arány (például kör, vagy négyzet) shape indexe 1, így minden más folt shape indexe 1-nél nagyobb lesz, mivel bonyolultabb geometriával rendelkezik (SZABÓ SZ. 2009). A folt területe és a köréírható kör területének aránya a CIRCLE index (Related Circumscribing Circle). Ennek számítása során a folt köré egy legkisebb sugarú kört húzunk, amely magában foglalja a foltot. A fraktáldimenzió (FRAC – Fractal Dimension Index) olyan alakmutató, amely a foltok összetettségének vizsgálatakor figyelembe veszi azok méretét is. Osztály szinten (PAFRAC – Perimeter-Ares Fractal Dimension) a kerületet, a területet és a folttípushoz tartozó foltok számát is figyelembe veszik (SZABÓ SZ. 2009). A magterületek jellemzőinek számítása azért fontos a tájökológiában, mert a fajok számára különböző méretű szegélyzóna hatása lehet zavaró. A magterületek alapvető jellemzője a terület (CORE – Core Area) és a magterületek száma (Number of Core Areas), amely nem egyezik meg a foltok számával. A magterületek nagysága kifejezhető százalékos formában (CAI: Core Area Index; SZABÓ SZ. 2009). Az indexeket a GRASS r.le és r.li moduljai segítségével számoljuk ki; amelyek számítása ezekkel nem lehetséges, a GRASS más funkcióinak felhasználásával végezzük el. Ilyen például az alkalmassági index, melyhez figyelembe vesszük az úthalózatot, a foltok és a magterületek méretét, a foltketegóriák alkalmasságát. A használandó indexek kiválasztásához több szempontot is figyelembe vettem. Egyrészt korábbi publikációkra támaszkodtam, másrészt figyelembe vettem, hogy a Biológiai Intézet kutatásához mely indexekre lesz szükség (CUSHMAN, S. A. et al. 2008). LI, H. és WU, J. (2004) tanulmánya alapján a lépték elhanyagolása, a nem releváns indexek használata, valamint az indexek helytelen használata gyakori hiba a tájökológiai vizsgálatok során. Ezen kívül nem ajánlatos túl sok index használata, mivel íly módon 20

nehezen értelmezhetővé válnak az adatok (STORE, R. és JOKIMÄKI, J. 2003). Fontosnak tartom megemlíteni, hogy az eddig kiválasztott indexek köre nem teljes, további elemzésekkel bővül és bővíthető folyamatosan.

21

5. Eredmények A munka legfontosabb eredménye egy használható, működőképes bash nyelvű program különböző modulokkal, mely több szinten számít tájszerkezetre vonatkozó adatokat és azokat grafikusan is megjeleníti. A bemutatott eljárás összehasonlító tájökológiai vizsgálatokban alkalmazható. Kiemelném, hogy a módszer fontos elemét képezik a nyílt forrású térinformatikai rendszerek, és azok felhasználhatósága, eszközkészlete, mely lehetővé teszi az ökológiai térképezést és elemzéseket hasonló módon a más, kereskedelmi szoftverekhez. Tehát az ökológiai elemzés és térképezés területén felmerülő problémák megoldására a GRASS GIS rendelkezik megfelelő eszközökkel, az elvárásokat teljes mértékben kielégíti. A mintaterület legnagyobb részét szántó és erdő borítja. Viszonylag sok, kis lakott területfolt található a mintaterületen. Északon nagyobb, összefüggő erdőfoltok találhatóak, míg a terület más részein a szántók dominálnak. Tájökológiai vizsgálatokban az ilyen kiterjedésű foltokat értelmezhetjük mártixként (CSORBA P. és SZABÓ SZ. 2012). A három időintervallumra a térképek kategóriáit megkíséreltem egyeztetni, hogy az összehasonlítás értékelhetőbb legyen. A térképeket elsősorban raszteres formában használom a számításokhoz, mivel a GRASS r.li modulja raszteres tájökológiai feldolgozást tesz lehetővé. Azonban vektoros számításokat is végzek a térképeken. A területhasználatot több szinten – táj, osztály és foltszinten – elemzem, mert különböző szinteken különböző információkat nyerhetünk az adatokból. A módszer automatizálására scripteket készítettem, mely több modulból áll: alapadatok kiválasztása, folt, foltosztály és táj szintű számítások, valamint a gyűjtési helyekhez tartozó pufferzónákkal számoló modul (5. ábra). A kezelés megkönnyítésére a felhasználó számára grafikus kezelőfelületet használtam, melynek segítségével párbeszédablakokban adhatjuk meg a script számításaihoz szükséges információkat (számítási szint kiválasztása, térképek neve, felbontás, stb.). Erre a célra a zenity alkalmazást használtam 11. Futtatáskor a script első lépésként ellenőrzi, hogy valóban GRASS-ból indítottuk-e a scriptet, majd létrehozza az r.li programcsomaghoz szükséges konfigurációs fájlt (konfig.sh). Ehhez elvileg szükséges futtani az r.li.setup parancsot, majd ott elvégezni a beállításokat. Azonban ezt megkerülve, manuálisan hozom létre a 11

https://help.gnome.org/users/zenity/

22

konfigurációs fájlt egyszerű szöveges fájlba írással. Ehhez létrehozom először a home könyvtárban az .r.li mappát, melyben két alkönyvtár van: a history és az output. A history mappában hozom létre a konfigurációs fájlt, mely tartalmazza a modul

futtatásához szükséges adatokat. Ez az alapértelmezett könyvtár, amelyből az r.li moduljai a későbbiek során beolvassák az adatokat12. Ez után a fájlban megadom a SAMPLINGFRAME

13

és a SAMPLEAREA14 beállításait, majd kiíratom egy szöveges

állományba: echo "SAMPLINGFRAME 0|0|1|1" > ~/.r.li/history/wm echo "SAMPLEAREA 0.0|0.0|1.0|1.0" >> ~/.r.li/history/wm

5. ábra – A folyamat bemutatása

Induláskor (tajindex.sh; 6. ábra) a felhasználó kiválaszthatja azt a térképet, amely a 12 13

http://grass.osgeo.org/grass64/manuals/r.li.setup.html A sampling frame az újabb beállítások területi kiterjedését határozza meg. Én itt a térkép teljes

kiterjedését használtam minden esetben. 14

A sampling area, vagyis a mintaterület is a teljes térképi kiterjedés a számítások során.

23

vizsgálati területet lefedi. Ehhez a felugró párbeszédablak mezőjében megadja a használni kívánt raszteres térkép nevét (7. ábra). Ez a régióbeállításhoz szükséges, valamint egy változóban tárolja a script, hogy a számolásokhoz a későbbiek során felhasználja.

