Определитель расстояний между населенными пунктами: Расчет расстояний между городами — проложить маршрут на автомобиле

Расчет расстояний

 

 

 Расчёт расстояний между городами

                                                    

 

 При планировании тех или иных грузоперевозок (поставок продукции на рынок сбыта или любого гражданского переезда) обязательным этапом является расчет расстояний между пунктами отправки и доставки. Эта процедура позволяет точно вычислить километраж, оценить стоимость перевозок, произвести расчет маршрутов между городами и выбрать наиболее оптимальный вариант.

 Особенно необходимо рассчитать расстояние между городами для грузоперевозок, осуществляемых по территории России. Ведь их длительность может достигать очень больших размеров, если неправильно выбрать дорогу. Иногда приходится рассчитывать расстояние не только между двумя городами, а между всеми населенными пунктами на маршруте. И самостоятельно это сделать не так уж просто, поскольку необходимо учитывать много нюансов.

 Именно такой важный расчет расстояний между населенными пунктами Российской Федерации для выполнения квартирного, офисного или дачного переезда, а также для регулярных поставок товаров потребителям вам помогут осуществить опытные специалисты компании

ООО САПСАН.

 

 Не секрет, что из пункта А в пункт Б можно всегда попасть разными путями: самым длинным и максимально затратным, средним по дальности и времени или наиболее коротким, но не всегда удачным. Предварительный расчет маршрута между городами позволяет не только вычислить длительность в километрах, но также оценить время, которое потребуется для осуществления грузоперевозок.

 От последнего показателя могут зависеть сроки доставки мебели, офисного оборудования или личного скарба, уклад вашей жизни во время и после переезда, а также ваша дальнейшая производственная деятельность. Именно для осуществления наиболее безопасных, качественных и оптимальных по цене и длительности грузоперевозок производится расчет расстояний.

 Такой важный расчёт маршрута делается в любой специализированной компании, занимающейся профессиональной доставкой грузов по стране, в том числе, и у нас. Ведь помимо наиболее благоприятной дороги и оптимального маршрута для выполнения рациональных и надежных перевозок, расчет определения расстояния между городами позволяет составить предварительную смету и ознакомить клиентов с конечной суммой оплаты услуг специалистов.

 Расчет расстояния между городами и стоимости грузоперевозок в нашей компании производится по картам автомобильных дорог, так как для перевозки грузов мы предоставляем именно автотранспорт разной грузоподъемности и вместимости.

 Конечно, чтобы гарантировать максимально качественные доставки и благоприятные условия для транспорта во время грузоперевозок, мало рассчитать маршрут между городами, необходимо также знать состояние дорог. Поэтому не торопитесь делать самостоятельные выводы и положитесь на рекомендации наших опытных сотрудников.

 Многолетний стаж в сфере грузоперевозок по территории страны позволяет нам не только рассчитать расстояние между городами России и выбрать кратчайший путь, но и обеспечить самый безопасный маршрут. Это гарантирует высокую надежность кратковременных или регулярных доставок грузов, осуществляемых компанией

ООО САПСАН.

 Обращайтесь к нам, если вам действительно нужна помощь профессионалов, предлагающих не только надежный транспорт и качественный сервис, но и предусматривающих решение любых возможных сложных моментов.

                                                                                                                                      

Для решения вопроса автоперевозки позвоните нам по телефону или пришлите заявку по электронной почте.С этого момента с Вами будет работать Ваш персональный менеджер, который подберет, и рассчитает для Вас наиболее рентабельный и оптимальный способ перевозки груза.

   

                     

Расчет расстояния между населенными пунктами

Расчет расстояний между городами

Примеры расчета расстояний:

Когда может пригодиться расчет расстояний?

Бесплатный расчет расстояний между городами показывает точное расстояние между городами и считает кратчайший маршрут с расходом топлива. Он может быть востребован в следующих случаях:

• Сервис расчета расстояний помогает проложить маршрут автопутешественнику, например, для летнего отдыха с семьей или при планировании деловой поездки на автомобиле. Зная расход бензина и среднюю цену за литр топлива, нетрудно рассчитать обязательные финансовые затраты в поездке.
• Водителю-дальнобойщику расчет расстояния между городами позволяет проложить маршрут на карте при подготовке к дальнему рейсу.
• Калькулятор расстояний пригодится грузоотправителю, чтобы определить километраж и в соответствии с тарифами транспортной компании оценить стоимость грузоперевозки.

Как пользоваться расчетом расстояний?

Для того чтобы рассчитать маршрут между городами, начните вводить в поле «Откуда» название начального пункта маршрута. Из выпадающей контекстной подсказки выберите нужный город. По аналогии заполните поле «Куда» и нажмите кнопку «рассчитать».

На открывшейся странице на карте будет проложен маршрут, красными маркерами будут обозначены начальный и конечный населенные пункты, а красной линией будет показан путь по автодороге. Над картой будут указаны суммарная длина маршрута, продолжительность пути и расход топлива. Под этой информацией будет размещена сводная таблица с подробными данными о маршруте и об участках пути: тип дороги, расчетная длина и продолжительность каждого фрагмента маршрута.

Полученный маршрут можно распечатать или, изменив некоторые параметры, повторить расчет. В дополнительных настройках можно задать транзитные населенные пункты, а также скорректировать расчетную скорость движения по дорогам каждого типа. Ниже дополнительных настроек расположены поля ввода данных топливного калькулятора. Внесите в них актуальный расход горючего вашей машины и среднюю цену 1 литра топлива. При повторном расчете эти данные будут использованы для подсчета необходимого количества топлива и его стоимости.

Другие методы прокладки маршрута

Пожалуй, самая простая альтернатива — это открыть атлас автодорог и на глаз проложить маршрут по карте. Затем, прокатив по маршруту курвиметр, можно получить приблизительный километраж. Оценить время поездки будет сложнее: для этого придется разбить маршрут на фрагменты с одинаковым классом дорог и измерить сумму длин фрагментов каждого класса. Далее, зная среднюю скорость для каждого класса дорог, нетрудно рассчитать время, поделив путь на скорость.

Если курвиметра нет под рукой, то можно воспользоваться линейкой. Приложите нулевую отметку линейки к начальному пункту маршрута и двигайте линейку, плотно примыкая ее к извилинам дороги.

Рассчитать расстояние между городами также можно с помощью таблиц, которые опубликованы в атласах и справочниках. Это достаточно удобно для маршрутов, начинающихся и заканчивающихся в крупных городах. Мелких населенных пунктов, как правило, нет в таблицах.

Алгоритм расчета расстояния между городами

Расчет маршрута основан на алгоритме поиска кратчайшего пути во взвешенном графе автодорог (алгоритм Дейкстры). Расстояния определены по точным спутниковым координатам дорог и населенных пунктов. Расчет является результатом компьютерного моделирования, а модели не бывают идеальными, поэтому при планировании маршрута поездки не забудьте заложить резерв.

Смотрите также:

Существует несколько подходов к определению расстояния между городами:

В наших расчетах расстояния между городами берутся по автодорогам.

Расчет расстояний между городами — Флагма Россия

Флагма Расчет! Быстрый, Короткий и Эконом маршрут на карте в одном расчете расстояний, в таблицах расстояние между городами и участками дороги маршрута.

Часто рассчитывают

Расстояние между городами России

Расчеты расстояний с Эконом маршрутами

Эконом маршрут – это маршрут с минимальным расходом топлива. Расход топлива рассчитывается как сумма расхода по каждому участку дороги с учетом типа дороги: Автомагистраль, магистральная дорога, … В форме расчета расстояний между городами рекомендуется указывать расход топлива при движении за городом согласно документации на машину.

Расчеты расстояний между городами с Эконом маршрутами выполняются по дорогам России и 22 страны Европы и Азии, по которым у Флагмы есть собственные данные о дорогах. По расчетам расстояний в других странах нет Эконом маршрутов и расход топлива рассчитывается умножением расстояния на норму расхода топлива.

Мы постоянно добавляем новые дороги, а также вносим правки в существующие после получения информации из различных источников. На картах есть кнопка Ошибка – сообщайте нам об ошибках, о появлении новых дорог – мы оперативно проверяем и вносим изменения в базу данных.

Маршруты предлагаются сайтом Флагма исключительно в ознакомительных целях. Администрация сайта не несет ответственности за достоверность информации в маршрутах. При планировании маршрута необходимо учитывать текущее состояние дорог и погодные условия.

Расчет расстояний между городами — RuDorogi.ru

Сервис RuDorogi.ru создан для того, чтобы узнать точное расстояние между городами, увидеть промежуточные пункты, рассчитать стоимость топлива, узнать, по каким трассам проходит маршрут, и просто подготовиться к поездке.

Расчет расстояния между городами займет минимум времени. Вам достаточно указать:

• начальный, конечный и промежуточные пункты маршрута;
• расход и цену топлива;
• среднюю скорость движения и время выезда.

Когда все необходимые поля будут заполнены, нажмите кнопку «Рассчитать» и получите:

• протяженность дороги (в километрах и милях) от начального пункта до конечного;
• примерное время в пути;
• карту маршрута с расположением заправок;
• список трасс и платных участков, по которым проходит маршрут;
• расстояние и время в пути между промежуточными городами и населенными пунктами.

Сервис расчета расстояний RuDorogi.ru поможет спланировать маршрут любой длины, расчитать расход и стоимость топлива, изучить карту будущей поездки, получить информацию о трассах и платных участках дорог.

Примеры расчета расстояний

МАРШРУТЫ И РАССТОЯНИЯ

Здесь Вы можете рассчитать расстояние и маршрут между городами России, Европы, Азии, Африки и Америки.

• Вы можете выбрать страну, город или крупный населенный пункт из выпадающего меню, помеченного знаком ▼.

• Вы можете найти и выбрать населенный пункт, набрав в поисковой строке A и B первые буквы названия.
При выпадении большого количества одинаковых названий — необходимо набрать название населенного пункта и через пробел первые буквы района, области или страны.
Пример 1: найти «Каменка, Приморский край» -достаточно набрать- «кам при».
Пример 2: найти «Ломышки, Сусанинский район» -достаточно набрать- лом сус.
Пример 3: найти «Дрё, Франция» -достаточно набрать- дре фра.

• Если населенный пункт или объект отсутствует в выпадающем списке(меню), необходимо набрать название или адрес объекта на любом языке и нажать «Показать» и он будет найден на карте.
Пример 1: Новый Арбат д.28 -> «Показать».
Пример 2: Серра-тальяда бразилия -> «Показать».
Пример 3: ganesh talai -> «Показать».
Пример 4: toronto railway museum -> «Показать».

• С помощью кнопки «Показать», вы можете найти любой населенный пункт или объект, даже если к нему нет возможности построить маршрут.

• Вы можете кликать мышью на карте, чтобы устанавливать метки, зелёная метка начало маршрута и красная метка конец маршрута.

• Вы можете удалять метки, ещё раз кликнув по ней левой кнопкой мыши.

• Вы можете перемещать по карте любую метку маршрута для изменения маршрута. Для этого нужно кликнуть мышью по метке и удерживая её нажатой, двигайть метку по карте и маршрут будет мгновенно обновляться.

• Вы можете добавлять в маршрут любое количество промежуточных меток. Для этого нужно кликать по линии основного маршрута и устанавливать новые метки. Далее, перемещая метки в нужном направлении, строить любой маршрут.

• Вы можете переключать карты, для просмотра местности в различных вариантах.

• Вы можете подробно посмотреть любую точку маршрута, кликнув по названию населенного пункта в описании маршрута в колонке слева. Маршрут включает населенные пункты в радиусе 2 км.

• Распечатать маршрут и данные на карте

Данный ресурс производит расчет маршрутов без использования сторонних сервисов, по гео-данным Openstreetmap и может отличаться от других источников.

«Маршруты и Расстояния»
© ISSA.RU | geo-data by Openstreetmap

Расчет расстояний между городами для автомобиля с топливом

Функционал сервиса позволяет легко проследить маршрут следования от точки А до точки В, для этого необходимо ввести населенные пункты в поля «Откуда» и «Куда», в «Расход топлива» указать сколько литров на 100 километров расходует автомобиль, в «Цена топлива» актуальную цену на заправляемое топливо и нажать кнопку «Рассчитать». При необходимости, есть возможность добавления промежуточных городов, заправок, кафе, отелей и они будут отображаться на карте. Для правильного расчета времени в пути, можно указать скорость автомобиля на разных типах дорог.

Рассчитайте ваш путь

Онлайн расчет расстояний между городами и населенными пунктами России покажет точное расстояние на карте с учетом расхода топлива вашего автомобиля, поможет рассчитать стоимость затрат и необходимое время на поездку.

На карте маркерами— обозначаются начальный и конечный пункт, их возможно передвигать для корректировки маршрута.

Сервис расчета часто используют при:

• рабочих поездках грузовым транспортом на длительные расстояния;
• путешествии на легковом автомобиле в новые места;
• расчете стоимости перевозки транспортной компании.

Рассчитать расстояние между городами России

Сервис расчета расстояний предназначен для определения расстояния в километрах между городами, продолжительности пути и расхода топлива. На страницах маршрутов есть возможность оставить и почитать отзывы о дорогах, заправках и кафе. На основе запросов пользователей формируется рейтинг дорог России. Калькулятор расстояний определяет дистанцию на основе точных координат, полученных с помощью спутниковой связи.

Рассчитать расстояние между городами можно двумя способами:

• по прямой (или «по птичьему полету») – это условная прямая линия, соединяющая два населенных пункта;
• по автодорогам – это длина безрельсовых путей сообщения, которая обычно считается по кратчайшему маршруту.

Первый вариант всегда меньше второго. Но для автомобилиста он не представляет большой ценности. В данном случае расчет расстояния делается «по автодорогам».

Кому и зачем может потребоваться бесплатный калькулятор расчета расстояний между населенными пунктами?

1. Менеджер компании отправителя грузов использует функцию расчета пути, чтобы узнать протяженность доставки. Зная эту величину, вес груза и расценки фирмы-перевозчика, можно высчитать стоимость транспортировки.
2. Водитель грузового автомобиля, работающий на междугородних или международных рейсах, при помощи функции расчета расстояний может проложить по карте кратчайший маршрут.
3. Граждане, отправляющиеся на летний отдых с семьей на личной машине, автопутешественники, бизнесмены перед дальней деловой поездкой могут с помощью калькулятора определить, в какую сумму обойдется поездка. Для этого достаточно знать километраж, среднюю стоимость литра топлива и его расход.

Если нужно определить дистанцию между двумя населенными пунктами, то, при помощи калькулятора:

• в строку «Откуда» ввести название пункта отправления; при ее заполнении можно пользоваться выпадающей подсказкой;
• в строку «Куда» аналогично ввести пункт прибытия;
• нажать кнопку «Рассчитать».

После выполнения этих действий откроется страница с картой маршрута. Он будет проложен на автодорожной сети красной линией. Над картой сообщаются наиболее важные сведения: расстояние и время в пути. Последний параметр определяется исходя из принятой скорости движения на автодорогах различной категории. Если в калькулятор забить расход топлива и стоимость одного литра, то программа подсчитает необходимое количество бензина или ДТ и затраты на поездку.

Благодаря расчёту расстояний между городами России можно найти попутный транспорт для перевозке грузов по маршруту. 

Калькулятор расстояний Найти расстояние между городами

Калькулятор расстояний Найти расстояние между городами

Расчет расстояния Введение

Значение расстояния, выделенное красным цветом, указывает на расстояние полета (полета), также известное как расстояние по большому кругу .

Когда вы начнете писать название города или места, калькулятор расстояния автоматически предложит вам названия мест, вы можете выбрать одно из них, чтобы рассчитать расстояние . Вы также можете перечислить страны и города в них, чтобы рассчитать расстояние между городами.

Начальная точка : начальная точка маршрута, от которой начинается расчет расстояния, исходный город или название места.
Конечное местоположение : конечная точка маршрута, где заканчивается расчет расстояния, город назначения или название места.
Distance Unit : это единица расстояния, вы можете выбрать километры, мили или метры. Калькулятор немедленно произведет расчет с выбранной единицей расстояния.
Километры (км): это единица измерения длины, равная 1000 метрам или 0.62137 миль.
миль (миль): это также единица длины, которая используется редко и равна 1,60934 километру.

Расстояние между городами

Список расстояний от крупных городов.

Следуйте за нами в

© 2015-2020 www.DistanceCalculator.net 0,2863 с .

Найти расстояние между городами на карте Калькулятор пробега

Этот веб-сайт позволяет находить расстояние между городами или любыми двумя местами и проложить маршрут с помощью карт Google. Расчетное расстояние будет отображаться в милях и километрах.

Как пользоваться калькулятором расстояния между городами?

Использовать этот инструмент очень просто; вы можете ввести названия двух городов или мест и нажать кнопку ввода, чтобы измерить расстояние. Он покажет вам расчет расстояния в разных единицах, покажет маршруты на карте и предоставит разные направления для достижения пункта назначения.

Что такое Карты Google?

Google Maps — это, по сути, бесплатный картографический сервис, который позволяет нам исследовать карту мира онлайн с множеством интерактивных функций.

Что такое калькулятор пробега?

Пробег — это пройденное расстояние в милях. Наш инструмент может помочь вам оценить расстояние между двумя городами или местами.

Что такое калькулятор расстояний?

Калькулятор расстояний используется для измерения расстояния между двумя точками. С помощью нашего веб-инструмента вы можете найти расстояние между двумя точками на карте.

.

US Driving Distance Calculator, Схема проезда, Расстояние между городами, Диаграмма расстояний

Калькулятор расстояния вождения в США рассчитывает расстояние и направления движения между двумя адресами, местами, городами, деревнями, поселками или аэропортами в США.
Это расстояние и направления движения также будут отображаться на карте Google с пометкой Distance Map и Driving Directions US.
Расстояние между городами США рассчитывается в километрах (км), милях и морских милях.Расстояние в милях позволяет определить расстояние между городами с помощью этого калькулятора пробега в США. Таблица расстояний в США (таблица расстояний): Для быстрого ознакомления ниже представлена ​​таблица расстояний или Таблица расстояний с указанием расстояний между некоторыми крупными городами США.
[ Примечание: Расстояние между городами в таблице расстояний в США ниже — это расстояние по прямой (может называться полетным или воздушным расстоянием) между двумя местоположениями в США, рассчитанное на основе их широты и долготы.Это расстояние может сильно отличаться от фактического пройденного расстояния.] .

Калькулятор расстояния между двумя точками

Как рассчитать расстояние между 2 точками?

Длина сегмента обычно обозначается с помощью конечных точек без черточки. Например, `\ text {длина AB}` обозначается `\ overline {AB}` или иногда `m \ overline {AB}`. Линейка обычно используется для определения расстояния между двумя точками. Если мы поместим метку «0» в левую конечную точку, а метка, на которую попадает другая конечная точка, будет расстоянием между двумя точками.В общем, от отметки 0 отмерять не нужно. Согласно постулату линейки, расстояние между двумя точками — это абсолютная величина между числами, указанными на линейке. С другой стороны, если две точки `A и B` находятся на оси x, то есть координаты` A и B` равны `(x_A, 0)` и `(x_B, 0)` соответственно, тогда расстояние между двумя точками `AB = | x_B −x_A |`. Тот же метод можно применить, чтобы найти расстояние между двумя точками на оси Y. Формула для расстояния между двумя точками в двумерной декартовой координатной плоскости основана на теореме Пифагора .2} `

Расстояние также можно измерить с помощью шкалы на карте. Работа с шагом между двумя точками показывает полное пошаговое вычисление длины отрезка прямой, имеющего 2 конечные точки `A` в координатах` (5,3) `и` B` в координатах `(9, 6) `. Для любых других комбинаций конечных точек просто укажите координаты двух конечных точек и нажмите кнопку «СОЗДАТЬ РАБОТУ». Учащиеся начальной школы могут использовать этот калькулятор расстояний для выполнения работы, проверки результатов или эффективного выполнения домашних заданий..Алгоритм

— вычислить расстояние между двумя точками широты и долготы? (Формула Хаверсина)

Переполнение стека

1. Около
2. Продукты
3. Для команд

1. Переполнение стека Общественные вопросы и ответы
2. Переполнение стека для команд Где разработчики и технологи делятся частными знаниями с коллегами
3. Вакансии Программирование и связанные с ним технические возможности карьерного роста

.

★ Расчет расстояний между населенными пунктами

Пользователи также искали:

рассчитать расстояние, расстояния по карте google, расстояние, рассчитать расстояние по карте, рассчитать маршрут по карте, рассчитать расстояние между населенными пунктами, расчет расстояния по карте google, расстояние между городами россии, расстояние между городами мира, рассчитать расстояние между улицами, рассчитать расстояние между двумя городами, расчет расстояний, между, расчет расстояний между, населенными пунктами, расстояний, расстояния, расстояние между, расчёт, между населенными пунктами, расчет, расчет расстояния между, расчёт расстояний, расчет расстояния между населенными пунктами, расстояний между, населенными, расчет расстояний между населенными пунктами, расчет расстояния, расстояния между, расчеты,

Расчет расстояний между городами | Калькулятор расстояний

Расчет расстояний между городами

Осуществить расчет расстояний можно как между городами России, так и всего мира. Дополнительно можно узнать примерный расход топлива по маршруту, и указать необходимые остановки (АЗС/АЗГС, кафе, отели)

Грузоперевозки и переезды по России с экономией до 50%

Наши услуги:

• Междугородние переезды
• Доставка коммерческого груза
• Перевозка автомобилей
• Перевозка животных
• Грузоперевозка с температурным режимом
• Грузоперевозки тралом
• Бесплатный расчет расстояний между городами
• Консультации по междугородним грузоперевозкам

В чем заключаются преимущества работы с ТК «СОЮЗ»

1. Мы осуществляем доставку груза по России попутным транспортом. Теми машинами, которые уже перевезли основной груз. И чтобы не возвращаться холостым ходом обратно, они берут Ваш груз или переезд. Это позволяет экономить до половины стоимости перевозки.
2. Высококвалифицированные специалисты. Опытные менеджеры и логисты, которые без труда рассчитают самый оптимальный маршрут. Смогут проконсультировать и ответить на любые Ваши вопросы.
3. Предоставляем все отчетные документы о перевозке. А также документы на возврат денежных средств для пенсионеров Крайнего Севера и военнослужащих.
4. Большой автопарк, от газели до фуры, а также тралы, рефрижераторы и скотовозы.
5. Ваш груз не перегружается с машины на машину. И доставляется от подъезда до подъезда.
6. Водитель и диспетчер всегда на связи. Готовы ответить на Ваши вопросы и дать точное местоположение груза.
7. Сервис расчета расстояний между городами.

Наш автопарк

Расчет расстояний между городами — основной запрос по этой странице. Но если Вы заинтересованы в перевозке, будет весьма полезно знать для себя какой именно автомобиль нужен. И специально для этого у нас есть раздел «Автопарк» по этой ссылке. Где подробно расписаны их размеры, вмещаемые объемы и грузоподъемность.

Вот некоторые из них:

• 10 м3 (3х1,8х1,8 до 2 тонн)
• 14 м3 (4,2х1,8х1,8 до 3 тонн)
• 20 м3 (4х2,4х2,2 до 3,5 тонн)
• 27 м3 (5х2,4х2,2 до 5 тонн)
• 36 м3 (6х2,45х2,4 до 6 тонн)
• 55 м3 (7,6х2,45,х2,7 до 10 тонн)
• 120 м3 (13,6х2,45х2,7 до 20 тонн)

Размер и грузоподъемность может отличаться у рефрижераторов, тралов и скотовозов. Подробные размеры, объем, марку можно узнать у диспетчера.

О нас и расчете расстояний между городами

Более 8 лет мы занимаемся попутными перевозками по России. И соответственно у нас собралось уже большое количество довольных клиентов. Некоторые из них согласились оставить отзыв на нашей страничке. Чтобы посмотреть их или оставить собственный перейдите в раздел «Отзывы» по этой ссылке. Еще на странице отзывов, есть возможность написать напрямую руководителю компании, для того, чтобы задать интересующий вопрос.

Мы живем во время высоких технологий. С одной стороны, они помогают нам сделать удобный сервис для клиентов в виде онлайн-чата для быстрых ответов прямо на сайте или калькулятора расчета стоимости попутных перевозок, или сервис расчета расстояний между городами. С другой стороны, существуют недобросовестные исполнители, которые пользуются доверчивостью граждан. Мы понимаем Ваши опасения и волнения. Именно поэтому на главной странице создали раздел «Документы» по этой ссылке. Там размещена вся информация о нашей компании, свидетельства и ОГРН, а также примеры договоров.

Для того, чтобы предварительно узнать стоимость попутной перевозки заполните форму, которая находиться рядом. Или если хотите узнать, что влияет на стоимость перевозки можете посетить страницу «Калькулятор» по этой ссылке.

Еще мы постарались ответить на все самые популярные вопросы в разделе «F.A.Q.» по этой ссылке.

Контакты ТК СОЮЗ: номера телефонов, ссылки на соц.сети, а также быстрый доступ по WhatsApp находятся в разделе «Контакты» по этой ссылке.

Расчет расстояния между городами: как это выполнить

Расчет расстояний между разными населенными пунктами сегодня возможен с использованием разных сервисов. Как пример, есть сервис https://ru.needcalc.com/directions.html, который позволяет узнать, каким будет маршрут, сколько в нем километража и т.д. Расчет ведется всегда по кратчайшим путям. Обычно также можно посмотреть, сколько топлива уйдет на поездку (марка машины принимается в расчет).

Расчет нередко важен для следующих случаев:

• Планирование путешествий. Обычно это требуется, чтобы грамотно проложить маршрут. Это помогает спланировать деловые поездки в командировки. Также с помощью калькуляторов можно подсчитать, сколько уйдет горючего, какова его цена и т.д.
• Водители могут проложить расстояние между городами.
• Калькулятор помогает определить стоимость перевозок с помощью разного вида транспорта.

Как обычно работают с калькулятором, который рассчитывает расстояние?

Маршрут проложить легко – для этого имеются свои опции. Вы можете просто ввести конечные точки, которые вас интересуют, а дальше уже проложить нужный вам график. Есть удобный список городов.

Карта с маршрутом помогает понять, какие города вы будете проезжать во время своей поездки. Они нередко фиксируются с помощью маркеров, так удобнее их видеть. Маршрут рисуется в виде линии красного цвета.

Обычно также на картах прописывается:

• Длительность маршрута.
• Сколько времени надо будет ехать.
• Сколько топлива с собой брать.