6. ábra – A kezdőablak REGIO=$(zenity --width=400 --height=300 --title="Régió kiválasztása" --text="Térkép megadása:" --entry) g.region rast=$REGIO r.mask -o input=$REGIO maskcats=*

7. ábra – Térkép megadása a régióbeállításhoz

A következő párbeszédablakban kiválasztható, hogy milyen szinten végezze a 24

számításokat a script ("Folt", "Foltosztály", "Táj" vagy "Gyűjtési helyekhez pufferzóna megadásával"; 8. ábra), mely alapján elindítja a választásnak megfelelő scriptet. case $VALASZTAS in "Folt") ./folt.sh;; "Foltosztály") ./osztaly.sh;; "Táj") ./taj.sh;; "Gyűjtési helyekhez pufferzóna megadásával") ./buffer.sh;; esac

8. ábra – Tájindex-típusok kiválasztása

5.1.

Foltindexek számítása

A foltokra vonatkozó adatok számítására használt script első lépése, hogy létrehozza a szükséges mappákat, állományokat. Erre azért van szükség, hogy a különböző szinteken számított adatokat külön mappákban tárolja, így jobban átláthatóak lesznek az eredmények. A mappában, amelyből a scriptet indítjuk, létrehoz egy folt nevű mappát, amelyben a későbbiek során tárolja a számításhoz szükséges adatokat, ideiglenes állományokat és a létrehozott grafikonokat. Valamennyi script a maszk törlésével és régióbeállítással kezdi a feldolgozást. A foltindexeket számító script a raszteres területhasználatból olyan térképet készít, amelyen minden folt külön kategóriát kap (r.clump parancs; 9. ábra). Ez azért szükséges, mert így az r.report segítségével lekérdezhetjük az egyes kategóriák területét, tehát ebben az esetben a foltok területét. Ezt kiírja egy fájlba, melyből a szükséges részeket egy újabb fájlba menti: r.report map=terhaszn_elso_clump units=k null=* output=terulet nsteps=255

25

head -n -4 terulet > folt/temp.txt tail -n +16 folt/temp.txt > folt/temp2.txt rm folt/temp.txt awk '{print $2$34}' folt/temp2.txt > folt/foltonkenti_ter.csv awk '{print $34}' folt/temp2.txt > folt/teruletek.csv rm folt/temp2.txt

9. ábra – A clump parancs eredménye a mintaterületen

Ennek eredménye egy szöveges állomány, mely tartalmazza az egyes foltok területét, melyből egy grafikon készül gnuplot segítségével (10. ábra). Ez mutatja, hogy az egyes területhasználati kategóriák milyen számban fordulnak elő a területen. A grafikon elkészítésére gnuplot scriptet készítettem, így minden területre egyforma grafikonok rajzolhatóak: #!/usr/bin/gnuplot clear reset set border 3 unset title set ylabel "Darabszám" set xlabel "Foltméret" set key off set xrange [0:500] set boxwidth 1 relative set style fill solid 1.0 noborder bin_width=10; bin_number(x)=floor(x/bin_width)

26

rounded(x)=bin_width*(bin_number(x)+0.5) set terminal png nocrop font small size 640,480 set output 'teruletek.png' plot 'teruletek.csv' using (rounded($1)):(1) smooth frequency with boxes lt rgb "red" exit

A grafikon elkészítéséhez a szöveges állomány első mezőjét használtam, mely a foltok területét tartalmazza. Az oszlopdiagram x tengelye a foltméret, y tengelye a foltszámot mutatja (10. ábra). Gnuplot segítségével minden részlet formázható a diagramokon. Próbáltam egységes megjelenésű grafikonokat készíteni az adatokhoz.

10. ábra – Foltméretek eloszlása a (a) 1985-90 intervallumra 10 m-es felbontással; (b) az 1985-90 intervallumra 100 m-es felbontással; (c) az 1991-2000 intervallumra 100 m-es felbontással és (d) a 20012010 intervallumra 100 m-es felbontással

A 10. ábrán jól látható, hogy az EOTR szelvényekről digitalizált területhasználati térkép (a és b) részletesebb, mint a CLC térképek (c és d). Látható, hogy jóval több kisméretű folt található rajtuk. Az ilyen összehasonlító grafikonok és azok alapos elemzése segítenek a területhesználat-változás vizsgálatában. A script ezen kívül kiszámítja az átlagos foltnagyságot, a terület-értékek mediánját és szórását. 27

5.2.

Foltosztályra vonatkozó adatok

Ha a foltosztályt választjuk, eldönthetjük, hogy csak egy kategóriára, vagy mindegyikre szeretnénk számolni az indexet (11. ábra). Ha egy kategóriát választunk, akkor a következő párbeszédablakban megadjuk, hogy az melyik kategória legyen. Itt 13 fix kategóriát használok a mintaterületemhez igazítva (12. ábra).

11. ábra – Osztályszintű számítás típusának kiválasztása OSZTALY=$(zenity --width 500 --height 500 --list --title "Kategória kiválasztása" --text "Melyik kategóriára számoljuk az indexeket?" --radiolist --column "Választás" --column "Megnevezés" FALSE "1 - település" FALSE "2 - szántó" FALSE "3 - szőlő" FALSE "4 - gyümölcsös" FALSE "5 - füves terület" FALSE "6 - erdő" FALSE "7 - vizenyős" FALSE "8 - víz" FALSE "10 - veteményes" FALSE "11 bozót" FALSE "12 - sás/nád" FALSE "13 - ipari") case $OSZTALY in "1 - település") KAT=1;; "2 - szántó") KAT=2;; "3 - szőlő") KAT=3;; "4 - gyümölcsös") KAT=4;; "5 - füves terület") KAT=5;; "6 - erdő") KAT=6;; "7 - vizenyős") KAT=7;; "8 - víz") KAT=8;; "10 - veteményes") KAT=10;; "11 - bozót") KAT=11;; "12 - sás/nád") KAT=12;; "13 - ipari") KAT=13;; esac

28

A felhasználó választása alapján a script egy változóban tárolja a kategória számát. Ezt az egyes kategóriák leválogatásához használja, tehát elkészíti a kiválasztott területhasználati kategória térképét. Ezt a raszteres térképet állítja be maszknak, majd ebből számolja ki a foltosztály tájökológiai indexeit.

12. ábra – Osztályszintű számításnál kategória kiválasztása echo "$KAT=1" > reclass echo "*=NULL" >> reclass r.reclass input=$TERKEP_VALT output=th_elso_100_$KAT rules=reclass --overwrite r.mask input=$TERKEP_VALT_$KAT maskcats=* --overwrite r.li.patchdensity map==$TERKEP_VALT_$KAT conf=wm output=pden_1985_90_$KAT --overwrite r.li.patchnum map==$TERKEP_VALT_$KAT conf=wm output=pnum_1985_90_$KAT --overwrite r.li.mps map==$TERKEP_VALT_$KAT conf=wm output=mps_1985_90_$KAT -overwrite r.li.padrange map==$TERKEP_VALT_$KAT conf=wm output=padrange_1985_90_$KAT --overwrite r.li.padsd map==$TERKEP_VALT_$KAT conf=wm output=padsd_1985_90_$KAT --overwrite r.li.shape map==$TERKEP_VALT_$KAT conf=wm output=shape_1985_90_$KAT --overwrite mkdir osztaly

29

touch osztaly/osztaly_$KAT echo "index_nev|index_ertek" > osztaly/osztaly_$KAT #Patch Density INDEX=$(cut -c 10- ~/.r.li/output/pden_1985_90_$KAT) echo "PD|$INDEX" >> osztaly/osztaly_$KAT #Patch Number INDEX=$(cut -c 10- ~/.r.li/output/pnum_1985_90_$KAT) echo "PN|$INDEX" >> osztaly/osztaly_$KAT #Mean Patch Size INDEX=$(cut -c 10- ~/.r.li/output/mps_1985_90_$KAT) echo "MPS|$INDEX" >> osztaly/osztaly_$KAT #Range of Patch Area Size INDEX=$(cut -c 10- ~/.r.li/output/padrange_1985_90_$KAT) echo "RPAS|$INDEX" >> osztaly/osztaly_$KAT #Standard Deviation of Patch Area INDEX=$(cut -c 10- ~/.r.li/output/padsd_1985_90_$KAT) echo "SDevPA|$INDEX" >> osztaly/osztaly_$KAT #Shape Index INDEX=$(cut -c 10- ~/.r.li/output/shape_1985_90_$KAT) echo "SI|$INDEX" >> osztaly/osztaly_$KAT

Az indexeket a kategória számával ellátott szöveges állományba írja ki (például osztaly_1), melyben a mezőket elválasztó karakter a "|". Ha minden osztályra számolunk, a táblázatban minden kategória adatait egy sor jelenti. A kategóriákra vonatkozó adatokat szöveges állományokba írja a script, melyből utána az adatokat megjeleníthetjük grafikonokon. A foltosztályok szintjén a következő indexeket számítja:  Patch Density (PD): Foltsűrűség (db/km2).  Patch Number (PN): Foltok száma.  Mean Patch Size (MPS): Átlagos foltméret.  Range of Patch Area Size (PR): A foltméretek szórása.  Standard Deviation of Patch Area (PSD): A foltméretek normál szórása.  Shape Index (SI): Alaki index. Ezen adatok alapján megjeleníthető a foltok száma foltosztályonként: #!/usr/bin/gnuplot set terminal png nocrop font small size 640,480 set output 'pn.png'

30

set style data histograms set datafile separator "|" plot 'minden_osztaly.csv' using 3:xticlabels(1) with histograms ti "Foltok szama osztalyonkent" lc rgb "#008000" exit

A script osztályonként előállítja a területhasználati kategória foltjainak terület-kerület fraktáldimenzióját (8. és 9. melléklet). A kerület-terület fraktáldimenzió (PAFRAC) foltok egy csoportjára vonatkozó adat, mely osztály vagy tájszinten is megadható. A kerület és a terület kapcsolatát állapítja meg a területen. Ehhez szükséges a foltok területének és kerületének megállapítása. Ezt a script vektoros adatok alapján teszi meg úgy, hogy a vektoros területhasználati térkép adattáblájában létrehoz két új mezőt (v.db.addcol parancs). Ezek az area (terület) és a perimeter (kerület). Miután létrehozta a mezőket, a v.to.db parancs segítségével beírja az adatokat a megfelelő mezőkbe. for k in {1..13} do v.extract input=terhaszn_1985_90 output=terhaszn_$k type=point,line,boundary,centroid,area,face layer=1 where=kategoria=$k new=-1 --overwrite g.region vect=terhaszn_$k v.db.addcol map=terhaszn_$k layer=1 'columns=area double precision,perimeter double precision' v.to.db map=terhaszn_$k type=point,line,boundary,centroid layer=1 qlayer=1 option=area units=meters columns=area v.to.db map=terhaszn_$k type=point,line,boundary,centroid layer=1 qlayer=1 option=perimeter units=meters columns=perimeter dbf --csv osztaly/terhaszn_$k.csv dbf/terhaszn_$k.dbf done

A terület-kerület fraktáldimenzió grafikon készítéséhez az x tengely mutatja az adott folt kerületét, az y tengely a területét. A fraktáldimenzió grafikonjának elkészítéséhez logaritmikus skála ajánlott, mely a fizikai mennyiséget mutatja úgy, hogy a tengelyek közei az erősséghez igazodnak és nem lineárisak. Lineáris skála esetén az alacsony értékek nem megfelelően, a nagy értékek pedig felesleges részletességgel láthatóak (15. és 16. ábra). Erre nyújt megoldást a logaritmikus skálán való ábrázolás, mely az arányokat szemléletesen fejezi ki, valamint közelebb hozza az értékeket egymáshoz. Nem az értékek nagyságára, hanem arányára koncentrál. 31

1985-90 (10 m)

1985-90 (100 m)

1991-2000 (100 m)

2001-2010 (100 m)

1 2 3 4 5 6 7 8 10

16,99 333,04 15,92 9,12 47,47 145,27 0,2 4,05 12,21

16,62 332,57 15,63 8,97 47,19 146,81 0,18 3,92 12,31

15,78 351,49 13,87 2,63 44,39 150,13 3,31 3,93 0

16,78 353,2 14,27 3,66 37,26 151,31 2,77 4,1 0

11 12 13 NoData

4,66 9,86 1,12 5,1

4,65 9,85 1,16 5,15

12,44 0 2 5,01

14,32 0 2,33 5,01

2. táblázat – A területhasználati kategóriák területe km2-ben az egyes időintervallumokon

1985-90 (10 m)

1985-90 (100 m)

1991-2000 (100 m)

2001-2010 (100 m)

1 2 3

2,81 55,05 2,63

2,75 54,97 2,58

2,61 58,10 2,29

2,77 58,38 2,36

4 5 6 7 8 9 10 11 12 NoData

1,51 7,85 24,01 0,03 0,67 2,02 0,77 1,63 0,19 0,84

1,48 7,80 24,27 0,03 0,65 2,03 0,77 1,63 0,19 0,85

0,43 7,34 24,82 0,55 0,65 0,00 2,06 0,00 0,33 0,83

0,60 6,16 25,01 0,46 0,68 0,00 2,37 0,00 0,39 0,83

3. táblázat – A területhasználati kategóriák területének százalékos aránya az egyes időintervallumokon

Egy táj terület-kerület fraktáldimenziója a foltalak-komplexitást adja, leírja az összefüggést a folt területe és kerülete között, és hogy a foltkerület hogyan nő területegység növekedésével. Például ha a kis és nagy foltok is egyszerű geometriai szerkezettel rendelkeznek, akkor a PAFRAC viszonylag alacsony lesz. Ez azt mutatja, hogy a foltok területének növekedésével a kerület lassan növekszik. Például ha a kis és 32

nagy foltoknak komplex alakjuk van, akkor a PAFRAC magasabb érték, a foltkerület gyorsabban növekszik a foltterülettel 15. A script segítségével összehasonlíthatjuk a különböző intervallumokon a területhasználati kategóriákat (2. és 3. táblázat). Ehhez elkészít olyan táblázatokat, melyek az egyes kategóriák területét és azok százalékos arányát mutatják foltosztályonként. Gnuplot script segítségével több grafikon is készül a kimeneti adatokból. Ilyen például a foltok számának összehasonlítása osztályonként. A grafikonon az y tengely a foltok számát, az x tengely a kategória számát jelenti (13. ábra). Elkészül egy diagram a foltosztályonkénti foltsűrűségről. Ezen a grafikonon az y tengely a foltsűrűség (r.li modul segítségével számolva), az x tengely kategória számát mutatja (14. ábra). A két grafikonon jól látható ezen jellemzők összefüggése.