Наряду с маршрутом можно уточнить, какое дорожное покрытие будет использоваться. Если требуется, можно всегда внести оперативные корректировки, которые помогут уточнить маршрут поездки. Дополнительные опции позволяют изменить скорость, уточнить промежуточные пункты и т.д. Самым полезным является калькулятор топлива. Он помогает оценить, каковы будут расходы топлива во время поездки. Соответственно, если вы хотите уложиться в нужное вам время, вам потребуется все это держать в уме, в противном случае вы встанете посреди трассы и не сможете заправиться. Так что важно всегда прокладывать маршруты и отмечать для себя точки.

Пример Этолии, Центральная Греция по JSTOR

Abstract

В этой статье делается попытка продемонстрировать, как географическая информация и пространственные модели могут быть использованы для реконструкции моделей поселений и связи между поселениями в прошлом. Модели расположения и квадратичный анализ предлагают множество возможностей для подробного анализа изменяющихся моделей поселений с течением времени. Сдвиги в этих моделях отражают трансформацию исторических условий и меняющуюся значимость факторов местоположения с течением времени.Модели гравитации и потенциала, а также применение интрамакс-анализа предлагают инструменты для изучения моделей коммуникации в исторических обществах. Наконец, реконструкция торговых путей может быть проведена с помощью географической версии модели сохранения энергии.

Информация о журнале

Исторические социальные исследования — Historische Sozialforschung (HSR) — это рецензируемый международный журнал, посвященный применению формальных методов в истории. Формальные методы можно определить как все методы, которые достаточно интерсубъективны для реализации в качестве алгоритма информатики.Формализация означает множество процедур, которые сопоставляют описания событий, структур и процессов с явными моделями этих событий, структур и процессов. Применение формальных методов к истории простирается от количественных и компьютерных качественных социальных исследований, исторической социологии и истории социальных наук до клиометрических исследований и исторической информатики. В более широком смысле область исторических социальных исследований может быть описана как междисциплинарная парадигма.

Информация об издателе

Историческое социальное исследование — Historische Sozialforschung (HSR) публикуется Институтом социальных наук GESIS-Лейбница. Как крупнейший инфраструктурный объект в Германии GESIS предлагает широкий спектр услуг, связанных с общественными науками. Основываясь на оригинальных исследованиях и опыте, научное сообщество находит широкий спектр услуг, консультаций, данных и информации на всех этапах цикла социальных научных исследований.

Региональные модели и факторы, определяющие перемещение между сельскими и городскими районами Индии

Мы оцениваем полиномиальную модель отдельно для сельских и городских районов. Для сельской местности переменными результата являются: «живу и работаю в сельской местности» (базовая категория), живу в сельской местности, но рабочее место — в городе, живет в сельской местности и не имеет постоянного места работы. Для городских районов переменная результата кодируется следующим образом: жить и работать в городе (базовая категория), жить в городе, но работать в сельской местности, жить в городе и не иметь постоянного места работы.

Кто-то может возразить, что на первом этапе должна быть регрессия в отношении того, занимается ли человек сельским хозяйством по сравнению с другой работой, когда актуален вопрос о месте работы. Обусловленным этим вторым этапом будет полиномиальная модель. Владение землей, вероятно, является наиболее важным фактором, определяющим занятость в сельском хозяйстве и отсутствие необходимости ездить на работу. Однако в PLFS нет информации о землевладении. Кроме того, в литературе о поездках на работу стандартно игнорировать работников, занятых в сельском хозяйстве.

Объясняющие переменные можно сгруппировать в следующие широкие категории, а именно. индивидуальные, домашние и региональные детерминанты. Среди индивидуальных характеристик — возраст, пол, семейное положение, уровень образования и квалификация. На уровне домохозяйства контролируются религия, социальная группа и размер домохозяйства. Среди переменных регионального уровня — уровень безработицы в сельской и городской местности, уровень урбанизации и классификация рабочих мест. Уровень безработицы и классификация рабочих мест рассчитываются на уровне региона / района НСС в 2017–2018 годах, для экзогенности

В литературе стандартной практикой является включение уровня урбанизации района в качестве контроля.Поскольку схемы передвижения могут пересекаться по всему округу, мы не включаем уровень урбанизации. Вместо этого мы включаем меру классификации рабочих мест между городом и деревней. Мы следуем подходу, описанному Холмсом и Стивенсом (2004), чтобы классифицировать занятия на три взаимоисключающие группы, а именно. сельские, городские и диффузные. С этой целью используются данные переписи населения Индии 2011 года, которые содержат информацию о 27 и 113 профессиях. ^{Сноска 4} на двух- и трехзначном уровне соответственно в соответствии с Национальной классификацией занятий (NCO) 2004 года для каждого из 640 районов.Мы рассматриваем все профессии, в том числе те, для которых местонахождение места работы не актуально. Во-первых, все районы (расположенные в порядке возрастания общей численности работающих) делятся на 4 квартиля в зависимости от общей занятости. Квартили 1 и 2 являются менее городскими квартилями по сравнению с квартилями 3 и 4, поскольку доля городского населения и соотношение работающих к общей численности населения увеличивается по квартилям. Занятие классифицируется как городское (сельское), если оно чрезмерно представлено в большинстве (наименее) городских квартилях. Чтобы вывести это, мы вычисляем коэффициент местоположения для каждого 2-значного занятия и квартиля.Разница в коэффициенте местоположения между Q4 и Q1, называемая мерой урбанизации, будет отражать тенденцию рода занятий располагаться в более городских или менее городских квартилях. Его более высокое положительное (отрицательное) значение означает, что данное занятие специализируется в наиболее (наименее) городских районах. Располагая двузначным числом профессий по показателям урбанизации, мы обнаруживаем дискретные разрывы между 0,34 и 0,19 и -0,22 и -0,42. ^{Сноска 5} Профессии с мерой урбанизации больше 0.19 классифицируются как городские, в то время как профессии с показателем урбанизации менее -0,22 классифицируются как сельские. Все остальные занятия помечаются как диффузные. Распределение рабочих по сельским, городским и разным профессиям составляет соответственно 33%, 31% и 36%. Затем мы рассчитываем показатель урбанизации для трехзначных профессий. Однако трудно найти дискретные пробелы в показателе урбанизации 113 профессий. Таким образом, пороговое значение показателя урбанизации для трехзначных профессий определяется с использованием доли работников, занятых в сельских, распределенных и городских профессиях, согласно двухзначной классификации.Разделив 113 профессий на три группы, мы рассчитываем, используя данные PLFS 2018–2019, долю профессий в каждом регионе НСС, которые являются сельскими, городскими и рассредоточенными.

Сводная статистика переменных, использованных в анализе, представлена ​​в Таблице 6.

Таблица 6 Сводная статистика для сельских и городских несельскохозяйственных рабочих

Сначала мы оцениваем экономную модель, в которую мы включаем только лаговый уровень безработицы в сельской и городской местности. измеряется на уровне региона НСС, а также процент рабочих профессий, которые можно охарактеризовать как сельские и городские.Мы также включаем государственные манекены. Интересен коэффициент при уровне безработицы, и он соответствует ожиданиям (Таблица 7). В модели села мы находим, что коэффициент (отношение относительного риска) к уровню безработицы в сельской местности больше единицы и меньше единицы, соответственно, и является статистически значимым. Это говорит о том, что высокий уровень безработицы в сельской местности и низкий уровень безработицы в городах действуют как факторы толчка и притяжения соответственно. Обратное верно в отношении поездок из города в деревню.Априори у нас нет догадок о том, как уровень безработицы соотносится с рабочими местами без постоянного места работы. Мы обнаружили, что если уровень безработицы в городах низкий, то вероятность отсутствия постоянного места работы ниже в сельских и городских районах Индии.

Таблица 7 Относительный коэффициент риска (RRR) из полиномиальной модели: местоположение рабочего места сельских и городских несельскохозяйственных рабочих

Если мы включаем домохозяйства и индивидуальные характеристики в качестве дополнительных средств контроля, влияние сельской и городской безработицы на сельско-городское (таблица 8) и поездки из города в деревню (Таблица 9) такие же, как и в базовой модели.Наши результаты показывают, что связь между уровнем безработицы и поездками на работу сходна по природе с уровнем безработицы и решением о миграции (Pissarides and Wadsworth 1989). С точки зрения интерпретации коэффициентов доли рабочих мест, которые можно разделить на сельские или городские, исключенная категория представляет собой долю рабочих мест, которые можно классифицировать как диффузные. Также напомним, что, поскольку при классификации занятий мы учли даже тех, кто не ездит на работу, доля сельских занятий включает сельское хозяйство.Мы обнаружили, что чем выше доля рабочих мест в городе, тем выше вероятность того, что будут наблюдаться поездки из города в город (Таблица 8), и меньше будет наблюдаться переключение между городом и деревней (Таблица 9).

Таблица 8 Относительный коэффициент риска (RRR) из полиномиальной модели: местоположение рабочего места сельских несельскохозяйственных рабочих Таблица 9 Относительный коэффициент риска (RRR) из полиномиальной модели: местоположение рабочего места городских несельскохозяйственных рабочих

Мы обнаружили, что отдельные лица в возрастной группе 35–44 и 45–59 лет реже ездят из сельской местности в город.Более образованные люди в сельских районах Индии с большей вероятностью будут ездить из сельской местности в город и с меньшей вероятностью будут заниматься работой без постоянного места работы.

Женщины с меньшей вероятностью будут ездить из сельской местности в город или заниматься работой без постоянного места работы. То, что женщины реже ездят на работу, также подтверждается оценками обследования НСУ «Питьевая вода, санитария, гигиена и жилищные условия», проведенного в период с июля по декабрь 2018 года. ^{Footnote 6} Почти в 32% сельских и 43% сельских районов. городские домохозяйства, ни одна женщина не выезжает на работу.Если женщины вообще путешествуют, то расстояние менее 1 км или от 1 до 5 км. В отличие от более чем 8% и 14% сельских и городских домохозяйств максимальное расстояние, которое преодолевает член мужского пола, составляет более 15 км (Таблица 10).

Таблица 10 Распределение домашних хозяйств по максимальному расстоянию, на которое обычно проезжают до места работы

Результаты по характеристикам работы отдельных лиц согласуются со сводной статистикой. По сравнению с теми, кто получает постоянную заработную плату или наемную заработную плату, самозанятые и занятые на временной основе с большей вероятностью будут добираться до работы или не имеют постоянного места работы.По сравнению с теми, кто работает в строительстве, люди, занятые в производстве, оптовой и розничной торговле, транспортировке и хранении, а также в сфере размещения и общественного питания, с большей вероятностью будут добираться до сельской местности.

Эти результаты подчеркивают роль условий местного рынка труда в стране происхождения и назначения, измеряемую уровнем безработицы, пространственным распределением экономической деятельности (с использованием классификационного показателя рабочих мест), а также характером занятости, которые являются ключевыми определяющими факторами для принятия решения о переезде на работу в другое место. как сельская, так и городская Индия.

Доступность и социально-экономическое развитие населенных пунктов

Abstract

Доступ к объектам, услугам и социально-экономическим возможностям играет решающую роль в росте и упадке городов и населенных пунктов. Предыдущие попытки объяснить изменения социально-экономических показателей различиями в доступности не были убедительными, поскольку страны с высокоразвитой транспортной инфраструктурой увидели лишь незначительные выгоды от улучшения инфраструктуры.Австралия представляет собой идеальный случай для исследования влияния доступности на развитие, поскольку она считается домом для некоторых из самых пригодных для жизни городов в мире, и в то же время в ней также находятся некоторые из наиболее изолированных поселений. Здесь мы исследуем возможность соединения и доступность всех 1814 населенных пунктов (населенных пунктов с населением более 200 человек) в Австралии, а также их отношение к социально-экономическим характеристикам и возможностям в каждом населенном пункте. Предполагая, что численность населения является косвенным показателем имеющихся возможностей, мы представляем простую метрику ранжирования для поселения с использованием численности населения и расстояния, необходимого для доступа ко всем другим поселениям (и соответствующих возможностей в них).Мы находим поразительно неравномерное распределение доступа к возможностям в Австралии с заметным преобладанием возможностей в столицах четырех из восьми штатов. Два крупнейших города Сидней и Мельбурн занимают доминирующее положение по всем социально-экономическим показателям по сравнению со всеми другими городами. В целом, мы наблюдаем во всех поселениях, что уменьшение доступа к возможностям связано с относительно большим социально-экономическим неблагополучием, включая увеличение среднего возраста и уровня безработицы, а также снижение среднего дохода домохозяйства.Наша методология может быть использована для лучшего понимания потенциальных преимуществ улучшенной доступности на основе развития инфраструктуры, особенно для отдаленных районов, а также для городов и поселков с большим количеством социально-экономически неблагополучного населения.

Образец цитирования: Hasan S, Wang X, Khoo YB, Foliente G (2017) Доступность и социально-экономическое развитие населенных пунктов. PLoS ONE 12 (6): e0179620. https://doi.org/10.1371/journal.pone.0179620

Редактор: Якобус П.van Wouwe, TNO, Нидерланды

Поступила: 17 мая 2016 г .; Принята к печати: 1 июня 2017 г .; Опубликовано: 21 июня 2017 г.

Авторские права: © 2017 Hasan et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Авторы использовали несколько наборов данных для своего анализа.Они перечисляют конкретные источники данных и их доступность ниже: 1. Население, численность населения для каждого UCL определяется по месту обычного проживания (PURP) из Базового профиля сообщества, предоставленного Австралийским статистическим бюро (ABS), где PURP относится к «Адрес, по которому человек проживает или намерен проживать шесть месяцев и более». Эти данные были извлечены с использованием информационного продукта ABS, лицензированного CSIRO. Мы разделили данные о населении UCL в таблице. 2. Дорожная сеть. Набор данных дорожной сети, используемый в этом исследовании, состоит из всех основных закрытых дорог, полученных из GeoData Topo 250K Series 3 от компании Geoscience Australia.Этот набор данных бесплатно доступен по этой ссылке: http://www.ga.gov.au/metadata-gateway/metadata/record/gcat_a05f7892-ecbd-7506-e044-00144fdd4fa6/GEODATA+TOPO+250K+Series+3+% 28 Упакованный + — + Форма + файл + формат% 29. 3. Данные социально-экономических индексов территорий (SEIFA). Данные индексов SEIFA находятся в свободном доступе на веб-сайте Австралийского статистического бюро (ABS) http://www.abs.gov.au/AUSSTATS/[email protected]/DetailsPage /2033.0.55.0012011?OpenDocument. Авторы предоставили имена UCL, население, вычисленные индексы доступности и расстояния до ближайших UCL категорий A, B и C в электронной таблице.Дополнительный файл содержит дополнительные примечания по обработке данных и объяснения.

Финансирование: CSIRO предоставил поддержку в виде заработной платы авторам [SH, XW, YBK и GF], но не имел никакой дополнительной роли в дизайне исследования, сборе и анализе данных, решении о публикации или подготовке рукопись. Конкретные роли этих авторов сформулированы в разделе «Авторский вклад».

Конкурирующие интересы: Эта работа была в основном завершена, в то время как авторы SH, XW, GF и YBK были наняты CSIRO, национальным исследовательским / научным агентством Австралии.Это не влияет на нашу приверженность политике PLOS ONE в отношении обмена данными и материалами в соответствии с условиями, указанными в нашем заявлении о доступности данных.

Введение

Доступность обычно описывает «степень, в которой продукт, устройство, услуга или среда доступны как можно большему количеству людей» [1], или, с точки зрения жителей сообщества, их «способность охватить желаемые товары, услуги, деятельность и направления »[2]. В последние десятилетия меры доступности использовались для понимания и руководства целым рядом политических решений и инвестиционных решений, направленных на региональное развитие и поддержку целей устойчивости [3].В относительной шкале показатель доступности оценивает услуги, к которым население области может получить доступ, и затраты, которые оно должно платить, используя транспортную инфраструктуру, включая автомобильную, железнодорожную, водную и воздушную связь, соединяющую этот район с другими районами [4, 5]. В регионах улучшение транспортной инфраструктуры считается критически важным для улучшения доступа населения к различным услугам и возможностям [6–9]. Кроме того, считается, что это обеспечивает лучший доступ к местам хранения исходных материалов и ведет к более продуктивным и конкурентоспособным рынкам [10].

Удаленность можно определить как инверсию относительной доступности. Концепция удаленности и, следовательно, доступности является важным аспектом разработки политики в Австралии. Доступ к имеющимся услугам и возможностям является серьезной проблемой [11,12] из-за того, что людям обычно приходится преодолевать большие расстояния, чтобы получить доступ к государственным услугам. Чтобы помочь спланировать предоставление многих из этих услуг, Австралийское статистическое бюро (ABS) приняло индекс удаленности, известный как ARIA (Индекс доступности / удаленности Австралии) [13], который измеряет удаленность точки на основе физического расстояние по дороге до ближайшего городского центра.

Отсутствие адекватной инфраструктуры препятствует доступу на рынки [14,15]. В некоторых из этих удаленных мест большая часть инфраструктуры финансируется предприятиями (например, в ресурсной отрасли) или взиманием платы с пользователей (например, в случае производства электроэнергии). В этих случаях предприятия определяют потребности инфраструктуры на основе готовности пользователей платить, которая, в свою очередь, зависит от того, как пользователи ценят такие услуги и как они могут получить доступ к инфраструктуре. Но если оставить только рыночные силы, это может привести к нехватке инвестиций в социально-экономически неблагополучные общины в отдаленных районах.

Когда правительство уделяет приоритетное внимание социально-экономическому развитию данного района, оно обычно вкладывает средства в строительство новой транспортной инфраструктуры. Например, чтобы связать рассредоточенное население и удаленные предприятия Северной Австралии, правительство Австралии разрабатывает план инфраструктуры стоимостью 5 миллиардов долларов для предоставления кредитов на строительство основной инфраструктуры (например, портов, электроснабжения и водоснабжения, железных дорог, трубопроводов и т. Д.) , с дополнительными 600 миллионами долларов на строительство новых дорог [16].Однако относительную выгоду или стоимость различных инвестиций сложно определить, и соответственно приоритизация проектов является большой проблемой. Например, не всегда просто распределить выгоды проекта, которые выходят за пределы границ, учесть разнообразные потребности регионов, оценить влияние проектов и удовлетворительно рассмотреть возможность завышения выгод и недооценки воздействия различными заинтересованными сторонами [16].

Прежде чем вкладывать значительные средства в развитие инфраструктуры, необходимо рассмотреть следующие важные вопросы: (а) в какой степени существует доступ к услугам в тех отдаленных районах, которые связаны с более развитыми регионами, и (б) каковы преобладающие последствия таких различий?

Австралия представляет собой идеальный случай для исследования последствий такого неравенства в региональном развитии и доступе к возможностям, поскольку в ней находятся одни из самых пригодных для жизни городов в мире (такие как Мельбурн, Сидней, Брисбен, Перт и Аделаида) [17], и, в то же время здесь находятся одни из самых изолированных поселений в мире.Смит [18] сообщил, что в пустынных районах Австралии проживает около 580 000 человек с плотностью 0,11 человека на км ^-2 , тогда как в среднем по миру плотность населения в пустынных районах составляет около 24 человек на км ^-2 .

Роль и влияние транспортной инфраструктуры на региональное развитие не ясны, а иногда направление причинно-следственной связи вызывает сомнения [10]. Предыдущие попытки объяснить изменения экономических показателей (рост и падение) инвестициями в транспорт или различиями в доступности были гораздо менее успешными [19,20].Страны с высокоразвитой транспортной инфраструктурой увидели незначительные выгоды от улучшения инфраструктуры [21]. Очень важен сбор данных о влиянии различий в доступности с нераспространенной сетью транспортной инфраструктуры.

Понимание последствий неравенства в доступе к возможностям в Австралии сейчас может дать уроки для других мест и мира в целом в будущем. В 2014 году 54 процента населения мира проживало в городах.Сложный эффект городской агломерации указывает на прогноз, согласно которому к 2050 году 66 процентов населения мира будет жить в городах [22]. В результате некоторые поселения в мире могут стать более удаленными и социально-экономически невыгодными по сравнению с большими и быстрорастущими городами, даже если города будут сильно зависеть от этих регионов в плане питания, воды, чистого воздуха, удаления отходов и проведения досуга [18 ]. Необходимо лучше понять влияние физической доступности на социально-экономическое развитие отдаленных районов.

В этом документе представлена ​​общая картина связности и доступности всех населенных пунктов в Австралии, ранжированных по стране и штатам, а также соотношение их рейтинга доступности с социально-экономическими характеристиками каждого сообщества. Это важный шаг к более явному или широкому рассмотрению влияния улучшения доступности и приоритизации инвестиций в транспортную инфраструктуру в городах и общинах, которые находятся в относительно более неблагоприятном социально-экономическом положении, чем другие.

Методы

Измерение доступности

Чтобы определить роль транспортной инфраструктуры в региональном развитии, мы сначала измеряем доступность различных центров населенных пунктов, называемых городскими центрами и районами (UCL), в Австралии (см. Данные в дополнительной информации). Доступность — это хорошо известная концепция в региональной науке, имеющая различные формулировки [1,12,23–25]. Мы предлагаем следующую формулировку для расчета показателей доступности для различных UCL: (1) где A _i — доступность области i ; L — категория сервисного центра региона j , в которую можно попасть из региона i; W _j — мера возможностей / активности, здесь размер населения, которого необходимо достичь в регионе j из региона i; d _ij — расстояние, которое необходимо преодолеть, чтобы пройти от i до j ; — среднее значение расстояний от всех районов до ближайшего к ним центра обслуживания категории L (Таблица 1).Отрицательный показатель отношения — это обобщенная стоимость достижения области j из области i . Он сочетает в себе две идеи:

1. , что близлежащие места имеют большее влияние, чем отдаленные, и
2. , что зоны будут по-разному обрабатываться в зависимости от категории сервисных центров, а категории с большим средним расстоянием, как правило, подразумевают меньшее количество этих сервисных центров, но имеют большее влияние (обычно эти категории имеют больше доступных услуг и возможностей, например, крупные столицы).

Этот индекс доступности был выбран, потому что:

1. Мы хотим отразить количество возможностей и услуг, доступных в различных регионах, которые в настоящее время измеряются населением
2. Мы хотим посмотреть на влияние не только ближайшего региона, но и всех регионов. Но поскольку с увеличением расстояния влияние имеет тенденцию уменьшаться, мы используем экспоненциальную функцию, чтобы наказывать регионы с более длинными расстояниями. Другими словами, близлежащие регионы имеют большее влияние, чем удаленные.
3. Мы хотим различать влияние разных типов регионов. Следовательно, мы классифицируем все регионы по типам сервисных центров и используем среднее расстояние для этого типа сервисных центров в экспоненциальной функции. В частности, мы используем соотношение между расстоянием региона и средним расстоянием от всех регионов до ближайшего региона этого конкретного типа.

Результаты

Пространственное распределение доступности

Во-первых, мы представляем общую картину возможности подключения различных UCL к дорожным сетям.На рисунке A в файле S1 показано распределение населенных пунктов по отношению к основной транспортной сети Австралии. На восточном побережье высока концентрация населенных пунктов, особенно в треугольнике Брисбен-Сидней-Мельбурн (B-S-M). Большинство UCL в этом регионе тесно связаны с транспортной инфраструктурой. На рисунке также показано отсутствие связи в Северной Австралии. Большинство небольших UCL в других местах не связаны с крупной транспортной дорожной сетью, что резко контрастирует с треугольником B-S-M.

Пространственное распределение значений доступности UCL показано на рис. 1. Значения доступности были вычислены с использованием предложенного индекса доступности в уравнении (1). В общем, большинство UCL не очень доступны. Только города на восточном побережье в районе B-S-M имеют большую доступность. Мы видим тенденцию к увеличению ценностей доступности, исходящую из городов восточного побережья. Большие города на восточном побережье, включая Брисбен, Сидней и Мельбурн, несут ответственность за начало этой тенденции.Похожая картина наблюдается в Западной Австралии, где зародилась тенденция в Перте. В отличие от этих регионов, в Северной Австралии не наблюдается роста в том же масштабе.

Затем мы создаем ранжирующий анализ UCL на основе их значений доступности. Для целей ранжирования мы нормализуем значения доступности по шкале от 0 до 100. Мы считаем наивысшее значение индекса доступности равным 100 (в нашем случае Сидней имеет наивысшее значение доступности) и вычисляем значения доступности для других UCL следующим образом : (2)

На рис. 2 показано ранжирование UCL на основе значений доступности.Мы видим, что среди городов с населением более 100 000 человек наибольшее значение доступности имеет Сидней, а наименьшее значение доступности — Дарвин. Интересно, что некоторые из крупных столиц, таких как Аделаида и Перт, имеют более низкие значения доступности. Этот рейтинг ясно показывает неравномерное распределение имеющихся возможностей по всей Австралии, из которых наиболее тревожной является внутренняя возможность, доступная Дарвину. Это могло быть неотъемлемой чертой австралийской географии.Хотя возможность изменить рейтинг может быть недоступна, будущие инвестиции в инфраструктуру могут быть ориентированы на основе этого рейтинга. Это особенно важно для Австралии, поскольку Дарвин стратегически расположен в азиатском регионе, где преимущества более прочных социальных и экономических связей велики.

Среди различных австралийских городов Сидней, Мельбурн и окружающие их UCL имеют очень высокую доступность (более 80). Ньюкасл, Джилонг ​​и Канберра имеют высокую доступность (от 60 до 80).Брисбен, Голд-Кост, Саншайн-Кост и окружающие их UCL имеют умеренную доступность (от 40 до 60). Аделаида, Перт и окружающие их UCL имеют ограниченную доступность (от 20 до 40). Такие города, как Таунсвилл, Кэрнс, Хобарт, Дарвин и окружающие их UCL, имеют очень низкую доступность (ниже 20).

На рис. 3 показано ранжирование UCL для разных штатов. Это подтверждает неравномерное распределение имеющихся возможностей по разным штатам. Ясно, что UCL из Южной Австралии, Западной Австралии, Северной территории и Тасмании имеют меньше всего возможностей по сравнению с другими штатами, такими как Новый Южный Уэльс, Виктория и Квинсленд.Иерархическая структура доступности UCL в штате, как и ожидалось, начинается со столицы. А значения доступности других UCL в данном штате просто следуют за показателями его столицы.

Социально-экономические последствия доступности

Чтобы оценить социально-экономические последствия неравного доступа к возможностям в Австралии, мы коррелируем различные переменные, включая средний возраст, средний доход домохозяйства, среднюю арендную плату, среднюю выплату по ипотеке, уровень безработицы и социально-экономические индексы регионов (SEIFA). ) UCL с соответствующими значениями доступности.SEIFA разработан Австралийским статистическим бюро (ABS) для ранжирования территорий в Австралии в соответствии с относительными социально-экономическими преимуществами и недостатками [26]. Индексы SEIFA стремятся обобщить социально-экономические условия района с использованием соответствующей информации из переписи населения и жилищного фонда.