13. ábra – Foltok száma osztályonként

Foltosztályok szintjén az alábbi tájökológiai indexeket számítja a bash nyelvű program:  Patch Density (PD): Foltsűrűség (db/km2; 14. ábra).  Patch Number (PN): Foltok száma (13. ábra).  Mean Patch Size (MPS): Átlagos foltméret.  Range of Patch Area Size (PR): A foltméretek szórása.  Standard Deviation of Patch Area (PSD): A foltméretek normál szórása.  Shape Index (SI): Alaki index. A foltkerület és terület aránya, amelyben a foltalak 15

http://www.umass.edu/landeco/teaching/landscape_ecology/schedule/chapter9_metrics.pdf

33

komplexitását egy alap alakú folthoz viszonyítjuk, amelynek területe azonos.

14. ábra – A foltsűrűség ábrázolása területhasználati kategóriánként

5.3.

Tájra vonatkozó adatok

A tájindexeket számító script is készít terület-kerület fraktáldimenzió grafikont. Itt is – hasonlóan a foltindexek számításához – a vektoros térkép alapján számítja az adatokat. V_TERKEP=$(zenity --width=700 --height=200 --title="Vektoros térkép megadása terület-kerület fraktáldimenzió számításához" -text="Használandó térkép neve:" --entry) g.region vect=$V_TERKEP dbf --csv folt/$V_TERKEP.csv /$MAPSET/dbf/$V_TERKEP.dbf v.db.addcol map=$V_TERKEP layer=1 'columns=area double precision,perimeter double precision' v.to.db map=$V_TERKEP type=point,line,boundary,centroid layer=1 qlayer=1 option=area units=meters columns=area v.to.db map=$V_TERKEP type=point,line,boundary,centroid layer=1 qlayer=1 option=perimeter units=meters columns=perimeter cd folt ./folt_stat.sh

34

15. ábra – A terület és a kerület összefüggése

A terület és kerület összefüggésének lineáris ábrázolása nehezen értelmezhető. Így az alacsony értékek nem jól láthatóak, esetünkben azonban a kisebb foltok vannak többségben a tájon. Nagy értékekből ellenben kevés van; ezek a foltok a korábban említett mátrixnak tekinthető foltok. Az ilyen foltok túl részletesen vannak ábrázolva a grafikonon (15. ábra). #!/usr/bin/gnuplot clear reset set border 3 unset title set ylabel "Terület" set xlabel "Kerület" set key off set xrange [0:37000] set yrange [0:1000000] set boxwidth 1 relative set style fill solid 1.0 noborder set title "Terület-kerület fraktáldimenzió" set terminal png nocrop font small size 640,480 set datafile separator "," set output 'terker.png' plot 'ter_ker.csv' using 7:6 with points lt 2 pt 2 exit

35

16. ábra – A terület és a kerület összefüggése a mátrixnak tekinthető foltok nélkül

A problémára megoldást jelenthet, ha a nagy foltokat nem ábrázojuk a grafikonon, mivel ezek tekinthetőek mátrixnak is nagy kiterjedésük miatt (16. ábra). #!/usr/bin/gnuplot clear reset set border 3 unset title set ylabel "log(terület)" set xlabel "log(kerület)" set logscale set key off set boxwidth 1 relative set style fill solid 1.0 noborder set title "Terület-kerület fraktáldimenzió" set terminal png nocrop font small size 640,480 set datafile separator "," set output 'terker.png' plot 'folt/ter_ker.csv' using 7:6 with points lt 2 pt 2 exit

36

17. ábra – A terület-kerület fraktáldimenzió gnuplot segítségével

Azonban ha minden foltot szeretnénk megjeleníteni a grafikonon, ajánlott a korábban említett logaritmikus skála alkalmazása, mely az értékek arányára helyezi a hangsúlyt. A 17. ábrán az x tengely a kerület logaritmusát, az y tengely a terület logaritmusát mutatja. A terület és kerület kapcsolata a foltalakról nyújt információt számunkra. Egy területhasználati folt alakja és mérete fontos ökológiai folyamatokra van hatással, például a foltalak befolyásolja a kisemlősök folthatárokon való átkelését, és a határ hatás szempontjából is fontos lehet.

5.4.

A gyűjtés helyeire vonatkozó adatok

Az utolsó lehetőség a "Gyűjtési helyekhez pufferzóna megadásával", melynek során a script figyelembe veszi a bagolyköpetek gyűjtési helyét. A számítás során a pontok köré 2000 m-es pufferzónát generál, majd a pufferzónák területére elkészíti a területhasználati térképeket, és az ezen pufferzónák által lefedett területeken számítja a különböző indexeket. Ehhez egy vektoros ponttérképre van szükség, mely a gyöngybaglyok költőládáit, fészkeit mutatja. v.buffer input=gyujtes_helyei output=buffer_2000 type=point,line,area layer=1 distance=2000 angle=0 scale=1.0 tolerance=0.01 --overwrite v.to.rast input=buffer_2000 layer=1 type=point,line,area output=buffer_2000_r use=val value=1 rows=4096 --overwrite

37

r.clump input=buffer_2000_r output=buffer_clump --overwrite db.select -c fs=" " table=gyujtes_helyei > foltok/gyujtes_helyei cut -d " " -f 1 foltok/gyujtes_helyei > foltok/pontszam

Indításkor a script létrehozza a szükséges könyvtárakat és fájlokat, melyekben az eredményeket tárolja. Létrehozza a foltok mappát, melybe a pufferzónák területhasználati térképét menti a későbbiekben. Ez a foltok azonosítására szolgál, mivel a képfájlok nevében megtalálható a pont azonosítója (például folt_1), mely köré a pufferzónát generálta. Ezen kívül létrehozza a buffer_foltok szöveges állományt, mely a zónák tájökológiai indexeit tartalmazza. Szükséges még az újraosztályozási szabályokat tartalmazó fájlok létrehozása, melyben az utak és a területhasználat újraosztályozásához szükséges adatok találhatóak. Ez utóbbi az alkalmassági térképek elkészítéséhez szükséges 16

. Ennél figyelembe veszi a területhasználati kategóriákat, az utaktól való távolságokat

azok rangjának figyelembe vételével, valamint a magterületeket és az azoktól mért távolságokat. Ezen tényezők együttes figyelembe vételével állapítja meg az egyes pufferzónák területének sajátosságait, amely a kutatás folytatásaként összevethetünk a terület kisemlős-adataival. Az itt elkészített eredménytérképek azt mutatják, hogy mely területek felelnek meg leginkább a megadott kritériumoknak. Ezek a kritériumok fajonként változnak. Minden fajnak vannak habitat szükségletei, melyek a habitat faktorokkal írhatóak le. A módszer kidolgozásának első lépése a habitat faktorok kiválasztása, majd ezt követően az ehhez szükséges térképrétegek előállítása, végül többtényezős döntési eljárás (MCE)17 segítségével az alkalmasság elemzése (STORE, R.