На рис. 4 показан средний возраст населения, проживающего в UCL, в сравнении с соответствующими значениями доступности. Во всех крупных городах средний возраст составляет от 30 до 40 лет. Как и следовало ожидать, при наличии большего количества возможностей трудоустройства более доступные города привлекают более молодое население.Напротив, за исключением крупных городов, средний возраст увеличивается с уменьшением значений доступности. Эта закономерность одинакова в разных штатах. Разрыв между минимальными и максимальными значениями также увеличивается с уменьшением значений доступности. То же самое и по всем социально-экономическим показателям. Это отражает потенциально разные уровни пригодности для жизни в регионах с низким уровнем доступности, создавая социальное и экономическое неравенство. В будущем возникнут проблемы с менее доступными местами с более высоким средним возрастом, поскольку пожилым людям придется иметь больший доступ к медицинским учреждениям.

Интуитивно понятно, что последствия неравного доступа к услугам и возможностям также отразятся на распределении доходов. Но когда мы строим график медианного недельного дохода домохозяйства в сравнении со значениями доступности на рис. 5, мы видим, что все крупные столичные города имеют одинаковый средний доход домохозяйства независимо от их значений доступности. Дарвин, который имеет самый низкий показатель доступности среди столичных городов, имеет один из самых высоких средних недельных доходов домохозяйств в стране.Однако большинство UCL, принадлежащих к категориям сервисных центров от C до F, имеют более низкий доход с уменьшением значений доступности. Влияние доступности на доход более заметно в государственном распределении. Он показывает, что с уменьшением доступности средний доход домохозяйства также имеет тенденцию к снижению во всех штатах. В Квинсленде и Западной Австралии есть несколько университетских школ с низкой доступностью, но с высоким средним доходом; Эти UCL в основном представляют шахтерские города. Без долгосрочных инвестиций и развития более разнообразной экономической базы сообщества в этих UCL могут серьезно пострадать в результате спада в горнодобывающей промышленности, ведущего к миграции населения из этих регионов, что, в свою очередь, может привести к дальнейшему сокращению услуг и возможностей.

Значительная часть дохода семьи тратится на погашение арендной платы или ипотеки. На рис. 6 показана средняя недельная арендная плата в UCL в сравнении со значениями доступности. С уменьшением доступности жилья арендная плата имеет тенденцию к снижению, за исключением крупных столичных городов. На рис. 7 показаны медианные ежемесячные выплаты по ипотеке в UCL в сравнении со значениями доступности. С уменьшением значений доступности выплаты по ипотеке имеют тенденцию к снижению, за исключением крупных столиц. Подобно арендной плате за дом, это также одинаково во всех штатах.

Доступ к возможностям должен иметь важное влияние на уровень безработицы. На рис. 8 показаны уровни безработицы в UCL в сравнении с соответствующими значениями доступности. В целом, в большинстве крупных столиц уровень безработицы ниже. Например, среди крупных городов Канберра и Дарвин имеют самый низкий уровень безработицы. Но для других UCL, с уменьшением значений доступности, уровень безработицы имеет тенденцию к увеличению.

Набор социально-экономических индексов территорий (SEIFA) указывает на социально-экономические условия территории, созданной с использованием данных переписи.Для анализа доступны четыре индекса SEIFA:

• Индекс относительных социально-экономических преимуществ и недостатков (IRSAD)
• Индекс относительной социально-экономической неблагополучия (IRSD)
• Индекс образования и занятий (IEO)
• Индекс экономических ресурсов (IER).

Каждый индекс представляет собой сводку различных подмножеств переменных переписи и фокусируется на разных аспектах социально-экономических преимуществ и недостатков.Мы сопоставляем эти 4 индекса SEIFA UCL с соответствующими значениями доступности. На рис. 9 показан индекс относительного социально-экономического неблагополучия (IRSD) в сравнении со значениями доступности UCL. IRSD суммирует экономические и социальные условия людей и домашних хозяйств в пределах области, включая только показатели относительного неблагополучия (24). Низкое значение этого индекса указывает на относительно более неблагоприятное положение в районе, включая, например, многие домохозяйства с низким доходом, множество людей без квалификации или людей с низкими квалификациями.С другой стороны, высокое значение индекса указывает на относительное отсутствие неблагоприятного положения в районе, включая, например, несколько домохозяйств с низкими доходами, мало людей без квалификации и мало людей с низкоквалифицированными профессиями. Существует сильная корреляция между IRSD и ценностями доступности. С уменьшением доступности услуг и возможностей индекс относительного социально-экономического положения также снижается. Рисунки G-I в файле S1 сопоставляют оставшиеся индексы SEIFA со значениями доступности.Картина уменьшения социально-экономических преимуществ, экономических и образовательных ресурсов с уменьшением значений доступности одинакова для всех цифр.

Рис. 9. Относительный индекс социально-экономического неблагополучия населения по сравнению с соответствующими нормализованными значениями доступности UCL (тренды соответствуют уравнению вида y = α + β ₁ x + β ₂ x ² + β ₃ x ³ и значения R в квадрате подогнанных уравнений приведены).

https://doi.org/10.1371/journal.pone.0179620.g009

Обсуждение и последствия

Наш анализ относительной доступности всех значительных населенных пунктов в Австралии дает лучшее понимание иерархического ранжирования городов и поселков Австралии и того, как они соотносятся с факторами социально-экономического развития. Он показывает доминирующее положение двух его крупнейших городов, Сиднея и Мельбурна, по всем показателям эффективности по сравнению со всеми другими городами, в поддержку концепции драконьих королей [27,28], как роль Лондона в Великобритания [22].Это иерархическое ранжирование, основанное на ценностях доступности, тесно связано с наблюдаемыми отношениями масштабирования с размером города [29,30]. Однако наш подход представляет собой иную точку зрения на этот вопрос, добавляя новое измерение географических расстояний. Такое иерархическое ранжирование, возможно, является результатом сложного процесса, включающего накопление ресурсов [31,32], агломерацию доходов в больших городах [33], преимущественную привязанность мигрирующего населения [34] и высокий уровень инвестиций для подключения к большим городам.Это создает как проблемы, так и возможности даже для такой развитой страны, как Австралия. Из-за редкости крупных городов и континентальной суши, которую необходимо покрыть, Австралии приходится строить и поддерживать огромную транспортную сеть по сравнению с небольшим населением, которое она обслуживает. Однако это также дает огромную возможность удовлетворить растущий спрос населения за счет стратегического размещения или поддержки новых центров роста в существующей сети за счет инвестиций в инфраструктуру и государственные услуги.Такой процесс государственной политики может изначально определяться рейтингом доступности, представленным в данном документе.

Связывая ценность доступности ЛГМ с их социально-экономическими характеристиками, мы наблюдали следующее:

• Существует тенденция к увеличению ценностей доступности, происходящих из городов восточного побережья, в частности, из Брисбена, Сиднея и Мельбурна. Аналогичная картина наблюдается в Западной Австралии, где источником тенденции является Перт.
• В Австралии поразительно неравное распределение доступа к возможностям.В отличие от юго-восточного и юго-западного регионов, в Северной Австралии такой тенденции не наблюдается. Инвестиции в дорожную инфраструктуру в Северной Австралии могут начать аналогичную тенденцию увеличения доступности из центра крупного города (такого как Дарвин), что потенциально приведет к улучшениям в социально-экономическом развитии и будет способствовать модели роста в регионе. Однако оценку таких вариантов развития следует проводить с учетом их потенциального воздействия на окружающую среду и / или экологические услуги.
• Неравный доступ к возможностям тесно связан с социально-экономическими характеристиками, особенно для рассредоточенных и удаленных территорий. С уменьшением доступности средний возраст и уровень безработицы имеют тенденцию к увеличению, а средний доход домохозяйства — к снижению.

Наш анализ также показывает, что существует сильное присутствие эффекта острова в региональном развитии Австралии. Региональные города / поселки извлекают выгоду из услуг и возможностей, доступных в ближайших крупных столичных городах (рис. 3).Кроме того, большая часть развития начинается с крупных столичных городов (например, Сидней, Мельбурн, Брисбен и т. Д.) При поддержке средних или малых городских центров. Однако распространение роста [35,36] из одной крупной столицы не может достигать большего из-за расстояния (кроме коридора роста Мельбурн-Сидней-Брисбен) и, следовательно, не может создать континуум развития. Вполне вероятно, что будущий рост развития также будет происходить по аналогичной схеме, начиная с крупных столиц. Однако основные инвестиционные инициативы, улучшающие доступность, в ожидании роста и развития в отдаленных районах, должны быть больше ориентированы на региональное развитие, а не на изолированный город или местность.

Было обнаружено, что доступ к возможностям тесно связан с определенными социально-экономическими характеристиками населенных пунктов. Хотя такие корреляции было трудно найти в более развитых регионах, таких как Европа, с помощью эмпирических данных [10], для Австралии доказательства более очевидны. Например, хотя в крупных столицах средний возраст ниже из-за притока молодых иммигрантов, в большинстве малых городов (категория D-F) средний возраст значительно выше.В то время как у стареющего населения ожидания и потребности большей мобильности и доступности [37], текущая тенденция указывает на то, что они остаются или мигрируют в регионы с меньшим доступом к возможностям. Возможно, это связано с более высокой стоимостью жилья в крупных городах Австралии и ограниченными финансовыми возможностями некоторых пожилых людей [38]. Наш анализ также подтверждает некоторые общие характеристики [39] региональных и отдаленных районов Австралии, включая группы людей с более низким доходом, проживающих в этих районах; сокращение доступа к услугам и сокращение возможностей трудоустройства.Недавние результаты, основанные на данных о городах Австралии, также предполагают, что социально-экономическое неравенство растет с увеличением размера города [33].

Однако наш анализ имеет некоторые ограничения, на которые можно обратить внимание с нескольких точек зрения. Предлагаемое определение доступности основано на численности населения, которая считается показателем уровня услуг, доступных в городе. Это определение может быть расширено для рассмотрения конкретных аспектов городских услуг, включая жилье, здравоохранение, образование, финансовые, профессиональные и развлекательные, среди многих других.Определение доступности для конкретных услуг позволит получить интересную информацию о различных аспектах городских услуг. Однако для высокого уровня стратегического планирования достаточно общего показателя, такого как предлагаемый индекс доступности. Для определения населенных пунктов мы использовали особую географическую классификацию, предоставленную ABS. Недавняя работа [27] о законах масштабирования городов выявила отсутствие согласованности показателей масштабирования в определениях городов. Необходимо выяснить, наблюдаются ли аналогичные несоответствия и при ранжировании городов на основе доступности.Эмпирические данные, свидетельствующие о том, что в регионах с более низкой доступностью, качество жизни ниже, дает ответ на важный вопрос о значении доступности для социально-экономического развития. Однако этот вывод основан на наблюдаемых корреляциях. Необходим дальнейший анализ для определения основных причин социально-экономической неэффективности городов с более низким рейтингом.

Существуют альтернативные вычисления значений доступности. Одна из возможных альтернатив — рассматривать только возможности, доступные в исходном UCL, игнорируя возможности из всех других UCL.Это не что иное, как простой индекс, основанный только на численности населения. Рейтинг, основанный на индексе населения, будет сильно отличаться от рейтинга, основанного на индексе доступности, представленном здесь. Например, UCL с небольшой численностью населения вблизи крупного города будет иметь очень высокое значение доступности из-за возможностей, имеющихся в соседнем городе. В то время как показатель, основанный на численности населения, даст ему более низкое значение из-за небольшой численности населения. На рис. 10 показана корреляция между социально-экономическим неблагополучием и простым индексом, основанным на численности населения, тогда как на рис. 9 показана корреляция между той же переменной и предложенным индексом на основе доступности.Ясно, что по сравнению с размером населения только доступность лучше объясняет различия в социально-экономическом положении в разных регионах.

Наше исследование представляет собой руководство для австралийских политиков относительно потенциального воздействия (-ий) инвестиций (или вариантов инвестирования) на инфраструктуру и / или в определении того, какие инвестиции необходимы для стимулирования регионального развития (или конкретных целевых сообществ / UCL). Это особенно актуально для заявленного им видения развития сообществ, экономики и бизнеса в Северной Австралии.Во-первых, наши результаты (рис. 1) особенно подтверждают, что этот регион действительно больше всего нуждается в улучшении своей инфраструктуры доступности. Во-вторых, лица, определяющие политику, могут определить, к какому эквивалентному социально-экономическому уровню они хотели бы стремиться в определенных поселениях в регионе (на основе более устоявшихся или доступных UCL или сообществ в других местах) с точки зрения индекса доступности и социально-экономического профиля последнего. Эффект от целевого распределения государственного инфраструктурного фонда в размере 5 миллиардов долларов [16] может быть максимальным.Правительство может гарантировать, что социально-экономически обездоленные люди в определенных сообществах имеют доступ к услугам и экономическим возможностям. Повторная оценка вариантов инвестирования приведет к различным результатам ранжирования, количественной оценке улучшений индекса доступности и обеспечению систематического процесса приоритезации. Трудно сказать, принесет ли аналогичный анализ в других частях мира аналогичные преимущества, и поэтому его следует проверить в другом месте [40].

Благодарности

Мы благодарим нашего коллегу из CSIRO, доктора Марка Стаффорда Смита, за его ценные комментарии к некоторым выводам, сделанным в статье.

Вклад авторов

1. Концептуализация: SH XW GF YBK.
2. Обработка данных: YBK.
3. Формальный анализ: SH YBK.
4. Получение финансирования: XW.
5. Расследование: SH YBK.
6. Методология: SH XW.
7. Администрация проекта: XW.
8. Контроль: XW GF.
9. Визуализация: SH.
10. Написание — первоначальный эскиз: SH.
11. Написание — просмотр и редактирование: SH GF.

Ссылки

1. 1. Реджиани А., Найкамп П., Ланци Д. Транспортная устойчивость и уязвимость: роль связи. Transp Res Part A Практика политики. Elsevier Ltd; 2015; 81: 4–15.
2. 2. Литман Т. Т.А. Доступность. Словарь транспортного анализа. 2010. С. 1–3.
3. 3. Кондесо-Мелхорадо А., Реджиани А., Гутьеррес Х.Доступность и пространственное взаимодействие. Эдвард Элгар, Челтенхэм; 2014.
4. 4. Handy SL, Niemeier DA. Измерение доступности: исследование проблем и альтернатив. План окружающей среды A. 1997; 29: 1175–1194.
5. 5. Хэнди С. Региональная доступность в сравнении с местной: последствия для поездок вне работы. Univ Calif Transp Cent. 1993;
6. 6. Викерман RW. Транспортная инфраструктура и региональное строительство в Европейском сообществе. J Common Mark Stud. 1994; 32: 1–24.
7. 7. Биль Д. Роль инфраструктуры в региональном развитии. Инфраструктура Reg Dev. 1991; 9–35.
8. 8. Hansen WG. Как доступность влияет на землепользование. J Am Inst Plann. 1959; 25: 73–76.
9. 9. Демургер С. Развитие инфраструктуры и экономический рост: объяснение региональных различий в Китае? J Comp Econ. 2001; 29: 95–117.
10. 10. Викерман Р., Шпикерманн К., Вегенер М. Доступность и экономическое развитие в Европе.Reg Stud. 1999; 33: 1–15.
11. 11. Грей I, Лоуренс Г. Будущее региональной Австралии: Избегая глобальной беды. Издательство Кембриджского университета; 2001.
12. 12. Департамент здравоохранения и престарелых (DHAC). Измерение удаленности: Индекс доступности / удаленности Австралии (ARIA) (пересмотренное издание). Канберра: Департамент здравоохранения и престарелых; 2001.
13. 13. Тейлор КАРТА, Сусилавати. Удаленность и доступность в анализе уязвимости региональных дорожных сетей.Transp Res Part A Практика политики. Elsevier Ltd; 2012; 46: 761–771.
14. 14. McKenzie FH. Привлечение и удержание квалифицированного и профессионального персонала в удаленных местах Австралии. Ранжел Дж. 2011; 33: 353–363.
15. 15. Хаслам Маккензи Ф. Взлетный перелет: проблемы временного населения в сельских ландшафтах. В: Luck GW, Black R, Race D, редакторы. Демографические изменения в сельских ландшафтах Австралии. Springer, Нидерланды; С. 353–374.
16. 16. Содружество Австралии.Наш Север, наше будущее: Белая книга по развитию Северной Австралии [Интернет]. 2015. https://northernaustralia.dpmc.gov.au/white-paper
17. 17. The Economist Intelligence Unit. Глобальный рейтинг жизнеспособности. 2015.
18. 18. Смит М.С. «Синдром пустыни» — причинно-следственные факторы, характерные для необжитой местности Австралии. Рэнджел Дж. Смит, MS (автор перепечатки), CSIRO, Sustainable Ecosyst, POB 284, Canberra, ACT 2601, Australia CSIRO, Sustainable Ecosyst, Canberra, ACT 2601, Australia [email protected]; 2008; 30: 3–14.
19. 19. Фуллертон Б., Гиллеспи А. Транспорт и связь. Политика сообщества Reg Impact Eur. 1988; 88–110.
20. 20. Ритвельд П., Найкамп П. Транспорт и региональное развитие. Eur Transp Econ. 1993; 130–151.
21. 21. Банистер Д., Беречман Ю. Транспортные инвестиции и содействие экономическому росту. J Transp Geogr. 2001; 9: 209–218.
22. 22. Объединенные Нации. Перспективы мировой урбанизации: редакция 2014 г.Департамент по экономическим и социальным вопросам, Отдел народонаселения; 2015.
23. 23. Мартин Дж. К., Реджиани А. Последние методологические разработки для измерения пространственного взаимодействия: синтетические индексы доступности, применяемые к инвестициям в высокоскоростные поезда. Transp Rev.2007; 27: 551–571.
24. 24. Реджиани А. Доступность, возможность подключения и отказоустойчивость в сложных сетях. Анализ доступности и транспортное планирование: вызовы для Европы и Северной Америки. 2012. С. 15–36.
25. 25. Тейлор КАРТА, Сусилавати. Удаленность и доступность в анализе уязвимости региональных дорожных сетей. Transp Res Part A Практика политики. 2012; 46: 761–771. http://dx.doi.org/10.1016/j.tra.2012.02.008
26. 26. Австралийское статистическое бюро. Технический документ: Социально-экономические индексы территорий (SEIFA) 2011. 2013.
27. 27. Аркаут Э, Хатна Э, Фергюсон П., Юн Х, Йоханссон А., Бэтти М. Построение городов, разрушение законов масштабирования.Интерфейс J R Soc. 2015; 12: 20140745. pmid: 25411405
28. 28. Сорнетт Д. Драконы-короли, черные лебеди и предсказание кризисов. Swiss Financ Inst Res Pap. 2009;
29. 29. Bettencourt LM a, Lobo J, Helbing D, Kühnert C, West GB. Рост, инновации, масштабирование и темп жизни в городах. Proc Natl Acad Sci U S. A. 2007; 104: 7301–7306. pmid: 17438298
30. 30. Bettencourt LM a. Истоки масштабирования в городах. Наука (80-). 2013; 340: 1438–1441.pmid: 23788793
31. 31. Фридман Дж. Гипотеза мирового города. Дев Чанг. 1986; 17: 69–83.
32. 32. Беренс К., Робер-Никуд Ф. Выживание наиболее приспособленных в городах: урбанизация и неравенство. Econ J. 2014; 124: 1371–1400.
33. 33. Саркар С., Фиббс П., Симпсон Р., Васник С. Масштаб распределения доходов в Австралии: возможные взаимосвязи между городской аллометрией, размером города и экономическим неравенством. Экологический план B Plan Des. 2016; 265813516676488.
34. 34. Барабаши А.Л., Альберт Р. Появление масштабирования в случайных сетях. Наука (80-). 1999. 286: 509–512.
35. 35. Фотерингем А.С., Бэтти М., Лонгли, Пенсильвания. Агрегация, ограниченная диффузией, и фрактальная природа роста городов. Pap Reg Sci. 1989. 67: 55–69.
36. 36. Максе Х.А., Хэвлин С., Стэнли Х. Моделирование моделей роста городов. Природа. 1995. 377: 608–612.
37. 37. Алсних Р., Хеншер Д.А. Ожидания пожилых людей в отношении мобильности и доступности среди стареющего населения.Transp Res Part A Практика политики. 2003. 37: 903–916.
38. 38. Данкомб В., Роббинс М., Вольф Д.А. Куда уйти на пенсию? Дискретная модель выбора жилого помещения. Int J Popul Geogr. 2001; 7: 281–293.
39. 39. National Rural Health Alliance Inc. Снимок бедности в сельской и региональной Австралии. 2013.
40. 40. Брелсфорд К., Лобо Дж., Хэнд Дж., Бетанкур ЛМА. Неоднородность и масштабы устойчивого развития городов. Proc Natl Acad Sci. 2017; 201606033.pmid: 28461489

Устойчивое развитие | Бесплатный полнотекстовый | Пространственное взаимодействие между сетью населенных пунктов, природным ландшафтом и зонами экономической деятельности: тематическое исследование в греческом регионе

1. Введение: соединение человеческих и природных систем и пространственное планирование

Взаимодействие между человеческими поселениями и природной средой стало тема, представляющая интерес в пространственном планировании за последние несколько десятилетий, в основном благодаря изучению устойчивого развития [1,2,3].При таком подходе приоритет отдается экологической повестке дня, а это означает, что экологическая аксиома устойчивого развития считается более важной, чем социально-экономические проблемы. Тем не менее, на развитие и структуру сети поселений, рассматриваемых здесь как совокупность населенных пунктов в пределах определенной территориальной единицы, исторически влияли физические, географические и социально-экономические факторы. Этот вопрос был главной задачей исторической географии, которая изучала влияние различных физико-географических и социально-экономических факторов на развитие поселений, тем самым иллюстрируя конфигурацию исторических особенностей конкретных мест, учитывая, что исторически большинство взаимодействий между людьми и естественный мир имел место локально [4].Изучение экологии человека подчеркивает сложную «коэволюцию», которая, как утверждается, формирует взаимодействия между компонентами экосистемы и человеческими сообществами [5]. С другой стороны, теории пространственного развития и городской географии сосредоточены на взаимодействии между городскими поселениями и социально-экономическими процессами [6], иногда игнорируя природную среду и обычно устанавливая ее в качестве фона пространственной привязки; тем самым рассматривая его как устойчивый параметр, а не как потенциально изменяющийся элемент, способствующий пространственному развитию [7] или культурным и природным процессам, которые адаптируются друг к другу и влияют на территории [8].Важность взаимосвязи между населенными пунктами и окружающей природной средой была подтверждена различными исследованиями, посвященными ландшафту. Эти исследования выделяют природную среду и ландшафт, окружающие поселения, идентифицируя их как динамичный, развивающийся и многофункциональный элемент, который взаимодействует как с антропогенной средой, так и с экономической деятельностью места и формирует новые кластеры взаимоотношений [8,9,10]. За последнее десятилетие в рамках более широкого исследования уязвимости и устойчивости различных мест в нескольких исследованиях был предпринят поиск более междисциплинарного подхода и моделирования того, что они назвали «взаимосвязанными социально-экологическими» или «человеческими и природными системами». [4,11,12].Посредством этих подходов стремятся к явному учету взаимодействия между социальной и экологической системами [11] и часто в рамках подхода устойчивости, подчеркивая нелинейную динамику, пороговые значения, неопределенности и взаимодействия между периодами постепенного изменения с периодами быстрого изменения [ 13]. Лю и др. [4] указали, что люди постоянно взаимодействуют с природными системами, что приводит к формированию и развитию так называемых «связанных человеческих и природных систем» (CHANS), которые характеризуются сложными организационными, пространственными и временными связями.Эти связи, или связи, эволюционировали в результате прямых и косвенных взаимодействий, простирающихся от локального до глобального масштаба и от простых до сложных структур и процессов. Понимание этих взаимосвязей и характеристик, вытекающих из них, может привести к разработке более эффективных политик экологической и социально-экономической устойчивости. Изучая конкретные районы в разных частях мира, Liu et al. [12] обнаружили, что связанные системы имеют разную степень сопротивления, что означает разную степень способности поддерживать аналогичные структуры и функции после серьезных нарушений в текущем развитии.Интересно то, что CHANS демонстрируют множество возникающих и уникальных свойств, которые не принадлежат ни естественным, ни искусственным системам, а скорее возникают в результате взаимодействия между ними. Связи внутри и между CHANS имеют место на нескольких пространственных уровнях, от локального до глобального, и меняются с течением времени. Конечно, взаимодействие между человеком и природными системами в региональном и глобальном масштабе приобретает все больший интерес, потому что человеческая деятельность взаимосвязана во всем мире. В целом, всепроникающее влияние человека резко изменило эволюционные пути многих видов.Как Лю и др. [4] заявил, что «даже районы, явно защищенные от антропогенного воздействия, такие как охраняемые территории (например, заповедники), являются результатом человеческих решений и находятся под влиянием глобальных ответных мер на антропогенные нарушения, такие как изменение климата» (стр. 640 В Греции в области пространственного планирования изучение поселений было сосредоточено в первую очередь на понимании роли их иерархических отношений в определении зон пространственного планирования, либо характеристик концентрации и деконцентрации в системе городских поселений, либо их вклада в формирование закономерностей регионального развития страны [14,15,16,17,18].Пространственное планирование своими нормативными целями стремится отразить баланс решений, влияющих на застроенную среду, с одной стороны, и природную среду, с другой. Тем не менее, то, каким образом объединение человеческих и природных систем в единую аналитическую область влияет на пространственные характеристики и уязвимость или устойчивость территории с течением времени, требует дальнейшего исследования. Появление, например, природного ландшафта в качестве ключевого элемента в повестке дня пространственного планирования, которая также была принята в греческой системе планирования в последнее десятилетие [19,20], вызвало необходимость во всеобъемлющем подходе. это может дать более правдоподобное понимание того, как человеческие и природные системы взаимодействуют друг с другом.

За последние 25 лет сочетание факторов привело к критическим изменениям и / или изменениям традиционной системы поселений и их взаимоотношений с природной средой. Этими факторами являются, во-первых, разрастание городов и его влияние на окружающую среду в результате поиска новых участков для первичного и вторичного проживания, во-вторых, строительство ряда крупных автомагистралей, которые изменили естественную и историческую уединенность больших территорий. и, в-третьих, расширение таких видов деятельности, как туризм и отдых, на новые места, отличные от традиционных, т.е.е., кроме прибрежных зон массового туризма. Эти изменения произошли из-за новой экономической деятельности, которая возникла на ранее изолированных территориях, деятельности, которая часто связана как с более широкими пространственными процессами, так и с характеристиками природной среды.

Изучение взаимодействия между человеком и природными системами в греческом горном пограничном регионе Западной Македонии может обогатить наши знания о сложной природе этого взаимодействия, обеспечивая дальнейшее понимание взаимных эффектов.Это расширенное понимание считается важным для лучшей интеграции естественной и человеческой среды в пространственное планирование. В документе используется подход, который включает интерактивную структуру анализа и рассматривает природную среду как динамический, а не статический элемент. Из трех категорий взаимодействий (связей), исследованных Лю и др. [4] — организационные, пространственные и временные — в данной статье делается попытка исследовать пространственные взаимодействия и их неоднородность со ссылкой на уровни от местного до регионального.Временное измерение, которое отслеживает изменения во времени, также исследуется за последний период, охватывающий почти 25 лет. Этот период, хотя и относительно короткий, однако имел решающее значение для уязвимости и устойчивости Региона. Основываясь на обширных полевых исследованиях, проведенных авторами во время подготовки «Исследования по оценке, внесению поправок и спецификаций в региональный пространственный план Западной Македонии» и сопутствующего «Исследования ландшафта» [21,22], этот документ исследует пространственные взаимодействия в пределах Региона Западной Македонии между сетью поселений, как базовым представлением человеческой деятельности, природным ландшафтом как важнейшим элементом природной системы и динамическими зонами экономической деятельности как параметром, который включает в себя важнейшие атрибуты как человеческие, так и естественные системы.Во втором разделе представлены основные данные, которые отражают некоторые основные атрибуты Региона, такие как местоположение, административная организация, природные экосистемы, система расселения и динамика населения. Третий раздел посвящен анализу пространственных взаимодействий между природным ландшафтом (выраженным морфологией земли и растительным покровом), сетью поселений (выраженной ее пространственным характером и культурным наследием) и динамическими зонами экономической деятельности. В последнем разделе обсуждается, как неоднородность этих взаимодействий и их временные изменения влияют на пороговые значения и устойчивость конкретного места и, таким образом, расширяют контекст пространственного планирования.

2. Человеческая и природная система и структура поселений в регионе Западной Македонии: основные данные

2.1. Изображение общей человеческой и природной системы региона

Регион Западная Македония расположен в северо-западной части страны, традиционно считающейся «периферийной» территорией. Несмотря на свое периферийное положение в стране, он занимает ключевую позицию на Западных Балканах, поскольку является естественными воротами в соседние с Грецией северо-западные страны (бывшая югославская Республика Македония, Албания).С административной точки зрения он разделен на четыре региональных единицы (РУ): Козани, Флорина, Кастория и Гревена (Рисунок 1). Это преимущественно горный район, 83% территории которого занимают горные и полугорные земли, и единственный регион страны, не имеющий выхода к морю. Геоморфологически он в основном характеризуется большими горами, которые пересекают регион (Пиндос, Ворас, Вермио, Пиерия, Камвуния, Хасия), а также множеством источников воды. Самая большая река в Греции, Алиакмонас, берет свое начало в этом регионе и течет по нему, проходя через три его РУ — Касторию, Козани и Гревену.В регионе также есть много естественных и искусственных озер, наиболее важными из которых являются Большое и Малое Преспа, озера Кастория, Вегоритида, Чеймадитида, Зазари и Петрон и два самых важных искусственных озера в стране, Полифитос и Иларион. Это, как правило, малонаселенный регион, учитывая, что постоянное население составляет 283 689 жителей [23]. Его брутто-плотность составляет 30 чел. / Км ² , что значительно ниже средней брутто-плотности по стране (81.75 чел. / Км ² ). По численности населения, по сравнению с другими регионами, он является третьим по величине в стране (после регионов Северного Эгейского моря и Ионических островов) и, следовательно, наименее заселенным регионом материка. Примерно 50% населения сосредоточено в РУ Козани, где расположен главный город и столица области. В течение десятилетия 2001–2011 гг. Общая численность населения значительно сократилась — сокращение больше, чем общее население страны за тот же период, которое также уменьшилось из-за спада после финансового кризиса.

Регион Западной Македонии отличается богатыми природными ресурсами (минеральные ресурсы, водные ресурсы, леса), которые приносят пользу в масштабах всей страны. Он обладает крупнейшими в стране запасами бурого угля, использование которого вносит решающий вклад в национальное производство электроэнергии, значительными запасами руд, промышленных минералов и мрамора, а также имеется несколько карьеров с разбросанным гравием. Почти 65% поверхностных вод страны расположено в Регионе, использование которых способствует энергоснабжению страны и поддерживает производственную и городскую деятельность на межрегиональном уровне.Леса региона являются домом для некоторых важных видов дикой природы, а также обеспечивают защиту мест обитания в более широкой окружающей среде и в то же время являются важным источником производственного капитала.

С точки зрения региональной экономики возникает противоречие, так как регион демонстрирует рост ВВП на душу населения, но высокий уровень безработицы с течением времени. Таким образом, можно сказать, что это преимущественно промышленный регион, который, однако, не использует свои отличительные особенности в интересах регионального рынка труда.Западная Македония специализируется в секторах энергетики, горнодобывающей и меховой промышленности, что делает ее в высшей степени промышленным регионом и одним из регионов ЕС с узкоспециализированной региональной экономикой. Энергетика в основном связана с деятельностью Государственной энергетической корпорации и работой пяти тепловых электростанций (ТЭС), что делает регион важнейшим центром производства электроэнергии в стране. Таким образом, в нем преобладает экспортно-ориентированная экономика, тесно связанная с решениями на национальном уровне.Действительно, хотя доля энергии, производимой из бурого угля, со временем постепенно уменьшается, регион по-прежнему производит половину электроэнергии страны. Горнодобывающая промышленность региона является сектором экономики национального значения, поскольку руды и другие промышленные полезные ископаемые, добываемые на его территории, являются сырьем, составляющим значительную часть экспорта страны. Разработка карьеров также имеет четкую экспортную ориентацию, являясь источником дохода для местных социально-экономических систем.

Экспортно-ориентированный профиль региона усиливается традиционной меховой промышленностью, которая также обеспечивает специализацию в определенных областях региона. Этот сектор напрямую связан с глобальным спросом и зависит от него [24], что может повысить либо устойчивость Региона по отношению к национальной экономике, либо его уязвимость из-за колебаний мирового рынка. Эта ситуация объясняет первоначальное быстрое развитие звероводства из-за роста цен на шкуры, который наблюдался в первые годы экономического кризиса после 2008–2009 годов.Однако за последние 3–4 года на международных рынках произошел значительный спад. Начиная со второй половины 1990-х годов, регион стал превращаться в одну из наиболее привлекательных областей для зимнего и альтернативного туризма, что привело к развитию туристической деятельности в некоторых зонах и, таким образом, к достижению некоторой степени экономической активности. диверсификация. Достижению цели интенсивного развития туризма способствовала ценная природная среда региона в сочетании с его богатым культурным наследием и резкое улучшение доступности после завершения строительства автомагистрали Эгнатия [25].Более того, в последние годы были зарегистрированы значительные признаки развития в конкретных отраслях первичного и вторичного секторов.

Зоны природных систем региона характеризуются связностью; они имеют большую экологическую и эстетическую ценность и содержат разнообразные охраняемые экосистемы, которые, будучи включенными как в европейские охраняемые сети, так и в более широкие экосистемные зоны, институционально определенные как национальные леса (национальный лес Пиндос) и национальные парки (национальный парк озера Преспа), являются международное значение.Существует также большое количество поселений, внесенных в список или имеющих архитектурное значение, многие из которых принадлежат ансамблям небольших поселений с общими характеристиками культурного наследия. Ряд археологических памятников и памятников, большинство из которых сосредоточено в РУ Козани и Кастория, также являются значительным культурным наследием. Лесное хозяйство является доминирующим растительным покровом в Регионе. В отличие от этого, обрабатываемые земли занимают лишь одну треть площади региона. Добыча полезных ископаемых происходит в обширных зонах восточной части Региона, а также в других более мелких рассредоточенных зонах.

2.2. Структура сети населенных пунктов и динамика населения

По данным переписи населения 2011 года, сеть поселений в регионе Западная Македония состоит из 557 поселений, средний размер которых составляет 509 жителей на поселение. В Таблице 1 и на Рисунке 2 представлены поселения по классам численности населения. Как видно из Таблицы 1, за исключением 21 незаселенного поселения, подавляющее большинство оставшихся (519 поселений) составляет менее 2000 человек, что составляет 43.82% населения области. Только 10 населенных пунктов относятся к промежуточному классу 2001–5000 жителей (нас.) Со средней численностью населения до 3000 человек. Более того, население только двух поселений находится в пределах 5001–10 000 человек, а именно Сиатиста в РУ Козани и Аргос Орестико в РУ Кастории. Здесь пять городских центров (более 10 000 жителей), которые характеризуются небольшой численностью населения и составляют 41,38% населения области. В частности, это столицы четырех РУ (Козани, Кастория, Флорина и Гревена) вместе с Птолемайдой в РУ Козани.Таким образом, хотя регион характеризуется очень густой сетью населенных пунктов, с точки зрения населения, он состоит из нескольких небольших городских и полугородских центров и множества очень небольших поселений с населением менее 2000 человек. Рисунок 3 и Рисунок 4 иллюстрируют изменение численности населения за десятилетия с 1991 по 2001 год и с 2001 по 2011 год. В период с 1991 по 2001 год в городских центрах Региона (категории от 10 001 до 20 000 жителей и более 20 000 жителей) наблюдался рост населения, за исключением для Кастории (категория 10 001–20 000 ж.), который показал снижение. Что касается двух поселений класса 5001–10 000 жителей, оба из которых находятся в зоне меховой промышленности вместе с Касторией, то только население Аргоса Орестико увеличилось, а население Сиатисты уменьшилось. Большинство населенных пунктов категории 2001–5000 гг. показали рост численности населения, в то время как в большинстве населенных пунктов, относящихся к более мелким категориям (менее 2000 жителей), наблюдалось сокращение численности населения. Стоит отметить, что в большинстве небольших горных поселений в муниципалитете Гревена, а также в большинстве поселений в районе озера Преспа (РУ Флорина) зарегистрировано увеличение их населения.Эти поселения представляли собой зоны, динамично развивающиеся в туристическом секторе. Напротив, сокращение населения наблюдалось в поселениях горных зон Войо и Аскио, что усилило их историческую депопуляцию. Примечательно, что в муниципалитете Козани поселения, число жителей которых увеличилось, в основном располагались вокруг города Козани, функционируя в основном как пригородные поселения. Похожая картина, хотя и не в такой большой степени, наблюдается в муниципалитете Флорина, поскольку там также поселения с растущей численностью населения находились в непосредственной близости от города Флорина.

Общий вывод состоит в том, что поселения — в основном самые отдаленные и горные, — которые испытали наибольшее сокращение населения за последние десятилетия, — это те же поселения, в которых наблюдался рост населения с десятилетия 1991–2001 годов. Такой рост населения можно объяснить двумя факторами: Первым фактором было изменение экономической активности в регионе, в основном из-за развития региональной туристической экономики (указано ниже), за которым последовало улучшение доступа к населенным пунктам. .Вторым фактором стало изменение климата, поскольку уменьшение количества снегопадов и небольшое повышение температуры в горных поселениях привело к улучшению условий жизни там, особенно зимой. Более того, можно заметить, что в течение этого десятилетия города привлекали новых жителей как в свой центр, так и в окружающие поселения.

В течение десятилетия 2001–2011 гг. Во всех городских центрах Региона (категории от 10 001 до 20 000 жителей и более 20 000 жителей) наблюдался рост населения.Что касается двух поселений класса 5001–10 000 жителей, то в обоих наблюдалось уменьшение численности населения, тогда как в четырех из десяти поселений класса 2001–5000 жителей, напротив, наблюдалась убыль населения. показал рост населения. В населенных пунктах более мелких категорий (до 2000 чел.), Как и в предыдущее десятилетие, наблюдалась общая убыль населения. Однако некоторые горные поселения муниципалитета Гревена продолжали оставаться исключением, поскольку в них увеличивалось население. Рост населения был также очевиден в некоторых небольших поселениях в муниципалитете Орестидос.Примечательно, что в муниципалитетах Козани и Касторья поселения, в которых наблюдался рост, в основном находились в непосредственной близости от городов Козани и Касторья.

В целом, динамика роста населения в 2001–2011 годах была аналогична предыдущему десятилетию, хотя и менее динамичной, поскольку на нее повлияли общие тенденции депопуляции. Другими словами, в некоторых горных и отдаленных населенных пунктах, а также в городах и прилегающих к ним поселениях продолжалось увеличение численности населения, несмотря на общую тенденцию к депопуляции, которая в Регионе была выше, чем в целом по стране. .

3. Анализ пространственного взаимодействия между сетью населенных пунктов, природным ландшафтом и динамическими зонами экономической деятельности

3.1. Методология

После общего описания основных характеристик человеческой и природной среды в Регионе и анализа структуры поселений и динамики населения в период 1991–2011 гг. Исследование фокусируется на отслеживании основных пространственных взаимодействий на внутрирегиональном уровне. По этой причине были исследованы две области взаимодействия: (а) между структурой поселения и природным ландшафтом и (б) между структурой поселения и динамическими зонами экономической деятельности, которые формировались с течением времени.Изучение этих взаимодействий основано на анализе наложения Географической информационной системы (ГИС). По сути, путем картирования и последующего наложения рисунка особенностей ландшафта и структуры поселения мы смогли выявить корреляции между различными слоями. Основным источником информации о критических характеристиках природной среды был набор данных о земном покрове CORINE 2012 года программы CORINE (Координация информации по окружающей среде) Европейской комиссии.

Изучение корреляции между сетью поселений и естественным ландшафтом следует методологии типологизации ландшафтных особенностей, предложенной в Заключительном отчете по проекту Европейских ландшафтных зон [26], с изменениями, внесенными в «Ландшафтное исследование» региона Западной Македонии [22]. ].Согласно этой типологии, ландшафт определяется двумя критическими измерениями: биофизическим (форма и функция ландшафта: геология, топография, морфология земли, климат, почва, растительность, растительный покров, дикая природа и биоразнообразие) и человеческое (человеческое влияние на форму ландшафта: землепользование, историко-временные измерения, пространственный характер поселений, культурное наследие). В настоящем исследовании основными параметрами, принимаемыми во внимание, являются морфология земли и растительный покров с биофизической точки зрения, а также пространственная структура сети поселений и культурное наследие с точки зрения человека.

Динамические зоны экономической деятельности были дополнительно определены на основе обширных и аналитических полевых записей о землепользовании, интенсивности занятости вместе с конкретными застроенными объектами, расположенными в них, в то время как некоторые дополнительные данные из экономических показателей, такие как структура ВВП на RU, также был принят во внимание.

3.2. Пространственное взаимодействие между сетью населенных пунктов и природным ландшафтом

Регион Западной Македонии является преимущественно горным регионом.Равнинная зона занимает около 17% ее общей площади, полугорная область — примерно 31%, а гористая — 52%. РУ Гревена является самым гористым, так как на его равнинную зону приходится всего 7% всей суши. И наоборот, в РУ Флорина и Козани наибольшая доля равнинных территорий — 26% и 23% соответственно. Что касается высотных зон, то 2,92% площади Региона находится на высоте ниже 400 м, 44,73% — между 400 и 800 м, а остальные 52,35% — на высоте более 800 м.Примечательно, что все районы Западной Македонии лежат на высоте более 200 м.

Плотность населенных пунктов почти на всей территории области замечательная. Для изучения плотности поселений в Регионе была выбрана буферная зона в радиусе 3 км от любого населенного пункта. Считалось, что три километра приблизительно соответствуют среднему дневному расстоянию, которое можно легко преодолеть пешком, независимо от размера населенного пункта, высоты или наклона. Очевидно, что сеть населенных пунктов области очень густая, покрывая большую часть ее территории.Фактически, в большей части Региона эти 3-километровые буферные зоны перекрываются, как показано на Рисунке 5, иллюстрирующем корреляцию между различными населенными пунктами, рельефом (высотными зонами) и территорией (на основе данных CORINE Land Cover). . Есть только четыре населенных пункта, буферные зоны которых не пересекаются, и все они расположены на высоте более 800 м. Сравнивая распределение населенных пунктов по высоте, становится очевидным, что сеть поселений региона охватывает все горные (800–800) местности. 1500 м), полугорные (400–800 м) и низинные (200–400 м) участки со значительной густотой.Исключение составляют лишь небольшие, очень гористые районы с высотой более 1500 м. Как показано на рисунке 5, зона в горном комплексе Аскио-Вурино, зона в горном комплексе Граммос-Смоликас и западные предгорья горы Вора — это зоны, лежащие на высоте от 800 до 1500 м, которые не покрыты поселениями. сети. Есть пять горных поселений: Граммос, Пенталофос, Эптахори, Самарина и Вигла, лежащих на высоте от 800 до 1500 м, расположенных на относительно большом расстоянии от густых комплексов поселений.Стоит отметить, что Граммос в настоящее время непригоден для проживания, а Вигла — не поселок, а горнолыжный курорт.

По высотным поясам 20 населенных пунктов зарегистрированы в зоне 0–400 м, а фактически — от 200 до 400 м. Все эти поселения расположены вокруг искусственного озера Полифитос и составляют лишь 3,59% населенных пунктов области. Большинство населенных пунктов, количество которых составляет 346, расположены на высоте от 400 до 800 м и составляют 62,12% населенных пунктов области.Треть, 34,29% населенных пунктов области, всего 191 населенный пункт, расположены на высоте 800 м и выше. Столь значительное количество населенных пунктов доказывает историческую зависимость поселений от хозяйственной деятельности в горной зоне области.

Что касается взаимосвязи между поселениями и земельным покровом, сеть поселений в области развита как в лесных, так и в сельскохозяйственных областях. Как видно из рисунка 6, некоторые лесные массивы на оси Граммос-Смоликас-Северные Пиндосы, залежи или редколесные земли на горе Аскио и высокопродуктивные сельскохозяйственные земли в районе между городами Козани и Птолемаида являются областями Регион, не охваченный сетями поселений.По всему региону было зарегистрировано 40 поселений со значительными архитектурными характеристиками и историческим наследием: восемь из них официально занесены в список с термином «традиционные» поселения, а остальные были зарегистрированы в ходе полевых исследований как имеющие замечательные архитектурные характеристики (обозначенные как «замечательные» поселения. на рисунке 6). По высоте большинство этих поселений являются горными, так как они расположены на высотах от 800 до 1500 м, а семь из них — полугорные, поскольку их высота составляет от 400 до 800 м.Как показано на Рисунке 6, концентрации архитектурно примечательных и традиционных поселений можно наблюдать в основном в горных районах и в меньшей степени в низинах. Наконец, что касается земельного покрова, большинство архитектурно примечательных и традиционных поселений в Регионе, 23 из них расположены в лесных районах, 12 — в сельской местности и 5 — у озер (Рисунок 6). Концентрация выдающихся в архитектурном отношении и традиционных поселений в горных и лесных районах может быть отнесена прежде всего на счет истории и географии региона, что привело к объединению горных и жилых районов на территории Западной Македонии, как это зафиксировано в истории региона [ 27].

3.3. Пространственные взаимодействия между сетью населенных пунктов и динамическими зонами экономической деятельности

Экономическая деятельность развивалась с течением времени в динамических индивидуальных зонах. Эти зоны, хотя и пересекаются в нескольких частях Региона, также содержат большие площади, которые легко различить (Рисунок 7). В первичном секторе динамические зоны были определены в первую очередь в соответствии с производимой сельскохозяйственной продукцией [28]. Сельскохозяйственные отрасли развиты в районах с более низкими отметками и пологими склонами.Единственным исключением является район озера Преспа, где на более холмистой местности выращивают фасоль. Районы животноводства занимают в основном высокогорные зоны, за исключением звероводства, которое происходит на оси Сиатиста-Кастория, в западной части региона. Динамические зоны вторичного сектора связаны с секторами энергетики, горнодобывающей и меховой промышленности. Зоны добычи бурого угля были разработаны в бассейне Птолемаида-Флорина, в восточной части Региона, а также в нескольких более разрозненных районах, в основном в РУ Козани и Флорине.Что касается остальной руды и полезных ископаемых, горнодобывающей и карьерной деятельности, динамические зоны разбросаны по всему региону. Энергетический сектор развивался параллельно с добычей бурого угля, поскольку оба они связаны между собой и прослеживаются до оси Козани-Птолемаида-Аминтайо-Мелити, где работают крупные теплоэлектростанции. Меховая промышленность также развивалась в тандеме с звероводством на оси Сиатиста-Кастория. Наиболее динамичные области третичного сектора в Регионе связаны с туризмом и являются зонами экологически чистого альтернативного туризма с потенциалом для дальнейшего развития.Области развития, связанные с другими секторами, такими как торговая и социальная инфраструктура, развивались в основном в городах региона, особенно в столице Козани. Развитие этих секторов в основном локализовано и, следовательно, не столь важный фактор, как другие, влияющие на региональную экономику.

Если посмотреть на пространственный паттерн, который формируется между сетью поселений и динамическими зонами экономической деятельности, первая важная корреляция (хорошо задокументированная во всех соответствующих исследованиях пространственного планирования) — это развитие двух основных сетей, наряду с двумя динамическими осями продуктивной деятельности. деятельности вторичного сектора, а именно оси развития электроэнергетики и оси развития меховой промышленности.Первая сеть состоит из городских и полугородских поселений с населением более 5000 человек, включая три из пяти городских центров Региона, а именно Козани, Птолемаида и Флорина, а вторая сеть включает два других городских центра, Касторию и Гревена. , и два полугородских центра с населением более 5000 человек. В вышеуказанные сети также включены пять из 10 полугородских поселений с 2000–5000 жителей, а также несколько небольших поселений.

Вторая важная особенность состоит в том, что все полугородские поселения с населением 2000–10 000 жителей, за исключением двух поселений, которые фактически являются пригородом городского центра, также являются ядрами сетей поселений, созданных в тандеме с первичным производством.Эти сети обычно состоят из одного или двух полугородских поселений и нескольких небольших или очень маленьких сельских поселений. Здесь следует отметить, что все городские и полугородские поселки, за исключением Дескати в РУ Гревена, расположены в зоне высот 400–800 м. Дескати, с другой стороны, находится на высоте более 800 м над историческим корнем, пересеченным популяциями влахов, и является основным поселением отдельной сети небольших поселений, исторически сложившейся в тандеме с животноводством.

Другие более мелкие сети развивались в основном вместе с сельскохозяйственным или животноводческим производством, тогда как за последние 20 лет развитие альтернативных форм туризма также сыграло важную роль в развитии этих сетей. Таковы случаи поселений в районе озера Преспа и в горном массиве Северных Пиндосов. Эти сети состоят из очень маленьких населенных пунктов и полностью или большей частью расположены на высоте более 800 м над уровнем моря. Более того, они очень часто состоят из очень маленьких поселений, и ни одно поселение не функционирует в качестве ядра или центра для всего.

Если посмотреть во временном измерении, то в 1991–2001 гг., В период роста населения, как в Регионе, так и в отдельных РУ, прирост населения был зарегистрирован в поселениях в динамичных альтернативных туристических зонах, даже в случае очень небольших поселений. , например, в районе озера Преспа и горного хребта Северных Пиндосов. Напротив, наблюдается тенденция к снижению численности населения в районах, которые развивались исключительно как зоны животноводства. Никакой конкретной закономерности не может быть выявлено ни в зонах развития вторичного сектора, ни в зонах развития сельского хозяйства, поскольку в одних областях наблюдаются положительные изменения, а в других — отрицательные.Положительные изменения наблюдаются в поселках вокруг городов.

В 2001–2011 гг., Когда динамика численности населения в области и в ее РУ была отрицательной, наблюдалось сокращение численности населения во всех зонах экономической деятельности. В этот период спада единственным исключением, похоже, был горный район Гревена — Северный Пиндос, который попадает в две зоны: туризм и животноводство. Этот район представляет собой одно из основных пространственных изменений в период 1991–2011 годов в связи с увеличением числа посетителей его естественной среды, развитием туризма и резким улучшением доступности региона из двух крупных городских центров Северной Греции. (Салоники в регионе Центральной Македонии и Янина в регионе Эпир) и в целом от остальной части страны в связи со строительством автомагистрали Эгнатия [25].

4. Обсуждение и выводы

Взаимодействия и обратная связь между человеческими и природными системами очень сложны, и их текущая связь претерпевает беспрецедентные и быстрые изменения, испытывая еще более тесные связи на нескольких уровнях [4]. Настоящее исследование пространственных взаимодействий между сетью населенных пунктов, природным ландшафтом и динамическими зонами экономической деятельности, на которых сосредоточена данная статья, могло бы способствовать пониманию неоднородности связанных человеческих и природных систем в региональном масштабе и способа пространственные изменения и конкретные характеристики, которые они представляют, происходят в каждом месте.Эти внутрирегиональные взаимодействия модифицируют внешние эффекты из других пространственных масштабов (национальных или глобальных) во многих отношениях и формируют пороговые значения для конкретного региона, т. Е. Точки перехода между альтернативными состояниями, и устойчивость, т. Е. Его способность сохранять аналогичные структуры и функционировать после нарушений. [4], в определенный период времени.

В тематическом исследовании, проанализированном в этой статье, Регион Западной Македонии в Греции за последние 20–25 лет были выявлены изменения, которые привели к большему разнообразию общих моделей пространственных тенденций.Эти изменения привели к дифференцированию пространственных структур в отношении местоположения, размера, классификации и степени урбанизации поселений, а также физической или функциональной изоляции и доступности различных поселений. Таким образом, интересные различия в отношении природной среды и динамики, созданной в связи с вмешательством человека (изменение жилья-населения и экономическая деятельность), послужили основой для устойчивости Региона, а также его пороговых значений. Поэтому, например, в одной части исследуемого региона, в горнодобывающей зоне в восточной части, развитие энергетического сектора могло исторически способствовать формированию оси, на которой можно наблюдать повышенную концентрацию населения и динамические тенденции в области народонаселения. .Однако это область, на перспективы которой в настоящее время негативно влияет как деградация природной среды, так и внешние воздействия в национальном и наднациональном пространственном масштабе, которые вызваны необходимостью перехода к постлигнитному периоду и последующая энергетическая политика. Аналогичные тенденции были зафиксированы в традиционной оси развития меховой промышленности, на которую сильно влияют международные колебания в отрасли. Однако исторически эта ось развития демонстрировала долгосрочную способность поддерживать свое долгосрочное функционирование, несмотря на нарушения, другими словами, сохранять свою долгосрочную устойчивость.В то же время положительные сдвиги были зафиксированы в небольших зонах Региона с сетью небольших или очень маленьких населенных пунктов; хотя они являются частью традиционно более изолированной и гористой местности. Эти разработки были дополнительно усилены важной человеческой инициативой по улучшению доступности, что привело к строительству главной оси автомобильного транспорта. Это наряду с другими факторами позволило навсегда заселить районы, которые в прошлом были сильно обезлюдены.Напротив, аналогичные изменения не наблюдались в других районах со значительной туристической и сельскохозяйственной деятельностью (район озера Преспа). Все эти тенденции говорят о том, что такого рода разработки сложны и разнообразны.