ÉS

KANGAS, J. 2001). Az egyes

térképrétegek cellaértékei 0-255-ig terjednek, mely minél magasabb érték, annál alkalmasabb az adott cella. for i in $(cat foltok/pontszam) do echo "$i=1" > reclass echo "*=NULL" >> reclass r.reclass input=buffer_clump output=clump_$i rules=reclass -overwrite r.mapcalculator amap=terhaszn_elso bmap=clump_$i formula=A*B outfile=folt_$i --overwrite

16

A gyöngybagoly számára mennyire alkalmas vadászatra, illetve kisemlősök számára habitatként.

17

Multi-criteria evaluation

38

g.remove clump_$i r.colors map=folt_$i color=terhaszn d.mon start=x0 d.rast map=folt_$i d.out.file output=foltok/folt_$i size=640,480 format=png -overwrite d.mon stop=x0 g.region rast=folt_$i r.li.patchdensity map=folt_$i conf=wm output=pden_folt_$i -overwrite INDEX1=$(cut -c 10- ~/.r.li/output/pden_folt_$i) r.li.patchnum map=folt_$i conf=wm output=pnum_folt_$i -overwrite INDEX2=$(cut -c 10- ~/.r.li/output/pnum_folt_$i) r.li.mps map=folt_$i conf=wm output=mps_folt_$i --overwrite INDEX3=$(cut -c 10- ~/.r.li/output/mps_folt_$i) #r.li.padrange map=folt_$i conf=wm output=padrange_folt_$i -overwrite #INDEX4=$(cut -c 10- ~/.r.li/output/padrange_folt_$i) #r.li.padsd map=folt_$i conf=wm output=padsd_folt_$i -overwrite #INDEX5=$(cut -c 10- ~/.r.li/output/padsd_folt_$i) r.li.shape map=folt_$i conf=wm output=shape_folt_$i -overwrite INDEX6=$(cut -c 10- ~/.r.li/output/shape_folt_$i) r.li.edgedensity map=folt_$i conf=wm output=ed_folt_$i -overwrite INDEX7=$(cut -c 10- ~/.r.li/output/ed_folt_$i) echo "$i|$INDEX1|$INDEX2|$INDEX3|$INDEX4|$INDEX5|$INDEX6|$INDEX7" >> foltok/buffer_foltok i=$(( i+1 )) done

A pufferzónák területének alkalmasságához a script első lépésben elkészíti a foltosztályok

leválogatását

külön

layerekre,

ezek

alapján

kiszámítja

a

foltok

magterüleleteinek térképét. A magterületek esetében kiválaszthatóak a releváns területhasználati kategóriák, melyek a legalkalmasabb habitatok a kisemlősök számára, tehát alkalmas vadászterületek a gyöngybaglyok számára. Ez fajspecifikus, tehát minden faj esetében más. A bemutatott példa esetében ez a szántó (2. kategória), a gyümölcsös (4. kategória), a füves terület (5. kategória) és az erdő (6. kategória). Ezen kategóriák magterületeit egy rétegre összeilleszti (r.patch) a script (18. ábra/a). Ha elkészült az 39

összesített magterület-térkép, megállapítja a magterületektől való távolságokat az r.grow.distance parancs segítségével. Ezt a térképet újraskálázza, hogy annak értékei

0-255-ig terjedjenek, majd megfordítja annak értékeit, mivel ebben az esetben akkor alkalmasabb a terület, ha minél közelebb vagyunk a magterületekhez (18.ábra/b).

18. ábra – A munkaközi térképek: (a) a kiválasztott területhasználati kategóriák (2, 4, 5, 6) magterületei; (b) az azoktól számított távolság, melynek értékei 0-255-ig terjednek; (c) az újraosztályozott raszteres úthálózati térkép; (d) és ennek interpolált változata (értékei 0-255-ig); (e) az újraosztályozott területhasználati térkép, valamint (f) ezek súlyozott összege, a számítás eredménye

Az utak esetében ajánlott figyelembe venni az utak rangját (10. melléklet). Ehhez a script elkészíti az úthálózat raszteres térképét, melyet újraosztályoz az utak rangjának megfelelően (1. kat. = 0; 2. kat. = 0; 3. kat. = 0; 4. kat. = 150; 5. kat. = 200; 6. kat. = 255; 7. kat. = 255).

40

19. ábra – A faktorok súlyozásából származó eredménytérkép

pufferzóna száma

PD

PN

1

0,155369

94

129583,333 213,880762

2

0,183468

111

106239,316 240,880762

3

0,19008

115

101382,114 274,045057

4

0,132229

80

142643,678 205,947009

5

0,128923

78

149879,518 227,103684

MPS

SI

4. táblázat – A pufferzónákra számított tájökológiai indexek

Az újraosztályozott úthálózatot ezután a script interpolálja, így az alkalmasságot a térkép NULL értékű celláira is megállapítja. Ezen cellák területét a távolsággal fordítottan arányos súlyozással (SZABÓ G. 2011), az r.surf.idw18 programmal interpolálja a script. Ennél a GRASS alapbeállításait használja (18. ábra/d). A területhasználati térképréteget súlyozza

aszerint, hogy mennyire alkalmas egy-egy kategória (1. kat. = 20; 2. kat. = 200; 3. kat. = 150; 4. kat. = 200; 5. kat. = 255; 6. kat. = 230; 7. kat. = 100; 8. kat. = 0; 10. kat. = 30; 11. kat. = 150; 12. kat. = 20; 13. kat. = 0; 18. ábra/e). A térképrétegeket ezután összeadja úgy, hogy minden réteget súlyoz a fontossága alapján. Ez a felhasználó által megadható, jelen esetben a területhasználati rétegnek 20% (0,2), az utaknak 30% (0,3) és a magterületektől 18

http://grass.osgeo.org/grass64/manuals/r.surf.idw.html

41

számított távolságnak 50% (0,5) súlyt adtam, és ezeket súlyozott rétegeket összeadtam mapcalculator segítségével19 (18. ábra/f és 19. ábra). Ezt az alkalmassági térképet minden pufferzóna területére elkészíti a script mapcalculator segítségével. Az alkalmas területeket a szórás 80%-a, 204-es cellaérték felett határoztam meg (5. táblázat). pufferzóna száma

területhasználat

alkalmassági térkép

alkalmas területek %20

1

80,77

2

80,19

3

81,71

4

92,9

5

92,04

5. táblázat – A pufferzónákra számított alkalmassági térképek 19

(A*0.2)+(B*0.3)+(C*0.5)

20

a szórás 80%-a, 204 feletti értékek

42

Ezen script segítségével további indexek számíthatóak (4. táblázat):  Patch Density (PD): Foltsűrűség (db/km2).  Patch Number (PN): Foltok száma.  Mean Patch Size (MPS): Átlagos foltméret.  Shape Index (SI): Alaki index. A foltkerület és terület aránya, amelyben a foltalak komplexitását egy alap alakú folthoz viszonyítjuk, amelynek területe azonos. Minden script utolsó lépése az ideiglenes, felesleges fájlok törlése, így is átláthatóbbá téve a könyvtárszerkezetet és az eredményeket.