С точки зрения пространственного планирования, это исследование способствует расширению рамок пространственного анализа и типологии поселений, чтобы включить в него не только классические элементы, такие как иерархия населения и различия между городом и деревней, но и интерактивные элементы. атрибуты расчетных сетей с природной средой.Такая типология, конечно, требует дальнейшего анализа и сравнительных исследований между различными регионами. На политическом уровне предлагаемый подход требует рассмотрения на эмпирическом уровне всех основных природных и антропогенных компонентов и их фактического взаимодействия в конкретном месте и времени, как это было предложено Liu et al. [4].

В заключение, изучение взаимосвязи человеческих и природных систем должно быть изучено глубоко и, главным образом, в сравнении с организационными, пространственными и временными измерениями этой взаимосвязи.Благодаря этим измерениям обогащается понимание важнейших свойств места, которые принадлежат как его человеческой, так и природной системе. Более важными являются проблемы и возможности для формулирования стратегий пространственного развития с интегрированными и всеобъемлющими программами, а также междисциплинарной политики, направленной на создание устойчивых и продуктивных пространственных систем.

Границы | Рассеивание в городской матрице: оценка влияния проницаемости ландшафта на характер расселения гнездящихся певчих птиц

Введение

Предполагается, что фрагментация среды обитания является одним из основных механизмов, посредством которого расширение городской среды привело к глобальному сокращению биоразнообразия (McKinney, 2002).Поскольку среда изменяется в результате урбанизации, площадь, связанная с доступной высококачественной средой обитания для многих видов, часто сокращается (например, утрата среды обитания). Утрата среды обитания, которую в литературе часто трактуют как синонимы, описывает преобразование среды обитания в результате антропогенного землепользования, в то время как фрагментация среды обитания — это физическое разрушение когда-то смежных сред обитания (Wilcove et al., 1986). Фрагментация может физически изолировать участки среды обитания, что снижает структурную связанность ландшафта и может препятствовать перемещению и расселению особей (Fischer and Lindenmayer, 2007).Таким образом, изменение среды обитания из-за урбанизации снижает качество среды обитания для многих видов и функционально изолирует людей и популяции от частей ландшафта (Андрен и Делин, 1994; Мойланен и Ниеминен, 2002). Перемещение особей между местом рождения и первым местом размножения (расселение при рождении) или между последовательными местами размножения (рассредоточение размножения) имеет решающее значение для устойчивости метапопуляции за счет связывания местных популяций и обеспечения потока генов по ландшафту (например,г., Левинс, 1969; Ханский, 1999; Clobert, 2001). Поскольку созданные человеком среды обитания, вероятно, влияют на характер расселения во многих городских регионах, определение того, как организмы распространяются в таких средах, является важным инструментом для понимания воздействия урбанизации на популяции диких животных (Crooks and Sanjayan, 2006).

Расселение описывается как трехэтапный процесс, включающий эмиграцию из мест размножения или рождения, перемещение между участками и поселение в новые места размножения в следующем году (Weisser, 2001; Bowler and Benton, 2005).Этот процесс является более сложным для мигрирующих видов, поскольку было обнаружено, что условия на местах зимовки определяют состояние особей и степень их расселения в последующие годы (т. Е. Эффекты переноса, например, Studds et al., 2008). Даже среди местных видов затраты, связанные с одним этапом расселения, влияют на последующие этапы, поскольку состояние до эмиграции, траектория движения к новым местам размножения и успех особи после поселения взаимозависимы (Stamps et al., 2005; Clobert et al., 2009). Чтобы расселение было выгодным, выгоды от создания новых территорий должны перевешивать затраты, связанные с повышенным риском нападения хищников, стрессом и истощением энергии для расселения особей (Greenwood and Harvey, 1982). Хотя считается, что и эмиграция, и расселение являются функцией множества факторов (например, плотности вида и размера участка), перемещение в первую очередь зависит от восприятия организмом ландшафта и способности человека перемещаться по матрице между участками ( Багет и Ван Дайк, 2007).Таким образом, ожидается, что физическое расположение участков обитания, особенности жизненного цикла ассоциированных видов и видоспецифическое качество матрицы между участками будут определяющими факторами того, могут ли особи успешно рассредоточиться между участками (Opdam et al., 1985; Урбан и Кейтт, 2001; Белисль, 2005).

Хотя влияние изменения среды обитания на перемещение организмов часто считалось в значительной степени функцией физического расстояния между участками ресурсов и расположением этих участков в пределах данного ландшафта, среда обитания, встречающаяся во время транспортировки, вероятно, имеет решающее значение для распространения птиц (Haila , 2002; Эверс, Дидхэм, 2006).Степень, в которой передвижение людей может быть облегчено или затруднено встречающимися ресурсами и условиями, описывается как проницаемость ландшафта, которая является непрерывным показателем, определяющим структурную и функциональную взаимосвязанность ландшафтов (например, Taylor et al., 1993; Купфер и др., 2006; Линденмайер, Фишер, 2006). Способность организмов перемещаться по ландшафтам, фрагментированным урбанизацией, и, таким образом, получать доступ к участкам ресурсов, зависит как от качества ландшафтной матрицы, так и от видоспецифической реакции на особенности ландшафта (Wiens, 1976; Kotliar and Wiens, 1990; Pearson et al. al., 1996). Например, при изучении одного ландшафта Bunn et al. (2000) обнаружили, что их исследуемый ландшафт имел высокую проницаемость для американской норки ( Mustela vison ) и низкую проницаемость для камышевки-протонотарии ( Protonotaria citrea ) из-за их различной способности к рассеянию.

Ожидается, что реакция организма на ландшафт во время расселения будет зависеть от особенностей его жизненного цикла, а также от специфических для ландшафта затрат и выгод, связанных с решениями о перемещении и поселении (Stamps et al., 2005; Bonte et al., 2012; Burgess et al., 2012). Ожидается, что события расселения, которые связаны с исследовательским поведением (например, в результате поиска пищи), сведут к минимуму затраты на расселение, поскольку разведка увеличивает эффективность расселения особей в подходящей среде обитания, тем самым снижая риск неудачного расселения (Baguette et al., 2013) . Для событий расселения, которые включают исследовательское поведение, ожидается, что путь, пройденный между предыдущими местами рождения или размножения и местами поселения, будет сильно зависеть от распределения и качества (т.е. проницаемость) среды обитания, обнаруженной во время расселения (Van Dyck and Baguette, 2005). В результате ожидается, что участки подходящей среды обитания, расположенные в матрице низкого качества среды обитания, будут иметь более низкую вероятность заселения. Если расстояние между участками превышает диапазон восприятия вида или участки включены в матрицу низкого качества, ожидается, что события направленного расселения (т. Е. Те, которые связаны с перемещениями по прямой на большие расстояния) будут преобладать, а вмешивающийся земной покров будет иметь незначительный эффект. от вероятности того, что место будет заселено (Wolff et al., 1997; Mennechez et al., 2003). Направленное расселение может быть менее затратным с точки зрения энергии для расселения особей, но может увеличить риск неудачного расселения (Zollner and Lima, 1999; Bonte et al., 2012).

Прямые исследования передвижения животных в пределах фрагментированных ландшафтов показывают, что особенности земного покрова имеют решающее значение для ограничения или облегчения передвижения. Например, предыдущие исследования с использованием моделирования территориального вторжения (Awade and Metzger, 2008), моделирования угрозы хищничества (Bélisle and Desrochers, 2002) и радиотелеметрии (Bayne and Hobson, 2001) показали, что виды лесных птиц демонстрируют поведенческое избегание при пересечении открытые места обитания (т.е., решения о пересечении пробелов). В более крупных пространственных масштабах модели экспериментов по распространению и перемещению семян предоставили непосредственное свидетельство того, что птицы используют коридоры среды обитания при перемещении по фрагментированным ландшафтам (например, Haddad et al., 2003; Carlo et al., 2013) и что на перемещение птиц влияет по степени интенсивности землепользования человеком (например, Kennedy et al., 2010). В еще более крупных масштабах графические модели, которые представляют собой сетевые модели, в которых ландшафты разделены на взаимосвязанные участки среды обитания, обеспечивают связь между поведением птиц при расселении и структурой и составом ландшафтов (Bunn et al., 2000; Урбан и Кейтт, 2001; Малое и городское, 2008). Применимость графовых моделей, однако, зависит от неоднородности ландшафта и может быть трудной для применения в регионах с большими прилегающими участками среды обитания или для видов, которые используют матрицу между участками (Minor E.S., личное сообщение). Несмотря на доказательства того, что городской растительный покров опосредует движение, остается сравнительно немного исследований, которые эмпирически связывают движение и растительный покров с явлениями расселения в городской среде (но см. Delgado et al., 2010) и ни одного, насколько нам известно, чтобы оценить влияние земного покрова на распространение видов, обычных для городских и пригородных местообитаний.

Здесь мы рассматриваем синдромы размножения четырех видов певчих птиц в городских ландшафтах различной интенсивности в столичном Вашингтоне, округ Колумбия, США. Изученные нами виды, в число которых входят американский малиновка ( Turdus migratorius ), серый кот-птица ( Dumetella carolinensis ), домашний воробей ( Passer domesticus ) и северный кардинал ( Cardinalis cardinalis ), встречаются в сельской местности одновременно. — градиент от города к городу, но представляют собой совершенно разные стратегии жизненного цикла (например,g., постоянные виды и мигранты на короткие расстояния и неотропики), и, таким образом, ожидается, что они будут по-разному реагировать на состав и структуру ландшафтов. Мы обращаемся к расселению этих видов при размножении, используя два уровня вывода: исследование меток-повторной поимки для оценки влияния проницаемости ландшафта на структуру поселений и эксперимент по перемещению для оценки влияния сельского, пригородного и городского земного покрова на движение. Мы проверяем гипотезу о том, что проницаемость ландшафта влияет на структуру поселений, оценивая пространственное распределение ранее отмеченных особей в местах отбора проб в пределах 1.Радиус 5 км из шести полос полос. Мы прогнозировали, что вероятность заселения места отбора проб положительно коррелирует с проницаемостью ландшафта из-за поисковых движений во время процесса расселения. Поскольку было обнаружено, что события за пределами гнездового ландшафта сильно влияют на модели расселения мигрирующих видов (например, Studds et al., 2008), мы ожидали, что проницаемость будет более важным фактором, определяющим модели расселения для жителей (северный кардинал и домашний воробей). ), чем перелетные птицы (американский малиновый и серый кошачий птица) в городских условиях.Мы также исследовали влияние земного покрова на фазу движения при расселении, проведя эксперимент по перемещению через ландшафты разной городской интенсивности с одним из наших основных видов, северным кардиналом.

Материалы и методы

Для оценки моделей расселения гнездящихся птиц, окрашенных по цвету на шести станциях кольцевания в столичном Вашингтоне в период с 2003 по 2011 гг., Повторно регистрировали в течение сезонов размножения 2011 и 2012 гг. Птицы с полосами были выдержаны по оперению и окостенению черепа (см. Pyle , 1997) — поскольку ожидается, что птицы в год вылупления будут иметь размеры ядра расселения, превышающие пространственную протяженность нашей выборки, для этого анализа использовались только взрослые птицы, окольцованные в предыдущие годы.Станции группирования были репрезентативными для сельских (Рок-Крик-Парк, штат Мэриленд), пригородов (Спринг и Опал-Дэниэлс-Паркс, Такома-Парк, штат Мэриленд, Бетесда, штат Мэриленд) и высокоинтенсивных городских (Туманный низ и Национальная аллея в Вашингтоне, округ Колумбия) ландшафтов. Для каждой станции кольцевания окружающая территория, далее именуемая исследуемым ландшафтом, была разделена на четыре класса расстояний (местоположение полос, 150–500 м, 500–1000 м и <1000–1500 м) и четыре класса направленности, представляющие каждое направление света.Места отбора проб выбирались случайным образом из каждого интервала направления и расстояния, причем количество проб на интервал стратифицировалось по расстоянию, так что в каждом интервале отбиралась равная пропорциональная площадь. Объемы отбора проб для парков Спринг и Опал-Дэниэлс частично перекрывались - поскольку птицы с цветными полосами, которые были обведены полосами на любой станции, могут быть повторно обнаружены, эти ландшафты содержат больше участков отбора проб в пределах области перекрытия, чем другие исследуемые ландшафты. Поскольку наш исследуемый регион в основном состоит из земель, находящихся в частной собственности, места отбора проб были скорректированы, когда это было возможно, до ближайшей доступной области, и минимальное расстояние между пробами составляло 100 м.Для каждого места отбора проб, по возможности, тратилось не менее 20 минут на поиск птиц с цветными полосами в пределах 50 м от центра образца с использованием воспроизведения определенной песни и криков моббинга. Время, затрачиваемое на повторное обследование, составляло в среднем 36 минут на каждое место отбора проб и варьировалось от минимум 13 минут до максимум 70 минут. Присмотренных птиц идентифицировали по цветным полосам, и их местоположение регистрировали с помощью портативного GPS.

Чтобы оценить, как проницаемость ландшафта влияет на структуру поселений, мы оценили пригодность среды обитания, используя данные подсчета точек с фиксированным радиусом (50 м) и метрики земного покрова, которые, как ожидается, будут репрезентативными для предпочтений среды обитания.Точечный учет проводился во время сезона размножения с 2009 по 2012 год техническими специалистами в рамках программы Neighborhood Nestwatch на 102 участках через градиент между сельскими и городскими районами в столичном районе Вашингтона (полное описание методологии точечного подсчета см. В Evans , 2015). Пропорциональный покров и непроницаемая поверхность (разрешение 30 м, Xian et al., 2011) использовались в качестве косвенных переменных при построении моделей пригодности местообитаний. Хотя мы признаем, что эти переменные не отражают совокупность изменений среды обитания по градиенту от сельской местности к городу, эти показатели растительного покрова, как было показано, позволяют прогнозировать успех птичьих гнезд (растительный покров и непроницаемая поверхность, Ryder et al., 2010), выживаемость взрослых особей (непроницаемая поверхность, Evans et al., 2015) и состав сообщества (непроницаемая поверхность, Evans, 2015). Все пространственные анализы проводились в R с использованием пакетов raster (Hijmans, 2015) и sp (Pebesma and Bivand, 2005). Мы рассчитали пропорциональное покрытие непроницаемой поверхности и навеса в пределах движущегося окна окрестности 3 × 3 ячейки (для кода R, используемого в этой рукописи, см. Дополнительные материалы). Поскольку некоторые из наших видов считаются специалистами по краям, мы также рассчитали стандартное отклонение значений покрытия растительного покрова для каждого района 3 × 3 ячеек (среднеквадратичное значение, RMS).Этот показатель считается непрерывным аналогом категориальной неоднородности местообитаний, поскольку высокое стандартное отклонение значений растительного покрова относится к местообитаниям, связанным с опушками леса (см. McGarigal et al., 2009).

Мы использовали модели N-смеси Ройла и др. (2004) в пакете R без маркировки (функция pcount ; Fiske and Chandler, 2011) для моделирования пригодности среды обитания для каждого вида как функции показателей земного покрова. Данные подсчета точек были подмножеством, так что оценивались только участки с минимум тремя подсчетами.Поскольку вероятность обнаружения зависит от наблюдателя, мы включили наблюдателя в параметр обнаружения моделей численности. Поскольку виды могут демонстрировать различную реакцию на покрытие растительного покрова на разных уровнях развития (непроницаемая поверхность) и степени неоднородности (стандартное отклонение покрытия растительного покрова), были включены условия взаимодействия между этими переменными и пропорциональным покрытием растительного покрова, а также условие взаимодействия между непроницаемыми поверхность и неоднородность. Информационные критерии Акаике с поправкой на небольшой размер выборки (AIC _c ) использовались для оценки моделей (Burnham and Anderson, 2002).Чтобы оценить объяснительную силу моделей, мы использовали индекс R-квадрат Нагелькерке (2004). Чтобы не переоценивать потенциально ложные взаимосвязи между независимыми переменными и численностью птиц, а также поскольку цель построения этих моделей заключалась в разработке поверхностей пригодности для среды обитания, а не в определении того, какие объясняющие переменные лучше всего объясняют распределение птиц, мы использовали усреднение нашей симметричной модели для прогнозирования среды обитания. пригодность для каждого образца ландшафта (рисунок 1; см. Burnham and Anderson, 2002; Lukacs et al., 2010; Mazerolle, 2015). Значения пригодности среды обитания были оценены для каждого очагового вида и масштабированы от нуля до единицы для каждого ландшафта, окружающего станции кольцевания, где ноль соответствует неподходящей среде обитания, а один — подходящей среде обитания.

Рисунок 1 . Оценки пригодности местообитаний, полученные на основе данных точечного подсчета, по шкале от 0 до 1, для выборочных ландшафтов, охватывающих сельские, пригородные и городские типы местообитаний.

Модели пригодности среды обитания

использовались для оценки проницаемости от станции кольцевания до окружающих растровых ячеек для каждого исследуемого ландшафта с использованием пакета gDistance (функции transition, geoCorrection и accCost ; Van Etten, 2015).Мы рассчитали матрицу перехода между соседними ячейками растра (случай матки), взвешенную по инверсии растров пригодности среды обитания — таким образом, пригодность обеспечивает меру проводимости между ячейками (см. McRae et al., 2008). Матрицы переходов использовались для разработки растра стоимостного расстояния, представляющего расстояние ходьбы в метрах между станцией кольцевания и всеми окружающими ячейками с вероятностью перемещения человека между ячейками, взвешенной по пригодности среды обитания. Поскольку стоимостное расстояние увеличилось, а количество встреченных птиц уменьшилось в зависимости от евклидова расстояния от станции кольцевания, мы определили проницаемость для ячеек в исследуемых ландшафтах как отношение стоимостного расстояния и расстояния случайного обхода между станцией кольцевания и каждым растром. клетка.Таким образом, растры проницаемости представляют собой функциональное расстояние между захватом и всеми ячейками в пределах данного ландшафта исследования после устранения эффекта евклидова расстояния. Поскольку среди исследуемых ландшафтов наблюдались значительные различия в пригодности и проницаемости, растры были масштабированы (z-баллы) таким образом, чтобы значения ячеек предоставлялись относительно всех других значений в рамках данного исследуемого ландшафта.

Чтобы проверить наш прогноз о том, что проницаемость среды обитания влияет на структуру поселений, мы сравнили модели расселения, в которых места отбора проб были заняты полосатыми птицами, в зависимости от пригодности среды обитания поселения и проницаемости между станцией кольцевания и местом отбора проб для каждого исследования. пейзаж.Важно отметить, что уровень наблюдения для этого исследования — это места отбора проб, а не повторно учтенные птицы. Следовательно, хотя одно место отбора проб может включать в себя несколько повторно выявленных особей, каждое место представляет только одну положительную пробу на каждый обнаруженный вид. Места отбора проб в пределах каждого ландшафта были подмножества таким образом, чтобы пробы в пределах 150 м от центра полосовой станции не считались рассредоточенными. Это расстояние, хотя и является консервативным, может быть репрезентативным для передвижения птиц внутри территории, сохраняющих те же самые территории в последующие годы — таким образом, модели наблюдений за птицами, ранее связанными полосами, в этом диапазоне расстояний, вероятно, являются результатом других биологических процессов, а не распространения.Кроме того, не все виды были повторно учтены во всех исследуемых ландшафтах — в наш анализ были включены только места отбора проб в пределах ландшафта с пересмотром для данного вида. Растровые значения проницаемости и пригодности среды обитания были извлечены для каждого места отбора проб, и влияние этих переменных было оценено в рамках логистической регрессии со смешанными эффектами в пакете R lme4 (Bates et al., 2015). Мы разработали набор возможных моделей, который включал изучение ландшафта как случайный эффект и фиксированные эффекты пригодности среды обитания, проницаемости, а также аддитивные и мультипликативные эффекты этих предикторов.Мы оценили поддержку влияния проницаемости на расположение поселений, сравнив оценки ΔAICc и соотношения доказательств моделей с этой переменной и без нее (см. Arnold, 2010; Burnham et al., 2011).

Для дальнейшей оценки разброса по матрицам разной степени городской интенсивности мы исследовали влияние земного покрова на перемещение, проведя эксперимент по перемещению ландшафтов, представляющих сельские, пригородные и городские классы землепользования с высокой интенсивностью. Этот эксперимент предоставляет нам непосредственное свидетельство того, как модели расселения в ландшафтах с преобладанием человека могут быть сформированы изменением в перемещении птиц в ответ на методы землепользования человека.Мы провели эксперимент на восьми северных кардиналах-самцах, отловленных на станциях кольцевания в период размножения 2011 и 2012 годов. Северные кардиналы были выбраны потому, что они были наиболее часто встречающимися птицами среди наших основных видов и демонстрируют наивысшую степень территориальности. На каждую птицу мы прикрепили радиопередатчик VHF 0,39 г (Advanced Telemetry Systems, Isanti, MN) с помощью ремня безопасности из эластичной нити (Rappole and Tipton, 1991). Птиц перемещали в 1,5 км от места отлова через один из восьми заранее определенных ландшафтов и отслеживали в течение периода не менее 0.5 ч два раза в день после выпуска. Местоположение птицы определялось с помощью триангуляции и, по возможности, визуальной идентификации особи. Чтобы оценить влияние вмешательства земного покрова на движение, мы затем рассчитали задержку (количество дней до возвращения) для каждого человека. Поведенческая задержка оценивалась как функция трех классов землепользования в рамках обобщенной линейной модели (распределение Пуассона) и оценивалась с использованием AICc, как указано выше. Мы не смогли наблюдать возвращение двух из восьми особей, один перемещался через матрицу лесной среды обитания, а другой — через пригородную матрицу.Только трое из восьми человек смогли проследить, когда двигались к месту их захвата.

Результаты

Модели пригодности местообитаний, разработанные на основе данных точечного подсчета, показывают видоспецифические различия в пригодности в разных исследуемых ландшафтах. Соответствие моделей численности было самым высоким для домового воробья и северного кардинала (псевдо- R ² = 0,97 и 0,72 соответственно) и наименьшим для американского малинового (0,50) и серого кошачьего птицы (0,65, см. Таблицу 1 по численности). выбор модели).Растровые прогнозы пригодности среды обитания американского малиновки показали значительно меньшую изменчивость, чем у остальных видов (рис. 1). Эти результаты предполагают, что, учитывая переменные окружающей среды, использованные для разработки этих моделей, северный кардинал и домашний воробей находятся в более узкой части экологического нишевого пространства в пределах нашего исследуемого ландшафта, чем серый кот-птица и американский малиновка.

Таблица 1 . Образцы очаговых видов на каждой из шести станций кольцевания.

Среди 2706 идентифицируемых взрослых птиц, которым были нанесены цветные полосы на шести станциях кольцевания, в этом исследовании было повторно встречено 127 птиц, при этом 70 особей наблюдались на расстоянии более 150 м от станции кольцевания (Таблица 2). . Всего было получено 53 точки отбора проб на расстоянии более 150 м от первоначальной точки отлова с отмеченными птицами с цветными полосами. Наблюдаемые модели поселений подчеркивают видоспецифические различия в том, как проницаемость ландшафта и пригодность среды обитания влияют на расселение, с подтверждающими доказательствами нашего прогноза о том, что модели поселений будут отражать проницаемость между местами захвата и повторного выселения для двух из четырех основных видов (таблица 3, рисунки 2). , 3).Была подтверждена модель, согласно которой вероятность поселения была выше на участках с высокой проницаемостью ландшафта для северных кардиналов и серых кошачьих птиц, с коэффициентами доказательности 17,0 и 17,5, соответственно, по сравнению с наиболее эффективной моделью, исключающей эту переменную. Эти результаты подтверждают гипотезу расселения в результате поисковых движений. Не было никаких доказательств того, что модели поселений американского робина и домового воробья были подвержены влиянию проницаемости, поскольку модели нулевой и проницаемости получили эквивалентную поддержку для этих видов.Таким образом, наша гипотеза о том, что вмешивающийся земной покров является определяющим фактором в поведении американского робина и домового воробья при расселении, не получила поддержки. Кроме того, поскольку северный кардинал и домашний воробей являются постоянными видами, а серый кот и американский малиновый — мигрантами, наши результаты не соответствовали нашим ожиданиям о том, что на жителей с большей вероятностью будет влиять проницаемость ландшафта.

Таблица 2 . Таблица выбора моделей для дистанционных моделей, используемых для оценки численности четырех основных видов на участках по всему Вашингтону Д.C. столичный регион.

Таблица 3 . Таблица выбора модели для логистических моделей смешанных эффектов, описывающая вероятность того, что поселение произойдет между станцией кольцевания и местом отбора проб, как функция пригодности среды обитания и проницаемости между двумя точками.

Рисунок 2 . Примеры растровых карт пригодности местообитаний и проницаемости, в дополнение к местам отбора проб с (синими) и без (красными) обнаруженными особями для каждого из четырех основных видов, окружающих пригородную станцию ​​кольцевания, расположенную в Спринг-парке в Такома-парке, штат Мэриленд.См. Дополнительный рисунок 1 для получения карт пригодности и проницаемости по станциям кольцевания.

Рисунок 3 . Связность мест обитания и пригодность участков, в которых были размещены птицы или где не наблюдались птицы с полосами. Стандартизованные размеры эффекта представляют значения связности среды обитания и пригодности для каждой станции кольцевания, причем значения выше нуля представляют образцы с высокой пригодностью или связностью. Сплошные точки представляют средние значения для каждой категории с полосами ошибок, представляющими 95% доверительные интервалы относительно среднего.Полупрозрачные точки представляют наблюдаемые данные.