43

6. Az eredmények összefoglalása A hatalmas mennyiségű, más módszerekkel nem kezelhető térbeli adat megköveteli térinformatikai módszerek alkalmazását ökológiai kutatásokban. Célom volt egy egységes, térinformatikai elemzést lehetővé tevő adatrögzítési rendszer kidolgozásának előkészítése, az ehhez szükséges adatok beszerzése és módszerek menetének kidolgozása. Ez a későbbiekben lehetővé teszi, hogy a CEEPUS programban résztvevő partnerek adataikat nagyobb térléptékű elemzésekhez integrálják, amely biogeográfiai, tájökológiai és természetvédelmi szempontból is hasznos. Lényeges, hogy biztosan integrálható, mert a partnerországok hasonló módon gyűjtik adataikat. További eredmény a térinformatikai elemzés scriptekkel történő automatizálásának megvalósítása. Tágabb értelemben a felhasznált módszerekkel vizsgálhatóvá válik a kisemlősök összetételében észrevehető változás hátterének vizsgálata. Az ökológiai elemzés és térképezés területén felmerülő problémák megoldására a GRASS GIS rendelkezik megfelelő eszközökkel, az elvárásokat teljes mértékben kielégíti. Összességében elmondható, hogy az open source GIS alkalmazások jó alternatívát kínálnak tájökológiai vizsgálatokhoz, és minden adatformátumhoz (vektor, raszter) találhatunk eszközöket. A használatuk nem túl nehéz, és a grafikus felületük könnyebb kezelést tesz lehetővé. Az olyan módszerek, amelyek nem megvalósíthatóak egy lépésben, egyszerűen a programmal, több lépésben, automatizált módon valósíthatóak meg a scriptek segítségével. Ezen kívül bármikor bővíthető újabb számításokkal, indexekkel. Ha az eszközkészlet elkészült, bárhol használható; egy open source Linux operációs rendszerre és egy GRASS GIS-re van szükségünk a futtatásához. Az elkészített scriptek egységes elemzési eljárást biztosítanak bagolyköpet-gyűjtéseken alapuló kisemlős populációk vizsgálatára. Ehhez pontosítani szükséges az eszközkészletet, tehát új számítási lépésekre lesz szükség a tájökológiai kutatás igényei szerint. Munkám eredménye hatékonyan hasznosítható tájökológiai vizsgálatokban. Az elkészített scriptek segítségével könnyen és gyorsan elemezhetőek tájra vonatkozó adatok, a zenity alkalmazás használata felhasználóbarát módon teszi lehetővé az adatok megadását és a folyamat nyomon követését. Az elemzéshez kizárólag open source szoftvereket használtam. Az eddig elkészített scriptek további módszerek kidolgozásának alapját jelentik. További kutatási irány a területhasználat elemzéséből származó adatok összevetése a kisemlősadatokkal. 44

Tájökológiai megközelítésben eredmény a kiválasztott mintaterületen kapott hosszú távú kisemlős-adatok

elemzésének

segítése,

amelyben

három

időintervallum

adatai

hasonlíthatóak össze a tájhasználat változásának függvényében. Ez példaértékű lehet a Magyarországon nagy hagyományokkal rendelkező bagolyköpet-vizsgálatokban, mivel az ilyen időléptékű, rendszeres köpetgyűjtéseken alapuló adatok tájszintű értékelése a hazai kisemlőskutatásban nem jellemző. Minden tájökológiai index valamilyen szinten limitált, mely meghatározza a felhasználás lehetőségeit. Nehéz olyan index-gyűjteményt alkotni, amely minden tájra alkalmazható. Így a megfelelő indexek kiválasztása meglehetősen nehéz, ez is indokolja a további bővítést, további kutatásokat és konzultációt a Biológiai Intézettel. Tehát további kutatási célom a script-gyűjtemény fejlesztése, a módszerek tökéletesítése és még inkább fajspecifikussá tétele. Ez elsősorban az alkalmassági térképek számításánál fontos, mivel minél inkább figyelembe vesszük a gyöngybagoly és a kisemlősök habitat-faktorait, annál pontosabb eredményeket kaphatunk. Ezen kívül szeretném megállapítani a mintaterület fragmentáltságának változását az egyes intervallumokon, valamint a magterületek jellemzőit, mely fontosabb ismérve egy tájnak, mint a foltméretek. A Total Core Area (TCA) megmutatja, hogy a tájon, vagy foltosztályon milyen arányban vannak magterületek. Ahogyan a foltalak, a magterület legnagyobb jelentősége, hogy meghatározza a foltok karakterisztikáját és funkcióját. Ezen kívül fontos a határ hatás (edge effect) vizsgálata. A határ hatás olyan tényezők kombinációjából származik, amelyek a foltok határán megváltoznak, tehát különbözőek a folt magterületén és határán. A magterület jelentősen függ a folt alakjától. A foltterület lehet elegendő nagyságú, hogy fenntartson egy populációt, azonban annak magterülete nem feltétlenül elegendő erre a célra. Célom egy olyan teljesen automatizált rendszer, melynek végeredménye egy összesítő állomány, mely az egyes térképek minden jellemzőjét tartalmazza táj, foltosztály és folt szinten a szükséges grafikonokkal együtt. Eddigi eredményeim bizonyítják, hogy a térinformatika teljes mértékben alkalmas tájökológiai térképezésre és elemzésre, és mindez megvalósítható automatizált módon bash shell scriptek segítségével. Valamint ezt megtehető felhasználóbarát módon, grafikus felülettel az egyszerűbb kezelés céljából.

45

7. Köszönetnyilvánítás Elsősorban témavezetőmnek, Dr. Bugya Titusznak szeretném megköszönni a kutatási témát és a dolgozatírásban nyújtott segítséget, valamint Dr. Horváth Győzőnek, aki a tájökológiai vizsgálatokban volt segítségemre. Szeretném megköszönni Bölcs Zoltánnak a digitalizálásban nyújtott segítséget, valamint Appelshoffer Martinnak, aki dalaival emelte a diplomamunka írásának fényét. A kutatás a TÁMOP 4.2.4.A/2-11-1-2012-0001 azonosító számú „Nemzeti Kiválóság Program – Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program” című kiemelt projekt keretében zajlott. A projekt az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósul meg.