Наш эксперимент по перемещению подтвердил предположение, что модели передвижения Северного кардинала зависят от степени городской напряженности между местами захвата и высвобождения. Кардиналы, переместившиеся на 1,5 км по пригородным ландшафтам, вернулись через 1 и 3 дня, в то время как те, которые были перемещены по лесным ландшафтам, вернулись через 5 и 7 дней, а те, которые были перемещены по городским ландшафтам с высокой интенсивностью, вернулись через 9 и 14 дней. Несмотря на ограничения размера выборки, модель, которая включала переменные земного покрова в качестве предиктора количества дней до возвращения, получила значительно большую поддержку, чем нулевая модель (ΔAICc = 7.24). Мы отслеживали движения на участке маршрута обоих кардиналов из пригорода и одного из городских кардиналов, в то время как остальных людей нельзя было наблюдать, пока они не вернулись в свои соответствующие места захвата. Движения пригородных кардиналов в основном следовали за опушками леса, когда они были доступны, когда они возвращались к месту захвата. Городской кардинал с высокой интенсивностью движения преодолел расстояние примерно 0,5 км на следующий день после освобождения и оставался на этом месте в течение 8 дней, пока не вернулся к месту захвата одним рейсом.

Обсуждение

В этом исследовании рассматривается влияние урбанизации на синдромы расселения птиц через среду с различной городской интенсивностью — мы оцениваем закономерности расселения перелетных и постоянных птиц через один или несколько лет после кольцевания, чтобы оценить расселение, а также время возвращения северных кардиналов, перемещенных через сельская, пригородная и высокоинтенсивная городская среда для изучения влияния городского растительного покрова на передвижение. Схема расселения полосатых серых кошачьих птиц и северных кардиналов в зависимости от пригодности среды обитания и проницаемости ландшафта подтверждает наше предположение о том, что проницаемость ландшафта влияет на расселение особей в урбанизированной среде.В сочетании с результатами нашего эксперимента по перемещению эти находки предоставляют доказательства связи между структурной и функциональной связностью городских ландшафтов (Tischendorf and Fahrig, 2000; Schooley and Wiens, 2003; Kindlmann and Burel, 2008).

Наше наблюдение, что на латентное поведение перемещенного северного кардинала влияет городская интенсивность, сравнимо с таковыми из предыдущих экспериментов по перемещению. Например, Kennedy et al. (2010) обнаружили, что время возвращения и успех перемещенной американской горихвостки ( Setophaga ruticilla ) и ямайских тоди ( Todus todus ) зависели от практики землепользования человека, при этом количество дней до возвращения для людей увеличивалось с интенсивностью антропогенная модификация среды обитания.В нашем исследовании было обнаружено, что северные кардиналы имеют самое короткое время возвращения при перемещении через пригородные места обитания, места обитания, которые, вероятно, представляют собой высокую пригодность для этого вида (см. Evans, 2015). Кардиналы продемонстрировали промежуточное время возвращения в лесных средах обитания и самое долгое время возвращения в наиболее густонаселенных городских ландшафтах, что отражает умеренную и низкую оценку пригодности среды обитания, соответственно. Влияние лесной среды обитания на время кардинального возвращения особенно подчеркивает видоспецифический характер проницаемости ландшафта, поскольку северный кардинал, как правило, занимает опушку леса и открыт или покрыт кустарником при сравнительно высокой плотности по сравнению с нетронутым лесом (см. Leston and Rodewald, 2006).Поэтому не следует ожидать, что лесной ландшафт будет тесно связан с этим видом (см. Wiens, 1989; Pearson et al., 1996). Действительно, для северного кардинала в нашем исследуемом регионе «пятна» среды обитания в основном представляют собой пригородную среду, фрагментированную лесами. Однако важным предостережением в отношении наших результатов является то, что паттерны движений, наблюдаемые в эксперименте по транслокации, могут не отражать движения во время размножения событий расселения, поскольку мотивация и поведение во время перехода могут значительно различаться между рассеивающимися и перемещенными особями (см. Betts et al. ., 2015). Несмотря на это ограничение, транслокации предоставляют косвенную информацию о том, как животные перемещаются по городским ландшафтам — результаты нашего эксперимента по перемещению, используемые в сочетании с моделями расселения, подтверждают нашу гипотезу о том, что городской земельный покров формирует модели расселения в Северном Кардинале. Вывод из нашего анализа транслокации, однако, в значительной степени ограничен небольшим размером выборки и нашей неспособностью отслеживать птиц на протяжении их возвращения на свои гнездовые территории (см. Zeller et al., 2012).

Проницаемость городских ландшафтов может быть определяющим фактором моделей расселения, если люди демонстрируют поведенческое избегание некоторых особенностей среды обитания (например, матричное сопротивление и граничные эффекты, Haddad, 1999; Ricketts, 2001) или если как следствие происходит фаза расселения. рутинного поведения, например, во время кормодобывания (Baguette and Van Dyck, 2007). Наблюдения за поведением при пересечении пробелов предполагают, что северный кардинал не избегает пробелов, и поэтому не ожидается, что они будут демонстрировать поведенческое избегание городской матрицы (Grubb and Doherty, 1999).Точно так же перемещенные северные кардиналы в рамках текущего исследования наблюдались как перемещающиеся на большие расстояния, когда вмешивающийся земной покров был малопригоден, даже когда места были доступны для минимизации расстояний полета (например, кусты или насесты на деревьях). Это может указывать на то, что, хотя ландшафтная проводимость и сопротивление математически взаимны и, таким образом, оба могут дать эквивалентные модели поселения, поведенческая мотивация во время транзита более вероятно отражает исследовательское поведение, а не избегание.Влияние проницаемости ландшафта на характер расселения мигрирующих серых кошачьих птиц также может быть следствием исследовательского движения. Поскольку территории создаются вскоре после прибытия в места размножения, и было обнаружено, что период после размножения включает в себя значительное изучение ландшафта во время кормодобывания (например, Rappole and Ballard, 1987; Heise and Moore, 2003), вполне вероятно, что влияние промежуточного земного покрова на расселение отражает исследовательское движение, а не поведенческое избегание матричной среды обитания.

Хотя наши данные подтверждают гипотезу о том, что на расселение влияет среда обитания между полосами и местами поселения для двух изучаемых нами видов, поведенческая мотивация (например, исследовательские перемещения) для выбора места обитания во время фазы перемещения при явлениях расселения не может быть непосредственно оценена. Мотивация ландшафтного сопротивления или проводимости зависит от поведенческого состояния рассредоточенных особей. Например, в своем исследовании движения пумы в южной Калифорнии Зеллер и др.(2014) обнаружили, что пумы демонстрируют сильное поведенческое избегание сельскохозяйственных и городских территорий во время использования ресурсов (например, кормодобывания), что оценивается по извилистости пути радиоактивно-помеченных животных. Места поселений не дают достаточных доказательств поведенческой мотивации, и, поскольку мы в основном не могли проследить за перемещенными кардиналами на протяжении их возвращения в соответствующие места группировки, мы не смогли оценить поведенческое состояние людей с радиоактивными метками. Более того, мы признаем, что поведение, такое как особая привлекательность, влияние на передвижение и решения о поселении, и такое поведение нельзя наблюдать только с помощью данных о поселениях.Таким образом, остается неясным, какие механизмы лучше всего объясняют наблюдаемые закономерности расселения, особенно потому, что путь между гнездовыми участками не может быть известен в этом контексте. Аналогичным образом, низкие показатели повторных встреч могут указывать на то, что наше исследование обязательно было смещено в сторону рассеивателей на короткие расстояния, которые, как ожидается, будут более чувствительны к ландшафту (Van Dyck and Baguette, 2005). Таким образом, может существовать несколько поведенческих стратегий, стимулирующих движение в нашей выборке населения. Эти предостережения подчеркивают необходимость отслеживания особей во время фазы перемещения при расселении, оценки событий расселения в течение годового цикла птиц и расширения пространственной протяженности выборки, чтобы лучше понять синдромы расселения у изучаемых нами видов.

Хотя мы не наблюдали прямого влияния пригодности среды обитания на структуру расселения, низкая объяснительная сила пригодности в наших моделях расселения является репрезентативной только для наблюдаемых птиц, а не для распределения занятости в целом. Действительно, в то время как места отбора проб охватывали диапазон значений пригодности, пробы с пересеченными птицами и без них часто были заняты несвязанными особями каждого вида. Поскольку распространяющиеся птицы обычно сталкиваются с другими владельцами территории при попытке создать новую территорию для размножения, неудивительно, что мы не наблюдали влияния пригодности на характер расселения.В качестве альтернативы, отсутствие наблюдаемого влияния пригодности среды обитания также может свидетельствовать об ограничениях в использовании данных точечного подсчета для оценки пригодности в пределах нашего исследуемого региона. Поскольку точечный подсчет, особенно проводимый в жилых районах, где преобладают частные земли (см. Evans, 2015), позволяет отобрать только часть данного ландшафта, точность оценок может быть ограничена в неотобранных и неполно отобранных частях оцененные экологические градиенты. Это ограничение иллюстрируется значениями пригодности для серой кошачьей птицы в исследуемом ландшафте туманного дна, в котором открытая вода (река Потомак), по оценкам, гораздо более пригодна, чем окружающий регион (см. Рисунок 2).

Не было показано, что на синдромы рассредоточения домашнего воробья и американского малиновки влияет проницаемость среды обитания. Действительно, мы не нашли доказательств того, что на структуру поселений американского малиновника влияет проницаемость ландшафта или пригодность среды обитания. Низкая объяснительная сила моделей расселения американского Робина, возможно, была частично вызвана низкой вариабельностью прогнозируемой пригодности местообитания для исследуемых ландшафтов (рис. 1). Однако для домового воробья наблюдаемые ландшафты в целом были непригодны, и этот вид наблюдался только в местах отбора проб со значительной городской застройкой.Ожидается, что общая степень пригодности ландшафта является определяющим фактором того, могут ли различия в проницаемости влиять на распространение. И наоборот, отсутствие наблюдаемого эффекта проницаемости ландшафта для этих видов также может быть следствием разной поведенческой реакции на городскую среду, например, поведения, в котором мало хищников (наблюдается у House Sparrow, Tsurim et al., 2008). Наши результаты также могут представлять собой реакцию на ландшафт, которая проявляется в большей пространственной зернистости и протяженности, чем учитывались в этом исследовании.Например, размер гнездового ареала постоянного домашнего воробья оценивается в несколько километров (Bennett, 1990), и предыдущие результаты показали низкие темпы распространения этого вида (Altwegg et al., 2000; Pärn et al., 2009). ). Таким образом, распределение поморщенных домовых воробьев может отражать наблюдения в пределах домашнего ареала отдельных особей, а не характер расселения. Аналогичным образом, модели расселения, наблюдаемые в течение сезона размножения, отражают компоненты расселения (т.е., эмиграция, перемещение и расселение), которые могут происходить в различных пространственных масштабах в зависимости от годового цикла птиц. Например, хотя американский малиновый обычно занимает территорию, примерно равную площади северного кардинала и серого кошачьего птицы в течение сезона размножения, после размножения этот вид часто образует обширные кормовые стада (Janousek et al., 2014; Vanderhoff et al., 2014; Родевальд, 2015). Следовательно, движение за пределами периода размножения может увеличить диапазон восприятия человеком окружающей среды.Наконец, размер выборки для этих видов был ограничен по сравнению с размером выборки серой кошачьей птицы и северного кардинала — это может указывать на ядро ​​рассеивания, которое значительно больше, чем радиус 1,5 км, выбранный в данном исследовании. В совокупности результаты для американского Робина и Домового воробья подчеркивают, что определение влияния состава и структуры среды обитания на расселение требует исследования масштаба, в котором виды реагируют на окружающую среду (Wiens, 1989).

Заключение

С распространением урбанизации и связанной с ней фрагментацией городских ландшафтов поддержание функциональной взаимосвязанности все больше признается критически важным для поддержания биоразнообразия (Wiens, 1997).На сегодняшний день мало кто изучает закономерности распространения в городской среде (см. LaPoint et al., 2015), и исследования того, как фрагментация среды обитания влияет на распространение птиц, отразили сильную предвзятость в отношении лесной среды и видов, специализирующихся на лесах (Bayard and Elphick, 2010). Поскольку экологические закономерности в лесных местообитаниях могут быть неприменимы для разных типов местообитаний (см. Rudnicky and Hunter, 1993), настоящее исследование представляет собой важный шаг к пониманию воздействия человека на экологические процессы, которые формируют популяции и сообщества птиц с расширением городских поселений. пейзажи.В целом, для двух из четырех основных видов, наши результаты подтверждают гипотезу о том, что проницаемость ландшафтов является определяющим фактором распространения в городской среде, и, таким образом, структурные компоненты городских сред обитания, вероятно, определяют функциональную взаимосвязанность этих ландшафтов. Хотя мы признаем, что модели заселения не являются прямым представлением пути, пройденного между местом захвата и местом поселения, и, аналогичным образом, эксперименты по перемещению могут не адекватно отражать поведение организмов во время расселения, наши результаты являются ключевым доказательством того, что растительный покров, связанный с городской средой, влияет на синдромы расселения птиц.Несмотря на беспрецедентное пространственное распределение усилий по повторным наблюдениям в этом исследовании, мы были ограничены количеством полосатых птиц разных видов, которых мы смогли повторно встретить — это предполагает ограниченную применимость использования данных повторных наблюдений для определения явлений расселения на короткие расстояния. Благодаря последним технологическим достижениям в изучении птиц, теперь становится возможным отслеживать отдельных особей в течение годового цикла птицы, включая процессы эмиграции, перемещения и расселения, которые включают события расселения (см. Bridge et al., 2011; Холлворт и Марра, 2015). Такие достижения значительно улучшат наше понимание влияния структуры и композиции ландшафта на рассредоточение по масштабам.

Заявление об этике

Этот исследовательский проект был одобрен Комитетом по уходу и использованию животных Смитсоновского института биологии охраны природы. Были приняты все меры предосторожности для сведения к минимуму любого потенциального стресса во время обращения, включая проверку сетей с минимальной частотой один раз в 15 минут, обращение с птицами в течение как можно более короткого времени и кольцевание только при оптимальных погодных условиях (например,g., температура ниже 32 ° C). Мы не наблюдали смертности при проведении этого исследования.

Авторские взносы

BE: основной автор, проводил полевые работы (группирование и повторное рассмотрение), план выборки для повторных мероприятий и статистический анализ. АК: Второй автор внес основные правки в рукопись и ее предложение, разработал схему выборки для группирования, провел полевые работы (кольцевание). AH: Третий автор внес основные правки в каждый черновик рукописи и ее предложения, включая дополнительный текст, статистические рекомендации и рекомендации по дизайну выборки.ПМ: Четвертый автор внес основные правки в каждый черновик рукописи и ее предложения, включая дополнительный текст и рекомендации по дизайну образца.

Финансирование

BSE была удостоена стипендии Смитсоновской программы стипендий для проведения повторных исследований и статистического анализа. Данные по группированию были профинансированы Национальным институтом аллергии и инфекционных заболеваний, контракт NO1-AI-25490, грант 2003–0209–000 от Национального фонда рыб и дикой природы, а также за счет основного финансирования Консорциума по сохранению медицины при Тресте дикой природы от V.Фонд Канна Расмуссена.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы благодарим многих полевых исследователей, которые внесли свой вклад в этот проект. Мы также благодарим Томаса Б. Райдера и рецензентов рукописей, чьи полезные комментарии к более ранним версиям этой работы значительно улучшили нашу рукопись.

Дополнительные материалы

Дополнительные материалы к этой статье можно найти в Интернете по адресу: https://www.frontiersin.org/article/10.3389/fevo.2017.00063/full#supplementary-material

Дополнительный рисунок 1 . Коробчатая диаграмма, показывающая расстояние между начальным местоположением кольцевания и местоположениями обнаруженных птиц для каждого из наших четырех целевых видов.

Ссылки

Альтвегг Р., Рингсби Т. Х. и Сётер Б. Э. (2000). Фенотипические корреляты и последствия расселения в метапопуляции домашних воробьев Passer domesticus. J. Anim. Ecol. 69, 762–770. DOI: 10.1046 / j.1365-2656.2000.00431.x

CrossRef Полный текст | Google Scholar

Андрен Х. и Делин А. (1994). Выбор среды обитания евразийской красной белки Sciurus vulgaris в связи с фрагментацией леса. Oikos 70, 43–48. DOI: 10.2307 / 3545697

CrossRef Полный текст | Google Scholar

Арнольд, Т. У. (2010). Неинформативные параметры и выбор модели с использованием информационного критерия Акаике. J. Управление дикой природой. 74, 1175–1178. DOI: 10.1111 / j.1937-2817.2010.tb01236.x

CrossRef Полный текст | Google Scholar

Аваде, М., и Мецгер, Дж. П. (2008). Использование пропускной способности для оценки функциональной связи двух птиц тропических лесов Атлантики и их реакции на фрагментацию. Aust. Ecol. 33, 863–871. DOI: 10.1111 / j.1442-9993.2008.01857.x

CrossRef Полный текст | Google Scholar

Багет, М., Бланше, С., Легран, Д., Стивенс В. М., Терлур К. (2013). Индивидуальное расселение, связность ландшафта и экологические сети. Biol. Ред. 88, 310–326. DOI: 10.1111 / brv.12000

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Багет, М., и Ван Дайк, Х. (2007). Связность ландшафтов и поведение животных: функциональная зернистость как ключевой фактор расселения. Landsc. Ecol. 22, 1117–1129. DOI: 10.1007 / s10980-007-9108-4

CrossRef Полный текст | Google Scholar

Бейтс, Д., Maechler, M., Bolker, B., and Walker, S. (2015). Подгонка линейных моделей смешанных эффектов с использованием lme4. J. Stat. Софтв. 67, 1–48. DOI: 10.18637 / jss.v067.i01

CrossRef Полный текст

Бейн, Э. М., и Хобсон, К. А. (2001). Характер перемещений взрослых самцов печников в период после оперения в фрагментированных и лесных бореальных ландшафтах. Кондор 103, 343–351. DOI: 10.1650 / 0010-5422 (2001) 103 [0343: MPOAMO] 2.0.CO; 2

CrossRef Полный текст | Google Scholar

Белисль, М.(2005). Измерение связности ландшафта: проблема поведенческой экологии ландшафта. Экология 86, 1988–1995. DOI: 10.1890 / 04-0923

CrossRef Полный текст | Google Scholar

Белисль М. и Дерошер А. (2002). Решения лесных птиц о пересечении пропусков: эмпирическая основа для параметризации пространственно-явных, индивидуальных моделей. Landsc. Ecol. 17, 219–231. DOI: 10.1023 / A: 1020260326889

CrossRef Полный текст

Беннет, W.А. (1990). Масштаб расследования и выявление конкуренции: пример из введения домашнего воробья и домашнего зяблика в Северной Америке. Am. Nat. 135, 725–747. DOI: 10.1086 / 285071

CrossRef Полный текст | Google Scholar

Беттс, М. Г., Гуцвиллер, К. Дж., Смит, М. Дж., Робинсон, В. Д., и Хэдли, А. С. (2015). Улучшение выводов о функциональной связности из экспериментов по перемещению животных. Landsc. Ecol. 30, 585–593. DOI: 10.1007 / с10980-015-0156-х

CrossRef Полный текст | Google Scholar

Бонте Д., Ван Дайк Х., Баллок Дж. М., Кулон А., Дельгадо М., Гиббс М. и др. (2012). Издержки разгона. Biol. Ред. 87, 290–312. DOI: 10.1111 / j.1469-185X.2011.00201.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Боулер Д. Э. и Бентон Т. Г. (2005). Причины и последствия стратегий расселения животных: связь индивидуального поведения с пространственной динамикой. Biol. Ред. 80, 202–225. DOI: 10.1017 / S1464793104006645

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бридж, Э. С., Торуп, К., Боулин, М. С., Чилсон, П. Б., Диль, Р. Х., Флерон, Р. У. и др. (2011). Технологии в движении: недавние и будущие инновации в отслеживании перелетных птиц. Bioscience 61, 689–698. DOI: 10.1525 / bio.2011.61.9.7

CrossRef Полный текст | Google Scholar

Банн, А.Г., Урбан, Д.Л., и Кейтт, Т. Х. (2000). Связность ландшафта: сохранение теории графов. J. Environ. Управлять. 59, 265–278. DOI: 10.1006 / jema.2000.0373

CrossRef Полный текст | Google Scholar

Берджесс, С. К., Тремел, Э. А., и Маршал, Д. Дж. (2012). Как затраты на расселение и выбор среды обитания влияют на реализуемую связь населения? Экология 93, 1378–1387. DOI: 10.1890 / 11-1656.1

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бернем, К.П. и Андерсон Д. Р. (2002). Выбор модели и вывод. Практический теоретико-информационный подход . Нью-Йорк, штат Нью-Йорк: Спрингер.

Google Scholar

Бернхэм, К. П., Андерсон, Д. Р., Хюйверт, К. П. (2011). Выбор модели AIC и многомодельный вывод в поведенческой экологии: некоторые предпосылки, наблюдения и сравнения. Behav. Ecol. Sociobiol. 65, 23–35. DOI: 10.1007 / s00265-010-1029-6

CrossRef Полный текст | Google Scholar

Карло Т.А., Гарсия, Д., Мартинес, Д., Гледич, Дж. М., и Моралес, Дж. М. (2013). Куда уходят семена, когда они уходят далеко? Расстояние и направленность распространения семян птиц в неоднородных ландшафтах. Экология 94, 301–307. DOI: 10.1890 / 12-0913.1

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Клобер, Дж. (2001). Разгон . Нью-Йорк, Нью-Йорк: Издательство Оксфордского университета.

Google Scholar

Клобер, Дж., Ле Гальяр, Дж. Ф., Кот, Дж., Мейлан, С., Массот, М. (2009). Информированное расселение, неоднородность синдромов расселения животных и динамика пространственно структурированных популяций. Ecol. Lett. 12, 197–209. DOI: 10.1111 / j.1461-0248.2008.01267.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Крукс, К. Р. и Санджаян, М. (ред.) (2006). «Сохранение связности: поддержание связи для природы», Connectivity Conservation (Нью-Йорк, Нью-Йорк: издательство Кембриджского университета), 1–10.DOI: 10.1017 / CBO9780511754821.001

CrossRef Полный текст | Google Scholar

Дельгадо, М. Д. М., Пентериани, В., Ревилла, Э., и Намс, В. О. (2010). Влияние фенотипических черт и внешних сигналов на естественные рассредоточенные движения. J. Anim. Ecol. 79, 620–632. DOI: 10.1111 / j.1365-2656.2009.01655.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Эванс, Б. С. (2015). Экология птиц в городском ландшафте: состав птичьего сообщества, рассредоточение и выживание через градиент от сельской местности к городской в ​​Вашингтоне, округ Колумбия, [диссертация].Чапел-Хилл, Северная Каролина, Университет Северной Каролины в Чапел-Хилл.

Google Scholar

Эванс, Б. С., Райдер, Т. Б., Рейцма, Р., Херлберт, А. Х., и Марра, П. П. (2015). Характеристика выживания птиц по градиенту землепользования от сельской местности к городской. Экология 96, 1631–1640. DOI: 10.1890 / 14-0171.1

CrossRef Полный текст | Google Scholar

Фишер Дж. И Линденмайер Д. Б. (2007). Модификация ландшафта и фрагментация среды обитания: синтез. Glob.Ecol. Биогеогр. 16, 265–280. DOI: 10.1111 / j.1466-8238.2007.00287.x

CrossRef Полный текст | Google Scholar

Фиск, И., и Чендлер, Р. (2011). без пометки: пакет R для подгонки иерархических моделей встречаемости и численности диких животных. J. Stat. Софтв. 43, 1–23. DOI: 10.18637 / jss.v043.i10

CrossRef Полный текст | Google Scholar

Гринвуд П. Дж. И Харви П. Х. (1982). Родовое и гнездовое расселение птиц. Annu.Rev. Ecol. Syst. 13, 1–21. DOI: 10.1146 / annurev.es.13.110182.000245

CrossRef Полный текст | Google Scholar

Хаддад, Н. М. (1999). Использование коридора прогнозируется на основе поведения на границах среды обитания. амер. Nat. 153, 215–2277. DOI: 10.1086 / 303163

CrossRef Полный текст | Google Scholar

Хаддад, Н. М., Боун, Д. Р., Каннингем, А., Дэниэлсон, Б. Дж., Леви, Д. Дж., Сарджент, С., и др. (2003). Использование коридора различными таксонами. Экология 84, 609–615.DOI: 10.1890 / 0012-9658 (2003) 084 [0609: CUBDT] 2.0.CO; 2

CrossRef Полный текст | Google Scholar

Хайла Ю. (2002). Концептуальная генеалогия исследования фрагментации: от островной биогеографии до ландшафтной экологии. Ecol. Прил. 12, 321–334. DOI: 10.2307 / 3060944

CrossRef Полный текст | Google Scholar

Хейсе, К. Д., Мур, Ф. Р. (2003). Возрастные различия в эффективности кормодобывания, линьке и отложении жира серых кошачьих птиц перед осенней миграцией. Condor 3, 496–504. DOI: 10.1650 / 7183

CrossRef Полный текст | Google Scholar

Яноусек, В. М., Марра, П. П., Килпатрик, А. М. (2014). Птичье гнездование влияет на контакт переносчиков с хозяевами для хозяев вируса Западного Нила. Векторы паразитов 7: 399. DOI: 10.1186 / 1756-3305-7-399

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Кеннеди К., Марра П. П., Фаган В. и Нил М. (2010). Матрица опосредует перемещения птиц в лесных тропических ландшафтах: вывод из экспериментальных перемещений. Biol. Консерв. 143, 2136–2145. DOI: 10.1016 / j.biocon.2010.05.025

CrossRef Полный текст | Google Scholar

Киндлманн П. и Бурел Ф. (2008). Меры подключения: обзор. Landsc. Ecol. 23, 879–890. DOI: 10.1007 / s10980-008-9245-4

CrossRef Полный текст | Google Scholar

Котляр, Н. Б., и Винс, Дж. А. (1990). Множественные шкалы неоднородности и структура пятен: иерархическая структура для изучения неоднородности. Oikos 59, 253–260. DOI: 10.2307 / 3545542

CrossRef Полный текст | Google Scholar

Купфер, Дж. А., Малансон, Г. П., и Франклин, С. Б. (2006). За островами не видно океана: опосредующее влияние матричных процессов на эффекты фрагментации леса. Glob. Ecol. Биогеогр. 15, 8–20. DOI: 10.1111 / j.1466-822X.2006.00204.x

CrossRef Полный текст | Google Scholar

ЛаПойн, С., Балкенхол, Н., Хейл, Дж., Сэдлер, Дж., И ван дер Ри, Р.(2015). Исследование экологической связанности городских территорий. Funct. Ecol. 29, 868–878. DOI: 10.1111 / 1365-2435.12489

CrossRef Полный текст | Google Scholar

Лестон, Л. Ф., и Родевальд, А. Д. (2006). Являются ли городские леса экологической ловушкой для подлецовых птиц? Экзамен с участием северных кардиналов. Biol. Консерв. 131, 566–574. DOI: 10.1016 / j.biocon.2006.03.003

CrossRef Полный текст | Google Scholar

Левинс Р. (1969). Некоторые демографические и генетические последствия неоднородности окружающей среды для биологического контроля. Bull. ESA 15, 237–240. DOI: 10.1093 / besa / 15.3.237

CrossRef Полный текст | Google Scholar

Линденмайер Д. и Фишер Дж. (2006). Фрагментация среды обитания и изменение ландшафта: синтез экологических и природоохранных аспектов . Вашингтон, округ Колумбия: Island Press.