46

Irodalomjegyzék BAKER, W. L. AND CAI, Y. 1992. The r.le programs for multiscale analysis of landscape structure using the GRASS geographical information system. Landscape Ecology 7/4, 291–302. BARCZI A. – LÓCZY D. – PENKSZA K. 2001. Mecsek és Tolna-Baranyai-dombvidék – Környezetvédelmi és Környezetgazdálkodási Felsőoktatásért Alapítvány, Gödöllő. BATES, F. S. – HARRIS, S. 2009. Does hedgerow on organic farms benefit small mammal populations? Agriculture, Ecosystems and Environment 129, 124–130. BOND, G. – BURNSIDE, N. G. – METCALFE, D. J. – SCOTT, D. M. – BLAMIRE, J. 2004. The effects of land-use and landscape structure on barn owl (Tyto alba) breeding success in southern England, U.K. Landscape Ecology 20, 555–566. BUREL, F. – BAUDRY, B. – BUTET, A. – CLERGEAU, PH. – DELETTRE, Y. – LE COEUR, D. – DUBS, E. – MORVAN, N. – PAILLAT, G. – PETIT, S. – THENAIL, C. – BRUNEL, E. – LEFEUVRE, J. 1998. Comparative biodiversity along a gradient of agricultural landscapes. Acta Oecologica 19/1, 47–60. BUTET, A. – PAILLAT, G. – DELETTRE, Y. 2006. Seasonal changes in small mammal assemblages from field boundaries in an agricultural landscape of western France. Agriculture, Ecosystems and Environment 113, 364–369. CSORBA, P. – SZABÓ, SZ. – CSORBA, K. 2006. Tájmetriai adatok tájökológiai célú felhasználása. In: Földrajzi tanulmányok Dr. Lóki József tiszteletére. Debrecen, 24–34. CSORBA P. és SZABÓ SZ. 2012. The Application of Landscape Indices in Landscape Ecology. In: TIEFENBACHER, J. (szerk.): Perspectives on Nature Conservation – Patterns, Pressures and Prospects. Rijeka: InTech, 121–140. CUSHMAN, S. A. – MCGARIGAL, K. – NEEL, M. C. 2008. Parsimony in landscape metrics: Strength, universality and consistency. Ecological Indicators 8, 691–703. FREITAS, S. R. – ALEXANDRINO, M. M. – PARDINI, R. – METZGER, J. P. 2012. A model of road effect using line integrals and a test of the performance of two new road indices using the distribution of small mammals in an Atlantic Forest landscape. Ecological Modelling 247, 64–70. 47

FU, W., LIU, SH., DEGLORIA, D. S., DONG, SH., BEAZLEY, R. 2010. Characterizing the "fragmentation-barrier" effect of road networks on landscape connectivity: A case study in Xishuangbanna, Southwest China. Landscape and Urban planning 95, 122–129. GERRARD, R., STINE, P., CHURCH, R., GILPIN, M. 2001. Habitat evaluation using GIS – A case study applied to the San Joaquin Kit Fox. Landscape and Urban Planning 52, 239– 255. HORVÁTH GY. – HERCZEG R. – TAMÁSI K. – SALI N. 2011. Nestedness of small mammal assemblages and role of indicator species in isolated marshland habitats. Natura Somogyiensis 19 HORVÁTH, GY. – MOLNÁR, D. – NAGY, T. 2003. Gyöngybagolyköpetekből kimutatott kisemlősök közösségeinek vizsgálata a vadászterületek foltelemzésével. Természetvédelmi Közlemények 10, 111–130. HORVÁTH, GY. – MOLNÁR, D. – NÉMETH, T. – CSETE, S. 2005. Landscape ecological analysis of barn owl pellet data from the Drava lowlands, Hungary. Natura Somogyiensis 7, 179–189. KISS K. és BUGYA T. (megjelenés alatt). Nyílt forrású térinformatikai rendszerek használata az ökológiai térképezésben és elemzésben. LA PEÑA, M. – BUTET, A. – DELETTRE, Y. – PAILLAT, G. – MORANT, P. – LE DU, L. – BUREL, F. 2003. Response of the small mammal community to changes in western French agricultural landscapes. Landscape Ecology 18, 265–278. LIDING, CH., YANG, L., YIHE, L., XIAOMING, F., BOJIE, F. 2008. Pattern analysis in landscape ecology: progress, challenges and outlook. Acta Ecologica Sinica, 28(11), 5521– 5531. LI, H. és WU, J. 2004. Use and misuse of landscape indices. Landscape Ecology 19, 389– 399. MAGURRAN, A. E., 2005. Biological diversity. Current Biology 15/4. 116–118. MICHEL, N. – BUREL, F. – BUTET, A. 2006. How does landscape use influence small mammal diversity, abundance and biomass in hedgerow networks of farming landscapes? Acta Oecologica 30, 11–20. NAGENDRA, H. 2002. Opposite trends in response for the Shannon and Simpson indices of 48

landscape diversity. In: Applied Geography 22/2, 175–186. NETELER, M. – BOWMAN, M. HAMISH – LANDA, M. – METZ, M. 2012. GRASS GIS: A multi-purpose open source GIS. Environmental Modelling & Software 31, 124–130. NETELER, M. – MITASOVA, H. 2008. Open Source GIS: A GRASS GIS Approach. Springer, New York, 153–166. NIKOLAKAKI, P. 2004. A GIS site-selection process for habitat creation: estimating connectivity of habitat patches. Landscape and Urban Planning 68, 77–94. NIKOLAKAKI, P. – DUNNETT, N. 2005. The use of spatial concepts as a basis for designing a viable-habitat network: Conserving redstart (Phoenicurus phoenicurus) populations in Sherwood Forest, England. Journal for Nature Conservation 13, 31–48. PARDINI, R., MARQUES DE SOUZA, S., BRAGA-NETO, R., METZGER, J. P. 2005. The role of forest structure, fragment size and corridors in maintaining small mammal abundance and diversity in an Atlantic forest landscape. Biological Conservation 124, 253–266. PLEXIDA, S. G., SFOUGARIS, A. I., ISPIKOUDIS, I. P., PAPANASTASIS, V. P. 2014. Selecting landscape metrics as indicators of spatial heterogeneity – A comparison among Greek landscapes. International Journal of Applied Earth Observation and Geoinformation 26, 26–35. RICKEBUSCH, S., METZGER, M. J., XU, G., VOGIATZAKIS, I. N., POTTS, S. G., STIRPE, M. T., ROUNSEVELL, M. D. A.: A qualitative method for the spatial and thematic downscaling of land-use change scenarios. Environmental Science and Policy 14, 268–278. ROCCHINI, D., DELUCCHI, L., BACARO, G., CAVALLINI, P., FEILHAUER, H., FOODY, G. M., HE, K. S., NAGENDRA, H., PORTA, C., RICOTTA, C., SCHMIDTLEIN, S., SPANO, L. D., WEGMANN, M., NETELER, M.: Calculating landscape diversity with information-theory based indices: A GRASS GIS solution. Ecological Informatics 17, 82–93. SCHINDLER, S., POIRAZIDIS, K., WRBKA, TH. 2008. Ecological Indicators 8, 502–514. STEIGNER, S. – J. HAY, G. 2009. Free and open source geographic information tools for landscape ecology. Ecological Informatics 4, 183–195. STORE, R. és JOKIMÄKI, J. 2003: A GIS-based multi-scale approach to habitat suitablity modeling. Ecological Modelling 169, 1–15. STORE, R. és KANGAS, J. 2001. Integrating spatial multi-criteria evaluation and expert 49

knowledge for GIS-based habitat suitability modelling. Landscape and Urban Planning 55, 79–93. SULLIVAN, T. P. – SULLIVAN, D. S. – THISTLEWOOD, H. M. A. 2012. Abundance and diversity of small mammals in response to various linear habitats in semi-arid agricultural landscapes. Journal of Arid Enviroments 83, 54–61. SZABÓ G. 2011: Intézményellátottság és ingázási szükséglet számítása a közoktatás példáján. In: LÓKI JÓZSEF (szerk.): Az elmélet és gyakorlat találkozása a térinformatikában II., Debrecen. pp. 259 – 264.