Google Scholar

Лукач П. М., Бернем К. П. и Андерсон Д. Р. (2010). Систематическая ошибка выбора модели и парадокс Фридмана. Ann. Inst. Стат. Математика. 62, 117–125. DOI: 10.1007 / s10463-009-0234-4

CrossRef Полный текст | Google Scholar

МакГаригал, К., Тагил, С., Кушман, С. А. (2009). Метрики поверхности: альтернатива метрикам заплат для количественной оценки структуры ландшафта. Landsc. Ecol. 24, 433–450. DOI: 10.1007 / s10980-009-9327-y

CrossRef Полный текст | Google Scholar

МакКинни, М. Л. (2002). Урбанизация, биоразнообразие и сохранение. BioScience 52, 883–890. DOI: 10.1641 / 0006-3568 (2002) 052 [0883: UBAC] 2.0.CO; 2

CrossRef Полный текст | Google Scholar

МакРэй, Б. Х., Диксон, Б. Г., Кейт, Т. Х. и Шах, В. Б. (2008). Использование теории цепей для моделирования взаимосвязи в экологии, эволюции и сохранении. Консерв. Ecol. 89, 2712–2724. DOI: 10.1890 / 07-1861.1

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Меннечес, Г., Штикцелле, Н., и Багет, М. (2003). Динамика метапопуляции болотной рябчатой ​​бабочки: сравнение демографических параметров и расселение между сплошным и сильно фрагментированным ландшафтом. Landsc. Ecol. 18, 279–291. DOI: 10.1023 / A: 1024448829417

CrossRef Полный текст | Google Scholar

Минор, Э. С., и Урбан, Д. Л. (2008). Основа теории графов для оценки связности ландшафта и планирования сохранения. Консерв. Биол. 22, 297–307. DOI: 10.1111 / j.1523-1739.2007.00871.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Мойланен А. и Ниеминен М. (2002). Простые меры связности в пространственной экологии. Экология 83, 1131–1145. DOI: 10.1890 / 0012-9658 (2002) 083 [1131: SCMISE] 2.0.CO; 2

CrossRef Полный текст | Google Scholar

Нагелькерке, Н. Дж. Д. (2004). Примечание об общем определении коэффициента детерминации. Биометрика 78, 691–692. DOI: 10.1093 / biomet / 78.3.691

CrossRef Полный текст | Google Scholar

Опдам П., Райсдейк Г. и Хастингс Ф. (1985). Сообщества птиц в небольших лесах в сельскохозяйственном ландшафте: влияние площади и изоляции. Biol. Консерв. 34, 333–352. DOI: 10.1016 / 0006-3207 (85) ^-4

CrossRef Полный текст | Google Scholar

Пярн, Х., Йенсен, Х., Рингсби, Т. Х., Сётер, Б. Э. (2009). Специфическая для пола приспособленность коррелирует с расселением в метапопуляции домашнего воробья. J. Anim. Ecol. 78, 1216–1225. DOI: 10.1111 / j.1365-2656.2009.01597.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Пирсон, С. М., Тернер, М. Г., Гарднер, Р. Х., и О’Нил, Р.В. (1996). «Организационная перспектива фрагментации среды обитания», в «Биоразнообразие в управляемых ландшафтах: теория и практика» , изд. Р. К. Саро (Oxford: Oxford University Press), 77–95.

Google Scholar

Пайл, П. (1997). Руководство по идентификации птиц Северной Америки: от Columbidae до Ploceidae . Болинас, Калифорния: Slate Creek Press.

Раппол, Дж. Х., и Баллард, К. (1987). Постбридинговые перемещения отдельных видов птиц в Афинах, Грузия. Уилсон Булл. 99, 475–480.

Google Scholar

Раппол, Дж. Х. и Типтон, А. Р. (1991). Новый дизайн обвязки для крепления радиопередатчиков к маленьким воробьиным. J. Field Ornithol. 62, 335–337.

Google Scholar

Ройл, Дж. А., Доусон, Д. К., и Бейтс, С. (2004). Моделирование эффектов изобилия при дистанционной выборке. Экология 85, 1591–1597. DOI: 10.1890 / 03-3127

CrossRef Полный текст | Google Scholar

Рудницкий, Т.К. и Хантер М. Л. младший (1993). Хищничество птичьих гнезд на вырубках, лесах и опушках в лесном ландшафте. J. Wildl. Управлять. 57, 358–364. DOI: 10.2307 / 3809434

CrossRef Полный текст | Google Scholar

Райдер Т. Б., Рейцма Р., Эванс Б. С. и Марра П. П. (2010). Количественная оценка выживаемости птичьих гнезд по градиенту урбанизации с использованием данных, полученных от граждан и ученых. Ecol. Прил. 20, 419–426. DOI: 10.1890 / 09-0040.1

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Скули, Р.Л. и Винс Дж. А. (2003). Обнаружение участков среды обитания и направленной связи. Oikos 102, 559–570. DOI: 10.1034 / j.1600-0706.2003.12490.x

CrossRef Полный текст | Google Scholar

Марки

, Дж. А., Кришнан, В. В., и Рид, М. Л. (2005). Затраты на поиск и выбор среды обитания диспергаторами Экология 86, 510–518. DOI: 10.1890 / 04-0516

CrossRef Полный текст | Google Scholar

Стаддс, К. Э., Кайзер, Т. К., и Марра, П. П. (2008).Натальное расселение обусловлено условиями окружающей среды, взаимодействующими в течение годового цикла перелетных певчих птиц. Proc. Natl. Акад. Sci. США 105, 2929–2933. DOI: 10.1073 / pnas.0710732105

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тейлор, П. Д., Фариг, Л., Хенеин, К., и Мерриам, Г. (1993). Связь — жизненно важный элемент ландшафтной структуры. Oikos 68, 571–573. DOI: 10.2307 / 3544927

CrossRef Полный текст | Google Scholar

Тишендорф, Л., и Фариг, Л. (2000). Об использовании и измерении связности ландшафта. Oikos 90, 7–19. DOI: 10.1034 / j.1600-0706.2000.

2.x

CrossRef Полный текст | Google Scholar

Цурим И., Абрамский З., Котлер Б. П. (2008). Собственное поведение городских птиц: Комменсалы человека менее чувствительны к риску нападения хищников, чем их зарубежные собратья. Кондор 110, 772–776. DOI: 10.1525 / cond.2008.8572

CrossRef Полный текст | Google Scholar

Урбан, д.и Кейтт Т. (2001). Связность ландшафта: теоретико-графическая перспектива. Экология 82, 1205–1218. DOI: 10.1890 / 0012-9658 (2001) 082 [1205: LCAGTP] 2.0.CO; 2

CrossRef Полный текст | Google Scholar

Вандерхофф, Н., Саллабэнкс, Р., и Джеймс, Ф. К. (2014). Американский малиновый ( Turdus migratorius ). Птицы Северной Америки 462.

Google Scholar

Ван Дайк, Х., и Багет, М. (2005). Дисперсионное поведение на фрагментированных ландшафтах: рутина или особые движения? Basic Appl.Ecol. 6, 535–545. DOI: 10.1016 / j.baae.2005.03.005

CrossRef Полный текст | Google Scholar

Weisser, W. W. (2001). Влияние хищников на расселение. Рассеивание 180, 180–188.

Винс, Дж. А. (1976). Реакция населения на неоднородную среду. Annu. Rev. Ecol. Syst. 7, 81–120. DOI: 10.1146 / annurev.es.07.110176.000501

CrossRef Полный текст | Google Scholar

Винс, Дж. А. (1997). «Возникающая роль неоднородности в природоохранной биологии», в The Ecological Basis of Conservation , ред.Т. А. Пикетт, Р. С. Остфельд, М. Шахак и Г. Э. Ликенс (Нью-Йорк, штат Нью-Йорк: Springer), 93–107. DOI: 10.1007 / 978-1-4615-6003-6_10

CrossRef Полный текст | Google Scholar

Уилков, Д. С., Маклеллан, К. Х., Добсон, А. П. (1986). Фрагментация среды обитания в зоне умеренного климата. Консерв. Биол. 6, 237–256.

Google Scholar

Вольф, Дж. О., Шаубер, Э. М., и Эдж, В. Д. (1997). Влияние потери и фрагментации среды обитания на поведение и демографию серохвостых полевок. Консерв. Биол. 11, 945–956. DOI: 10.1046 / j.1523-1739.1997.96136.x

CrossRef Полный текст | Google Scholar

Сиань, Г., Гомер, К., Девиц, Дж., Фрай, Дж., Хоссейн, Н., и Уикхэм, Дж. (2011). Изменение площади непроницаемой поверхности между 2001 и 2006 годами на территории Соединенных Штатов. Photogramm. Англ. Remote Sens. 77, 758–762.

Google Scholar

Зеллер, К. А., МакГаригал, К., Байер, П., Кушман, С. А., Викерс, Т. У., и Бойс, Т.М. (2014). Чувствительность оценок устойчивости ландшафта, основанных на функциях выбора точек, к масштабу и поведенческому состоянию: pumas в качестве примера. Landsc. Ecol. 29, 541–557. DOI: 10.1007 / s10980-014-9991-4

CrossRef Полный текст | Google Scholar

Целлер К. А., МакГаригал К. и Уайтли А. Р. (2012). Оценка устойчивости ландшафта к движению: обзор. Landsc. Ecol. 27, 777–797. DOI: 10.1007 / s10980-012-9737-0

CrossRef Полный текст | Google Scholar

Цолльнер, П.А., и Лима, С. Л. (1999). Стратегии поиска интерпатч-перемещений на уровне ландшафта. Экология 80, 1019–1030. DOI: 10.1890 / 0012-9658 (1999) 080 [1019: SSFLLI] 2.0.CO; 2

CrossRef Полный текст | Google Scholar

Пространственные детерминанты бедности в сельских районах Кении

Абстрактные

В этой статье исследуется связь между уровнем бедности и географическими условиями в сельских районах Кении. Данные карт бедности для Кении и других развивающихся стран показывают, что бедность и распределение доходов неоднородны.Мы используем методы пространственной регрессии для изучения влияния географических факторов на бедность. Уклон, тип почвы, расстояние / время в пути до государственных ресурсов, высота над уровнем моря, тип землепользования и демографические переменные оказываются важными для объяснения пространственных структур бедности. Однако различное влияние этих и других факторов на уровне местоположения показывает, что провинции Кении очень разнородны; следовательно, разные пространственные факторы важны для объяснения уровней благосостояния в разных областях в пределах провинций, что позволяет предположить, что необходима адресная политика для бедных.Моделирование политики проводится для изучения воздействия различных вмешательств на уровни бедности на местном уровне. Показано, что инвестиции в дороги и улучшение плодородия почв потенциально снижают уровень бедности с различными последствиями в разных регионах.

Бедность, неравенство доходов и деградация природных ресурсов являются серьезными проблемами в Кении, особенно в сельских районах. Уровень бедности в Кении — один из самых высоких в развивающемся мире. Распространенность бедности в стране оценивается в 45% (1), а деградация природных ресурсов, как сообщается, увеличивается (2).В недавнем прошлом в Кении было проведено несколько исследований бедности и распределения доходов (3). Некоторые из этих исследований были сосредоточены на профиле бедности, но его полезность ограничена, поскольку показывает, как уровни бедности соотносятся с одной характеристикой за раз.

В этом исследовании изучаются детерминанты распространенности бедности для небольших, пространственно определенных групп населения в сельской местности. ^f из Кении. Данные карт бедности для Восточной Африки и других развивающихся стран показывают, что бедность и распределение доходов неоднородны и сильно различаются по пространству.Некоторые из этих различий вызваны различиями в географических и агроклиматических условиях, инфраструктурным доступом к рынкам и общественным объектам, наличием или отсутствием природных ресурсов, таких как леса или водоемы, а также политическими и историческими факторами. Несмотря на то, что эти факторы были определены как основные факторы, влияющие на различия в уровне жизни населения в разных регионах, было проведено мало эмпирических исследований, чтобы установить точную взаимосвязь между уровнями благосостояния и этими факторами.Этот тип анализа был ограничен в основном из-за недостатка данных и отсутствия соответствующих аналитических инструментов. Последние достижения в области программного обеспечения для пространственного анализа позволяют проводить такой анализ.

Таким образом, в этом исследовании мы пытаемся изучить связь между эмпирической информацией о благосостоянии и данными об окружающей среде на основе Географической информационной системы (ГИС). Важным аспектом при разработке этой связи является учет того факта, что зависимая переменная имеет другой тип данных и форму пространственной агрегации, чем большинство независимых пространственных переменных.Данные разных типов и из разных источников используются для генерации переменных, используемых в анализе, некоторые из которых пространственно автокоррелированы или получены из социально-экономических переменных, которые обычно существуют в пространственно дискретном формате на основе административных единиц и отличаются от данных об окружающей среде, которые имеют пространственно непрерывный характер. Это создает методологические проблемы, описанные в Методы и во вспомогательной информации (SI) Приложение . .

Ключевые вопросы исследования в этом исследовании: ( i ) Какие пространственные факторы объясняют пространственные различия бедности на уровне местоположения в сельской местности Кении? ( ii ) Значительно ли различаются ли отношения между агроклиматическими и другими пространственными переменными с бедностью между провинциями? ( iii ) Каковы потенциальные последствия инвестиций / изменений в некоторых из пространственно связанных факторов, влияющих на бедность в различных районах Кении, на бедность?

Чтобы ответить на первый вопрос, мы используем глобальный пространственный регрессионный анализ для изучения детерминант. ^г распространенности бедности в сельских районах Кении.Для второго вопроса мы используем аналогичный анализ для каждой из семи сельских провинций. Что касается третьего вопроса, мы проводим моделирование воздействия возможных инвестиций в дороги и улучшение почвы на уровень бедности в трех провинциях.

В таблице 1 показаны выбранные ключевые независимые переменные для анализа и их гипотеза о влиянии на уровень бедности. Переменные делятся на две категории. Экзогенные переменные — это те переменные, на которые вряд ли повлияет уровень экономической активности или бедности.С другой стороны, эндогенные переменные — это те переменные, которые могут как влиять на бедность, так и на них влиять бедность.

Таблица 1.

Объясняющие переменные, используемые в анализе пространственной регрессии

Развитие лучшего понимания детерминант бедности на местном уровне вместе со знаниями о том, как факторы на уровне домохозяйства и более широкая национальная политика влияют на благосостояние домохозяйства, поможет политикам и специалистам в области развития в их усилиях, направленных на повышение уровня жизни и благосостояния сельских кенийцев.

Результаты

Во всех оцененных моделях в качестве зависимой переменной использовался уровень бедности на местном уровне (доля людей, находящихся ниже национальной черты бедности в сельских районах Кении в размере 1239 шиллингов (KShs) на эквивалент взрослого населения в месяц). Сначала был проведен анализ на национальном уровне (для 2232 сельских населенных пунктов), а затем модели на провинциальном уровне (т.е. для каждой из семи сельских провинций Кении). Подробная информация о концепции пространственной зависимости и связанных с ней диагностических тестов представлена ​​в Методы и SI Приложение .

В таблице 2 представлены результаты национальной модели. ^h (модель пространственной ошибки) с 23 независимыми переменными, основанными на ожиданиях таблицы 1 и включая фиктивные переменные для семи провинций с уровнями значимости 1%, 5% и 10%. Модель объясняет более половины вариации уровней бедности в сельской местности, но> 15 из 23 переменных являются статистически значимыми на уровне 5%. Несколько переменных вернули ожидаемый знак, хотя значимые уровни варьировались.Качество почвы, высота над уровнем моря, продолжительность вегетационного периода, различные категории землепользования и географические переменные имеют большое значение.

Таблица 2.

Результаты модели пространственной ошибки

Для решения вопроса о том, насколько бедность чувствительна к качеству почвы, была включена фиктивная переменная качества почвы. Мы ожидаем, что районы с хорошими почвами, вероятно, будут иметь высокий сельскохозяйственный потенциал и, следовательно, будут иметь абсолютное преимущество в производстве дорогостоящих скоропортящихся овощей и других культур.Действительно, мы обнаружили, что места с хорошими почвами связаны с меньшей бедностью. Величина эффекта невелика, ≈1%, то есть повышение плодородия почвы (от плохой к хорошей) снизило бы бедность до одного процентного пункта в сельских районах провинций Кении. Это убедительно указывает на политику улучшения качества почвы за счет использования удобрений и методов сохранения почвы.

Учитывая наши ожидания и результаты соответствующих исследований (5) о сильной взаимосвязи между уклоном земли и бедностью, неудивительно, что два из четырех оцененных параметров уклона являются значимыми.Таким образом, мы обнаруживаем, что по сравнению с очень плоскими участками (уклон 0–4%), в местах, где большой процент земли состоит из крутых склонов, уровень бедности выше. Коэффициент является наибольшим для мест с площадью уклона> 30%, что согласуется с теоретическими объяснениями, указывающими на серьезную эрозию, культивацию и проблемы, связанные с орошением, связанные с крутыми землями.

Переменные землепользования являются сильными детерминантами бедности в сельских районах Кении.Коэффициенты для «процентной доли территории, находящейся под конкретным землепользованием» показывают смешанные результаты. Как и ожидалось, в местах с большими застроенными территориями (занятыми зданиями) уровень бедности ниже. Это говорит о том, что застроенные районы отражают тенденции к урбанизации, и ожидается, что более активная урбанизация приведет к снижению уровня бедности. В целом карты бедности (6) показывают, что городские районы в Кении богаче, чем сельские. Наши результаты предполагают, что в местах с большими площадями под пастбищами, вероятно, будут более низкие уровни бедности, что несколько неинтуитивно (6).Возможно, этот результат отражает тот факт, что на пастбищах очень мало людей, или может указывать на то, что эта переменная захватывает что-то еще. Что касается доли лесных площадей, другой неинтуитивный вывод состоит в том, что районы с более лесными участками связаны с более высоким уровнем бедности в сельских районах (учитывая, что лесные массивы часто дают орехи, фрукты и дрова для бедных семей).

Высота, измеряемая в метрах над уровнем моря, оказывает значительное негативное влияние на благосостояние на уровне местности: сообщества, расположенные на более высокой высоте, вероятно, будут менее бедными.Это ожидается, потому что многие общины, живущие в высокогорьях, живут намного лучше, чем их коллеги во многих частях засушливых низменностей Кении (6).

В этой модели были протестированы несколько переменных, предназначенных для отражения агроклиматических условий. Среди этих переменных были количество осадков, их коэффициент вариации и продолжительность вегетационного периода. Как и ожидалось, различия в уровне бедности среди сельских общин в Кении сильно зависят от агроклиматических факторов. Результаты показывают, что в районах с более длительными периодами роста, вероятно, будут более низкие уровни бедности по сравнению с районами с более короткими периодами роста.Эффект здесь очевиден, потому что большинству культур, таких как (кукуруза, фасоль, просо, сорго, горох), требуется более 60 дней для созревания.

Что касается переменных, связанных с животноводством, анализ показывает, что общины, живущие на пастбищах, вероятно, будут иметь более высокий уровень бедности. Наши результаты показывают, что существует сильная положительная связь между бедностью и проживанием на пастбищах. Недавние исследования показали, что пастбищные угодья имеют одни из самых высоких уровней бедности в Кении (6). Это довольно интуитивно понятно, потому что это также районы с самым плохим доступом к дорогам, услугам (образование и здравоохранение) и общей инфраструктуре в стране.Мы дополнительно исследуем детерминанты бедности в районах животноводства (пастбищах) в соответствующем исследовании.

Демографическая переменная (плотность населения) оказывает значительное негативное влияние на бедность в сельской местности. Районы с высокой плотностью населения связаны с более низким уровнем бедности. Плотность населения влияет на трудоемкость сельскохозяйственного производства, включая выбор товаров, а также производственных технологий и методов управления земельными ресурсами, влияя на соотношение земли и труда.Этот результат означает, что люди склонны селиться в районах, где они могут повысить свои доходы, например, за счет сельского хозяйства, и в таких районах в конечном итоге наблюдается относительно низкий уровень бедности.

Ожидается, что улучшение дорог и / или доступ к рынкам будут способствовать производству дорогостоящей продукции и несельскохозяйственной деятельности, которая будет способствовать повышению доходов или снижению уровня бедности. Результаты этого исследования показывают, что более продолжительное время в пути до асфальтированных и покрытых дорогами дорог значительно увеличивает уровень бедности.Стандартное объяснение здесь состоит в том, что чем дольше время в пути до хорошей дороги, тем труднее получить доступ к рынкам, что ограничивает возможности для получения средств к существованию. И наоборот, общины, которые имеют более широкий доступ к рынкам, хорошей инфраструктуре (здравоохранение и образование) и государственному управлению, сталкиваются с более низкими операционными издержками и более широкими возможностями для получения средств к существованию, что ведет к снижению уровня бедности. Приведенные выше результаты указывают на необходимость инвестиций в улучшение сельских дорог, если мы хотим сократить бедность в Кении.

Наконец, мы исследуем свидетельства региональной неоднородности в отношении влияния различных пространственных детерминант на бедность.Таким образом, для всех сельских населенных пунктов мы проверяем равенство оценок параметров для всех провинций, кроме Найроби, и обнаруживаем, что гипотеза однородности категорически отвергается. По сравнению с провинцией Рифт-Валли (которая является эталонной или базовой категорией / провинцией) результаты показывают, что, за исключением Центральной провинции, все другие провинции связаны с более высоким уровнем бедности по сравнению с провинцией Рифт-Валли. Стоит отметить, что провинциальные манекены могут улавливать ряд факторов в разных регионах (таких как безопасность, администрация, инфраструктура, культура), которые не отражаются в других пространственных переменных.Эта неоднородность убедительно оправдывает необходимость оценок для конкретных провинций, результаты и обсуждение которых представлены ниже.

Мы также исследовали влияние пространственных факторов, когда ограничили регрессию сельской бедности на национальном уровне включением только переменных, которые могут быть экзогенными по отношению к бедности, которые называются выборочными моделями. Такое ограничение модели помогает нам исследовать относительную важность пространственных независимых переменных. Переменные, представляющие расстояние и демографические характеристики, не были включены в первую выборочную модель.Сохранение фиктивных переменных для провинций и исключение этих переменных (например, плотности населения, расстояния до больниц и крупных городов) снизило объясняющую силу на пять процентных пунктов, до 48%. Когда фиктивные переменные, представляющие семь провинций, также были исключены во второй выборочной модели, объяснительная сила модели снизилась до 36%. Экзогенные пространственные переменные, в основном землепользование и природные факторы, сами по себе могут объяснить 36% изменчивости уровней бедности, которые мы наблюдаем по Кении.

Результаты анализа на национальном уровне показывают, что существуют опасения по поводу вариаций и значимости переменных. Переменные, связанные с провинцией, могут отбирать некоторые пропущенные переменные, и, тем не менее, они объясняют высокий процент вариации сельской бедности в разных местах, отсюда необходимость анализа с учетом специфики провинции.

Провинциальные детерминанты бедности в Кении.

Были запущены отдельные модели для каждой из семи провинций, чтобы отразить различия в пространственных детерминантах бедности в этих очень разных провинциях.Шесть из семи провинций показали значительное наличие пространственной зависимости, в основном типа пространственного лага, за исключением Центральной провинции. Северо-Восточная провинция не показала наличия пространственной автокорреляции, и поэтому мы обсуждаем их результаты на основе обычных оценок наименьших квадратов (МНК). Переменные, значимые для каждой из провинций, а также на национальном уровне, сведены в Таблицу 3.

Таблица 3.

Резюме: провинциальные детерминанты бедности

Центральная провинция.

Центральная провинция занимает площадь 13 191 км. ² и находится к юго-западу от горы. Кения. Осадки достаточно надежны, выпадают за два сезона. Его общая численность населения составляет 3 724 159 человек (по данным переписи 1999 г.), и он является основным производителем кофе. В этой провинции рассматривается 164 местоположения, и соответствие модели составляет 0,50. Результаты показывают, что ограниченный доступ к дорогам связан с более высоким уровнем бедности. Чем больше время в пути от центра локации до ближайшей дороги (трасса, муррам или асфальт), тем она беднее.Дороги обеспечивают решающий доступ к рынкам, и полученные здесь результаты показывают, что районы, где людям требуется много времени, чтобы добраться до хорошей дороги, обычно являются более бедными сообществами. Точно так же наши результаты показывают, что места в Центральной провинции, которые в основном представляют собой пастбищные угодья или находятся дальше от общественных лесов и на возвышенности, связаны с более высоким уровнем бедности.

Напротив, большая часть территории водно-болотных угодий связана с более низким уровнем бедности.Результаты по водно-болотным угодьям позволяют предположить, что люди, живущие рядом с водно-болотными угодьями, могут иметь более высокие средства к существованию, и было бы интересно дополнительно изучить, какими экосистемными товарами и услугами они пользуются благодаря наличию этих водно-болотных угодий. Остальные факторы не имели значения в этой провинции.

Прибрежная провинция.

Прибрежная провинция занимает площадь 83 603 км ² с тропическим влажным климатом. Население страны составляет 2 487 264 человека (по данным переписи 1999 г.), основным источником дохода которых является туризм.Для этой провинции была оценена модель пространственного лага, и результаты показывают процент участков под болотами, процент участков с уклоном 8–15%, вероятность затопления и среднюю продолжительность вегетационного периода в 180 или более дней. больше связано с более низким уровнем бедности. Как и ожидалось, районы с более длительными периодами выращивания и, следовательно, с гораздо более высоким потенциалом выращивания, вероятно, будут менее бедными.