SZABÓ, SZ. 2010. A CLC2000 és CLC50 adatbázisok összehasonlítása tájmetriai módszerekkel. Tájökológiai Lapok 8/1, 13-23. SZEMÁN, I. 2012. Comparison of the most popular open-source GIS software in the field of landscape ecology. AGD Landscape & Environment 6/2, 76–92. UUEMAA, E. – ANTROP, M. – MARJA, R. – MANDER, Ü. 2009. Landscape Metrics and Indices: An Overview of Their Use in Landscape Research. Living Reviews in Landscape Research 3, 1 (http://landscaperesearch.livingreviews.org/Articles/lrlr-2009-1/) VIEIRA, M. V. – OLIFIERS, N. – DELCIELLOS, A. C. – ANTUNES, V. Z. – BERNARDO, L. R. – GRELLE, C. E. V. – CERQUEIRA, R. 2009. Land use vs. fragment size and isolation as determinants of small mammal composition and richness in Atlantic Forest remnants. Biological Conservation 142, 1191–1200. WANG, W-C. – YANG, J-L. – LIN, Y-Y. 2008. Open-source versus proprietary GIS on landscape metrics calculation: A case study. Proceedings of the academic track of the 2008 Free and Open Source Software for Geospatial (FOSS4G) Conference and GISSA Conference, Cape Town, South Africa, pp. 41–45. ZARAGOZÍ, B. – BELDA, A. – LINARES, J. – MARTÍNEZ-PÉREZ, J. E. – NAVARRO, J. T. – ESPARZA, J. 2012. A free and open source programming library for landscape metrics calculations. Environmental Modelling & Software 31, 131–140. ZEBISCH, M. – WECHSUNG, F. – KENNEWEG, H. 2004. Landscape response funcrions for biodiversity – assessing the impact of land-use changes at the county level. Landscape and Urban Planning 67, 157–172.

50

Elektronikus hivatkozások http://grass.osgeo.org/

(2013. szeptember 23.)

http://grass.osgeo.org/gdp/landscape/r_le_manual5.pdf

(2013. szeptember 23.)

http://srtm.csi.cgiar.org/

(2013. október 11.)

http://www.eea.europa.eu/legal/copyright

(2013. október 22.)

http://www.gnu.org/philosophy/free-sw.html

(2013. november 5.)

http://grass.osgeo.org/gdp/landscape/r_le_manual5.pdf

(2013. november 12.)

http://grass.osgeo.org/grass64/manuals/r.li.html

(2013. december 10.)

http://grass.osgeo.org/grass64/manuals/r.li.setup.html

(2013. december 10.)

http://grass.osgeo.org/grass64/manuals/r.li.patchdensity.html

(2013. december 10.)

http://grass.osgeo.org/grass64/manuals/r.li.patchnum.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.mps.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.padcv.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.padrange.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.padsd.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.shape.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.edgedensity.html

(2013. december 10.)

http://grass.osgeo.org/grass64/manuals/r.li.cwed.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.mpa.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.dominance.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.pielou.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.renyi.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.richness.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.shannon.html

(2014. február 1.)

http://grass.osgeo.org/grass64/manuals/r.li.simpson.html

(2014. február 1.)

http://www.umass.edu/landeco/teaching/landscape_ecology/schedule/chapter9_metrics.p df http://grass.osgeo.org/grass64/manuals/r.surf.idw.html

(2013. december 12.) (2014. május 1.)

51

Mellékletek 1. melléklet – A 14-122 EOTR szelvény vektoros (a) treülethasználati térképe, és az abból konvertált 100 mes cellaméretű raszteres térkép (b)

52

2. melléklet – Az EOTR szelvények alapján készített vektoros területhasználati térkép

3. melléklet – A Corine Land Cover 1990 területhasználati kategóriái a mintaterületen

53

4. melléklet – A Corine Land Cover 2006 területhasználati kategóriái a mintaterületen

54

5. melléklet – A 14-122 EOTR szelvény területén a (a) CLC1990 raszteres állomány, (b) CLC2006 raszteres állomány, és (c) a szelvényről digitalizált, raszteressé konvertált területhasználati térkép (100 m-es cellaméret)

55

6. melléklet – A CLC kategóriák és az abból újraosztályozott kategóriák CLC kategóriák

kategória neve

újraosztályozott újraosztályozás CLC kategóriák utáni név

1.1.2.

Nem-összefüggő település szerkezet

1

Lakott terület

1.2.1.

Ipari vagy kereskedelmi területek

13

Ipari terület

1.3.1.

Nyersanyag kitermelés

13

Ipari terület

1.4.2.

Sport-, szabadidő-és üdülő területek

13

Ipari terület

2.1.1.

Nem-öntözött szántóföldek

2

Szántó

2.2.1.

Szőlők

3

Szőlők

2.2.2.

Gyümölcsösök, bogyósok

4

Gyümölcsös

2.3.1.

Rét / legelő

5

Füves terület

2.4.2.

Komplex művelési szerkezet

5

Füves terület

2.4.3.

Elsődlegesen mezőgazdasági területek jelentős természetes növényzettel

2

Szántó

3.1.1.

Lomblevelű erdők

6

Erdő

3.1.3.

Vegyes erdők

6

Erdő

3.2.1.

Természetes gyepek, természetközeli rétek

5

Füves terület

3.2.4.

Átmeneti erdős-cserjés területek

11

Bozót

4.1.1.

Szárazföldi mocsarak

7

Vizenyő terület

5.1.1. 5.1.2.

Folyóvizek, vízi utak Állóvizek

8 8

Víz Víz

56

7. melléklet – Az EOTR szelvények alapján digitalizált térkép kategóriái EOTR szelvények kategóriái

kategória neve

1

Lakott terület

2

Szántó

3

Szőlők

4

Gyümölcsös

5

Füves terület

6

Erdő

7

Vizenyős terület

8

Víz

10

Veteményes

11

Bozót

12

Sás/nád

13

Ipari terület

57

8. melléklet – Az 1-6. területhasználati kategóriák terület-kerület fraktáldimenziója

58

9. melléklet – Az 7-8. és 10-13. területhasználati kategóriák terület-kerület fraktáldimenziója

59

10. melléklet – Az úthálózatot ábrázoló vektoros térkép adattáblában szereplő útkategóriák kategória

megnevezés

1

autópálya

2

műút

3

városon belüli utak

4

javított talajút

5

talajút

6

mezei, erdei út

7

gyalogút, gyalogösvény

60