Также среди значимых переменных мы видим, что чем больше процент мест, находящихся под водой (заболоченных), с уклоном 4–8% и временем в пути до ближайшей дороги (фидер или муррам), тем меньше бедность.Это подтверждает закономерность, отображаемую в результатах оценки бедности по стране и Центральной провинции. Чем больше расстояние от локационного центра до ближайшей асфальтированной или муррамовой дороги, тем выше уровень бедности. Это отражает важность доступа к достойным дорогам для повышения уровня благосостояния общества.

Восточная провинция.

Восточная провинция занимает площадь 159 891 км ² и является засушливой или полузасушливой с точки зрения климата, хотя с областями, граничащими с Mt. Кения переживает климат, похожий на центральную провинцию.Население страны составляет 4 631 779 человек (по данным переписи 1999 г.), основным источником дохода которых является сельское хозяйство. Модель Восточной провинции также была моделью с пространственным запаздыванием. Места, которые расположены относительно дальше от ближайшего общественного леса, имеют уклон 4–8% и 15–30%, имеют большую площадь охраняемых территорий и большее количество сельскохозяйственных угодий беднее. Нахождение вдали от общественного леса очень сильно влияет на уровень жизни. Это говорит о том, что многие люди полагаются на лесные ресурсы, такие как дрова, фрукты, орехи, древесный уголь и травы.

Подобно результатам для Прибрежной провинции, переменные, которые были значимыми и были связаны с более низким уровнем бедности, включали высоту, долю местности под водно-болотными угодьями, лугами и местами со средним периодом роста 180 дней или более. Эти результаты показывают важность сельскохозяйственного потенциала и землепользования в сокращении бедности.

Северо-Восточная провинция.

Отметим, что к данным из этой провинции следует относиться с осторожностью.Оценки бедности, используемые для северо-востока, являются оценками модели для прибрежной провинции, поскольку обследование бюджетов домохозяйств за 1997 год, которое использовалось для оценки уровней бедности на уровне местности для всех других провинций, не было проведено в этой провинции из-за причины, связанные с безопасностью. Расчетная модель представляет собой OLS, потому что не было доказательств пространственной автокорреляции. Возможно, неудивительно, что в этой засушливой провинции коэффициент вариации осадков выступает в качестве основного фактора, определяющего бедность.В этом регионе районы с более высокой изменчивостью количества осадков также имеют тенденцию быть относительно беднее. Две переменные, зависящие от расстояния, также являются ключевыми детерминантами бедности в этой провинции. Расстояние до ближайшего медицинского центра и расстояние до ближайшего города с населением 10 000 человек являются положительными и значительными, т.е. чем дальше расстояние до ближайшего медицинского центра или города, тем выше уровень бедности. Было обнаружено, что проблемы, связанные со здоровьем, являются основным фактором, влияющим на то, чтобы домохозяйства попадали в бедность в Кении, и этот анализ показывает, что доступность медицинских услуг важна.Точно так же расстояние до ближайшего города очень важно и, вероятно, отражает тот факт, что в этих городах есть основные услуги, включая образование, здравоохранение, торговлю и безопасность.

Провинция Ньянза.

В провинции Ньянза проживает 4392192 человека (по данным переписи 1999 г.) на площади 16 162 км. ² . Климат тропический влажный, с рыболовством как одним из основных видов экономической деятельности и натуральным сельским хозяйством как другим. Для этой провинции была оценена модель пространственного лага.Более высокая возвышенность, большее расстояние до ближайшего общественного леса, больший процент мест под водой и большее расстояние до ближайшего медицинского учреждения связаны с более высоким уровнем бедности в провинции Ньянза. И наоборот, расстояние до ближайшего города с населением 200000 человек существенно и отрицательно связано с бедностью, т. Е. Чем дальше от города, тем ниже уровень бедности — неинтуитивный результат, который предполагает, что льготы и услуги, получаемые в больших городах, одинаково доступны в малых городах. в Ньянзе; следовательно, близость к крупным городам не так важна, как в других менее густонаселенных районах Кении.

Провинция Рифт-Валли.

Площадь этой провинции составляет 173 854 км. ² . Его население составляет 6 987 036 жителей (по данным переписи 1999 г.). Он имеет широкий диапазон климатических зон от засушливого до влажного тропического типа, а животноводство, туризм и сельское хозяйство являются основными источниками дохода. Была запущена модель пространственного лага для 785 локаций Рифт-Валли. Результаты предоставляют очень информативную информацию, а ряд переменных имеет ожидаемый знак.Переменные, представляющие количество осадков и связанные с ними показатели, а именно продолжительность вегетационного периода, в значительной степени связаны с бедностью. И снова мы обнаружили, что места с более длительным периодом выращивания связаны с более низким уровнем бедности. Чем выше процент застроенного участка, тем ниже уровень бедности. Что касается переменных, связанных с более высоким уровнем бедности, значимые индикаторы включают потенциал наводнения и наклон. Районы с высоким потенциалом затопления более уязвимы при прочих равных, и, что неудивительно, это отрицательно сказывается на уровне жизни.Большие участки земли с уклоном могут быть не такими благоприятными для поселения и ведения сельского хозяйства; таким образом, районы с большими уклонами, как правило, имеют более высокий уровень бедности.

Западная провинция.

Западная провинция занимает площадь 8 361 км. ² , климат в основном тропический, с вариациями из-за высоты, и имеет население 3 358 776 человек (перепись 1999 г.), при этом сельское хозяйство является основным видом экономической деятельности. За исключением нескольких переменных, в этой провинции есть некоторые интересные результаты, которые не были значимыми в других регионах.В местах, удаленных от малых городов или на большие расстояния, чтобы добраться до общественных лесов и охраняемых территорий, уровень бедности выше. Это согласуется с более ранним представлением о том, что расстояние до объектов и ресурсов является важным фактором бедности. В местах с хорошей почвой уровень бедности ниже. И наоборот, результаты для Западной провинции предполагают, что чем больше процент пастбищ и чем больше площадей с уклоном 15–30%, тем ниже уровень бедности, оба результата не очень интуитивно понятны.

Эти данные свидетельствуют о том, что взаимосвязь между бедностью и географическими факторами действительно сильно различается и пространственно по своему влиянию в сельской местности Кении. Ясно, что некоторые пространственные переменные важны для влияния на бедность в одних провинциях, но не в других. Такой вывод имеет решающее значение для разработки и адресности программ борьбы с бедностью. Эти результаты могут использоваться для руководства местными действиями, направленными на сокращение бедности.

Оценив детерминанты бедности, теперь мы можем создать моделирование для прогнозирования сокращения или увеличения общих уровней бедности в результате изменений выбранных пространственных характеристик.Цель этого моделирования — проиллюстрировать, как изменения в уровнях детерминант повлияют на совокупные уровни бедности. Это такие изменения, которые могут возникнуть в результате реализации конкретной государственной политики, направленной на сокращение бедности. Наши симуляции включают изменение переменных на провинциальном уровне, потому что национальные результаты могут дать точный вывод. Мы решили изменить важные и поддающиеся изменению переменные в трех из семи провинций, а именно: в Центральной, Восточной и Западной провинциях.

Во-первых, мы рассматриваем потенциальное влияние сокращения времени в пути, необходимого для достижения ближайшего гудронированного шоссе (при любых погодных условиях) или муррама (при любых погодных условиях) или путевой дороги от центра расположения в Центральной провинции. Мы сокращаем время в пути до дороги до 1 часа для всех мест, где время в пути превышает 1 час (что является средним временем в пути до ближайшей дороги в этой провинции). В этом моделировании мы пытаемся уловить улучшения в национальной дорожной инфраструктуре как средство улучшения доступа сельских общин к рынкам и общей инфраструктуре.Результаты показывают, что сокращение времени в пути в среднем с> 1 часа до <1 часа до ближайшего рельсового пути, муррамовых или асфальтированных дорог во всех районах Центральной провинции потенциально может снизить средний уровень бедности на уровне местности на 0,8% ( или средний уровень бедности на уровне провинции с 31,3% до 30,5%, что означает, что 21 649 бедняков вырвутся из бедности. Результат для Восточной провинции столь же мал (0,8%).

Возможно, разочаровывающим аспектом этого моделирования является то, что ожидаемое сокращение бедности очень мало.Этот результат верен с точки зрения сокращения бедности, если мы посмотрим на знак коэффициента. Однако следует отметить, что небольшие коэффициенты являются результатом изменения только одной переменной. Сами по себе дороги не могут быть панацеей от проблем бедности в Центральной провинции. При этом моделировании необходимо учитывать и другие факторы. Например, легкий доступ к хорошим дорогам в сочетании с высоким сельскохозяйственным потенциалом (более качественные почвы и надежные осадки) может привести к более значительным сокращениям, чем одни дороги.

Мы также моделируем возможное прямое влияние изменения плодородия почвы на уровень бедности в Западной провинции. Хотя почва не показывалась как значимая переменная в пространственных моделях, мы моделируем ее влияние на основе социально-экономических данных о Западной провинции.

Результаты показывают, что уровень бедности в Западной провинции может быть снижен на 9,4 процентных пункта с инвестициями, ведущими к изменению среднего плодородия почвы с плохого на хорошее во всех местах с плохими почвами и уровнем бедности выше среднего по провинции (59 %).Однако этот результат свидетельствует о потенциально существенном влиянии на бедность улучшения уровней плодородия почв в западной Кении (вывод, подтвержденный многочисленными другими исследованиями). Этот подход, связанный с дальнейшими исследованиями, может дать возможность количественно оценить потенциальные затраты, выгоды и влияние на бедность инвестиций, направленных на повышение плодородия почв.

Обсуждение

В этой статье мы стремились улучшить наше общее понимание того, как (и какие) пространственные факторы связаны с бедностью и как это варьируется в различных ландшафтах Кении, насколько различия в уровне бедности в Кении могут быть объяснены экологическими / пространственные факторы и то, как этот подход может быть использован для оценки потенциального воздействия на уровень бедности инвестиций в факторы, оказывающие значительное влияние на уровень бедности.

Результаты регрессионных моделей демонстрируют статистическую значимость некоторых пространственных переменных. На национальном уровне набор важных переменных разнообразен и включает региональные фиктивные переменные, землепользование, высоту, состояние / качество почвы и продолжительность вегетационного периода, время в пути до дорог и городов (доступ к рынку) и демографические условия. Это предполагает наличие взаимосвязи между бедностью и окружающей средой и, следовательно, влияние факторов окружающей среды на благосостояние бедных и на усилия по сокращению бедности.Однако сила фиктивных переменных для провинций показывает, что провинции Кении неоднородны. По этой причине разные пространственные индикаторы могут быть важны в разных провинциях, отсюда и необходимость анализа на уровне провинции. Эти переменные, специфичные для региона, а не на национальном уровне, могут быть важны для разработки и оценки стратегий сокращения бедности для конкретных провинций.

Результаты нашего моделирования для трех провинций показывают, что расширение доступа к дорогам и улучшение состояния почвы приведет к сокращению числа бедных в этих провинциях.В Западной провинции улучшение состояния почвы в районах с плохой почвой и высоким уровнем бедности (> 59%) приведет к снижению уровня бедности на 9% во всех регионах Западной провинции. Мы считаем, что положительный эффект от улучшения качества почвы зависит от того, рассматриваем ли мы места с высокими или низкими показателями и долю земли, пригодную для возделывания.

Поскольку результаты показывают, что в разных провинциях важны разные пространственные факторы, разработка и реализация любых стратегий сокращения бедности могут быть привязаны к конкретной провинции.Однако, интерпретируя важность результатов для сокращения бедности, не следует предполагать, что эти эффекты являются мгновенными, даже если мы оценили их на основе статических моделей. Инвестиции в дороги, например, по своей сути имеют длительный срок созревания, тогда как улучшение почвы может иметь немедленный эффект в течение следующего посевного сезона. Наши результаты показывают, что эти переменные могут иметь мощный эффект с точки зрения долгосрочного сокращения бедности.

Наконец, следует повторить, что, хотя этот анализ помог объяснить географические детерминанты бедности, существует необходимость в уточнении и расширении этого анализа, включая более детальный анализ после областей развития в Кении, а также включение дополнительной информации из других источников данных. например, перепись домашнего скота и сельскохозяйственная перепись.

Методы

Данные.

Для оценки бедности используются данные, полученные в результате обследования благосостояния 1997 года (WMSIII) и переписи населения и жилищного фонда 1999 года. В анкете опроса собрана информация о домохозяйствах и демографических характеристиках, образовании, активах, занятости, доходах и расходах (8). Перепись населения и жилищного фонда 1997 года была проведена тем же учреждением [Центральное статистическое бюро (ЦБС)].Анкета переписи включала информацию о членах домохозяйства и была распространена среди всех домохозяйств в стране, за исключением Северо-Восточной провинции. Хотя перепись не собирала информацию о доходах и расходах, она предоставляет информацию по ряду характеристик, которые оказались сильными коррелятами бедности.

Часть пространственного анализа использует ряд переменных с пространственной привязкой, описывающих топографию, растительный покров и землепользование, климат, демографию и доступ к рынкам / городам.Данные о дорогах и другие топографические данные, такие как растительный покров, почвы и климат, были получены от Africover, ⁱ , включая информацию о расположении дорог, рыночной и городской инфраструктуры. Мы использовали подмножество этих переменных в качестве наших независимых переменных, а независимые переменные-кандидаты агрегированы до уровня местоположения.

При выборе среди потенциальных детерминант благосостояния одним из ключевых соображений было получение переменных, которые, возможно, являются экзогенными для благосостояния или текущего потребления.Таким образом, например, мы исключаем несколько непространственных характеристик домашних хозяйств, таких как тип жилья или стоимость активов, потому что некоторые из этих характеристик уже используются при выводе уровней благосостояния. Некоторые из этих исключенных характеристик домохозяйств могут также частично определяться уровнем жизни в данном районе и вызывать озабоченность по поводу эндогенности при выборе подхода к моделированию.

В анализе пространственной регрессии мы используем данные, полученные в нескольких различных масштабах.Как указано в Benson et al. (4), объединение различных масштабов в таком анализе приводит к риску сделать выводы о более мелких аналитических единицах из совокупных характеристик группы, состоящей из нескольких таких единиц. Для нас это не проблема, потому что все пространственные факторы собираются в более локальных масштабах, чем на уровне местоположения.

Стратегия оценки.

Чтобы смоделировать распространенность бедности как функцию выбранных пространственных переменных, мы выполнили два различных анализа: ( i ) простую регрессию методом наименьших квадратов и ( ii ) глобальную пространственную регрессию.Мы также проанализировали бедность на двух разных уровнях: национальном и провинциальном.

Обобщенная регрессионная модель OLS.

В применении к этому контексту мы оцениваем регрессионную модель OLS как: где Y — вектор наблюдений зависимой переменной; X — матрица независимых переменных, β — вектор коэффициентов, а e — вектор случайных ошибок.

Несмотря на популярность этого подхода, проблемы пространственной автокорреляции ограничивают его применение при анализе пространственных отношений.Поскольку на бедность в одном месте может влиять бедность в соседнем, важно учитывать характер пространственной зависимости, присущей данным. Другой способ проявления проблемы пространственной автокорреляции — это корреляция ошибочных членов. Следовательно, если мы не исправим пространственную автокорреляцию, предположения о регрессии МНК будут нарушены, и оценки, полученные с помощью этого метода, вероятно, будут смещенными. Для оценки пространственной автокорреляции была исследована кластеризация остатков из модели OLS с использованием статистики Морана I .

Модель глобальной пространственной регрессии.

Чтобы контролировать пространственную автокорреляцию в модели, мы модифицируем модель, добавляя дополнительную независимую переменную. Эта переменная предназначена для представления пространственной зависимости зависимой переменной. Обычно это делается с помощью пространственного запаздывания зависимой переменной. В этом случае пространственное отставание зависимой переменной определяется как средневзвешенное значение переменной для соседних пространственных единиц рассматриваемой единицы наблюдения (9).

Существует два основных способа проявления пространственной автокорреляции, которые называются зависимостью от пространственного запаздывания и зависимостью от пространственной ошибки. Зависимость от пространственного запаздывания относится к ситуации, когда на зависимую переменную в одной области влияет зависимая переменная в соседних областях. Такая взаимосвязь моделируется как модель пространственного запаздывания и может быть записана следующим образом: где y _i — зависимая переменная для области i , δ — пространственный коэффициент авторегрессии, w _ij — пространственный вес, отражающий близость i и j , y _j — зависимая переменная для области j , β — вектор коэффициентов, X _j — это матрица независимых переменных, а ε _j — член ошибки.

Матрица пространственных весов, w , представляет степень близости между каждой парой пространственных наблюдений. ^j Это двоичная переменная, если две области являются смежными, или непрерывная переменная, зависящая от расстояния между двумя областями или местоположениями. Отсутствие этой корректировки приведет к смещению и непоследовательности коэффициентов.

Второй тип пространственной зависимости может быть отнесен на счет погрешности модели.В этом случае ошибка для модели в одной области или месте коррелирует с членами ошибки в соседних местах (9). Этот вид пространственной зависимости возникает, если есть переменные, которые не включены в регрессионную модель, но оказывают влияние на зависимую переменную и пространственно коррелированы. Такая взаимосвязь может быть смоделирована как модель пространственной ошибки: где y _i — зависимая переменная для области i , λ — пространственный коэффициент авторегрессии, w _ij — пространственный вес, отражающий близость i и j , y _j — зависимая переменная для области j , β — вектор коэффициентов, X _j — это матрица независимых переменных, а ε _j — член ошибки.

Здесь член ошибки дезагрегирован на пространственное запаздывание члена ошибки соседних местоположений и члена остаточной ошибки для рассматриваемой пространственной единицы. Когда существует зависимость от пространственной ошибки, коэффициенты OLS будут несмещенными, но неэффективными (стандартные ошибки будут больше, чем если бы не было пропущенных переменных), что затрудняет интерпретацию результатов значимости (10).

Пространственная автокорреляция может быть обнаружена с помощью стандартной глобальной и локальной статистики, которая была разработана, включая индекс Морана, статистику C, G Гири и LISA (10).Когда есть пространственная ошибка или пространственная зависимость, можно использовать соответствующую модель для исправления проблемы. Для пространственной зависимости используется модель пространственного запаздывания. В случае пространственной ошибки мы используем модель пространственной ошибки. На практике между двумя пространственными моделями обычно очень мало различий. Однако, чтобы выбрать, какую модель использовать, используется тест множителя Лагранжа для оценки статистической значимости коэффициентов в каждой модели. Там, где вероятна пространственная автокорреляция, обычно значимым будет результат теста для каждого из них.В таком случае предпочтительной моделью является модель с наивысшим значением теста множителя Лагранжа (10). Таким образом, модели пространственной регрессии корректируют пространственную автокорреляцию, а их оценки беспристрастны, эффективны и непротиворечивы. Подробная информация о процедуре оценки представлена ​​в SI Приложение .

Благодарности

Мы благодарим Джона Линама за его инициативу и вклад. Авторы также выражают признательность CBS, Продовольственной и сельскохозяйственной организации (ФАО) и другим организациям, предоставившим эти данные.Мы ценим вклад и комментарии сотрудников CBS и правительства Кении. Особая благодарность также выражается Рассу Круске из отдела ГИС Международного научно-исследовательского института животноводства (ILRI) за помощь в картировании и анализе ГИС, Луису Карлосу Родригесу и Марен Радени за их комментарии, Дугласу Иконго за материально-техническую поддержку и многим другим. кого мы здесь не упомянули. Этот отчет является публикацией проекта, совместно реализованного CBS и ILRI и финансируемого Фондом Рокфеллера.

Сноски

• ^b Кому следует направлять корреспонденцию. Эл. Почта: pokwi {at} cgiar.org

• Вклад авторов: P.O.O. и П. Кристьянсон разработали исследование; П.О.О., Г.Н., П. Кристьянсон, М.А., А.Н. и П. Кариуки проводили исследования; Т. внесены новые реагенты / аналитические инструменты; П.О.О., Г.Н., П. Кристьянсон, М.А., А.Н., А.О., Н.Х., П. Кариуки и Дж.О. проанализировал данные; and P.O.O., P. Kristjanson, M.A., and A.N. написал газету.

• Авторы заявляют об отсутствии конфликта интересов.

• Эта статья представляет собой прямое представление PNAS.

• Эта статья содержит вспомогательную информацию на сайте www.pnas.org/cgi/content/full/0611107104/DC1.

• ↵ f Административными единицами Кении являются провинция, округ, район, район и субрегион.

• ↵ g Мы следуем теоретическому подходу «цепочки рисков», принятому Бенсоном, который подразумевает, что пространственные переменные, используемые в качестве независимых переменных, в значительной степени экзогенны по отношению к результату (показатель, основанный на потреблении, такой как показатель бедности, используемый здесь), и поэтому их можно интерпретировать как детерминанты. а не просто корреляты бедности. Для дальнейшего обсуждения этого различия см. Benson (4).

• ↵ h Данные по Северо-Восточной провинции включены в эту регрессию.

• ↵ i Africover — это база данных по экологическим ресурсам, созданная Продовольственной и сельскохозяйственной организацией (ФАО). Более подробная информация доступна на сайте www.africover.org/system/area.php?place=1.

• ↵ j Для проведения этих тестов использовались веса обратных расстояний. Мы провели анализ с помощью другой широко используемой формы взвешивания расстояний, квадрата обратного расстояния, и получили аналогичные результаты.

• Сокращения:

  CBS,

  Центральное статистическое бюро;

  ГИС,

  Географическая информационная система;

  OLS,

  обыкновенных наименьших квадратов.

• © 2007 Национальная академия наук США

моделирование детерминант поселений и пространственной эффективности среди поздних предковых популяций пуэбло в регионе Меса Верде, юго-запад США

150

Be There Then

Кое-что из того, что мы здесь делаем, можно было бы изучить с помощью традиционных статистических методов.Например, можно было бы построить ассоциации между источниками

воды различного типа и наличием / отсутствием местоположения участков. Другие аспекты этого исследования

• было бы труднее или невозможно воспроизвести с использованием

таких технологий. Наши данные о палеопродуктах меняются каждый год, и поэтому для статистического использования

необходимо усреднить для определенного участка за многие годы. Однако эта процедура может скрыть всплески производительности, которых может хватить

, чтобы вызвать переезд.Наконец, трудно представить, как динамическое воздействие агентов на эти изменяющиеся среды могло быть изучено в

при отсутствии smmlation.

Наша краткосрочная повестка дня — выйти за рамки исследования окружающей среды —

ментальных детерминант местоположения объекта. Во многих областях процесс агрегации

в неолитических обществах происходит на ранней стадии последовательности изменений, которые часто в конечном итоге включают в себя усиление специализации задач, реорганизацию хранилища

, которая отчуждает часть его от домашнего хозяйства, добавление новых слоев

церемониальной организации, ориентированных на товарищество, а не на его кон-

составляющих родственных группы, и появление ранжированных родственных групп.Не все из этих

изменений, по-видимому, произошли в нашей области исследования, возможно, отчасти из-за серии неблагоприятных климатических явлений

в конце 1200-х годов, но нет причин

, по которым, в конечном итоге, мы не можем использовать raachinery, которую мы строятся здесь как

как основа для изучения различных предположений о функционировании таких процессов

в подобных обществах.

2 МЕТОДЫ

2.1 ПОСТРОЕНИЕ ПАЛЕООБРАЗОВАТЕЛЬНЫХ ЛАНДШАФТОВ

Годовые карты потенциального сельскохозяйственного потенциала, используемые в этом моделировании

, были составлены Ван Вестом (1994) следующим образом:

1.Определена область исследования. Выбранная территория должна была иметь достаточно разнообразные формы рельефа

, изменчивую высоту и • хорошо задокументированные археологические памятники

, датируемые соответствующими периодами времени. Кроме того,

должны существовать как 7,5-минутные ЦМР (цифровые модели рельефа). В конце концов, Van

West выбрал. площадь, эквивалентная 12 7,5-минутным топографическим картам, до

представляют собой максимальную исследуемую область.

2. Базовая карта для исследования была создана путем мозаичного наложения 12 ЦМР на

одного изображения.

3. Установлено пространственное разрешение анализа. Изображение представляло собой

, разделенное на строки и столбцы, где каждая ячейка имела площадь 4 га (200 x 200 м)

. После обрезки окончательное изображение было организовано в виде 200 строк и

227 столбцов.

4. Ван Вест записал выбранные атрибуты для каждой из 45 400 ячеек на изображении

. Данные о почве в виде информации о почвенном ряду, глубине почвы, доступной влагоемкости

и естественной продуктивности почвы, а также урожайности сельскохозяйственных культур

Тимоти А.Kohler et al.

151

информации были записаны для каждой CEU. Информация о серии почв

использовалась для создания второго слоя данных или карты, которая отображала распределение

98 различных типов почв. В общей сложности 36 759 ячеек, представляющих 81% исследуемой области

(1470 км), имели полную информацию о почвах, когда это исследование

было первоначально проведено; эти ячейки использовались на всех последующих этапах.

5. Были составлены производные карты, которые позволили преобразовать данные о высотах и ​​почвах в более

интерпретируемых форм.Была составлена ​​третья карта, на которой методом

было выбрано 98 типов почв, классифицированных в один из 11 классов влажности почвы,

, которые можно было использовать для расчета индекса суровости засухи Палмера (PDSI)

рангов. Также была создана четвертая карта, которая классифицировала 1512 различных значений высоты —

у.е. в одну из пяти высотных полос. Каждая полоса высот

была связана с инструментальными записями соответствующей и ближайшей метеостанции

(Блафф, Юта.; Кортез, Игнасио,] Виза Верде и

Форт-Льюис, Колорадо).

6. Для расчета значений PDSI использовались данные о климате и почвах. Эти

представляли собой данные о месячных осадках и температуре с пяти

пяти метеорологических станций, расположенных на разных высотах, а также данные о

водоемкости и глубине почвы для 11 контрастных классов влажности почвы

. PDSI — это временные индикаторы влажности почвы; они

обычно используются для моделирования успеха богарного земледелия.Отрицательные значения

указывают на сухие условия, а положительные значения указывают на влажные условия

. Как и данные о ширине годичных колец, PDSI учитывают влияние осадков

и температуры. имеющиеся запасы почвенной влаги и

включают остаток за предыдущие месяцы в оценку на

текущего месяца. В этом исследовании PDSI, рассчитанные для июня в течение

годов за исторический инструментальный период, были коррелированы с данными о ширине годичных колец

за тот же набор лет.Это произвело калибровку или функцию переноса

, которая была применена ко всей длине серии годичных колец, AD

901 до 1970. Таким образом, было произведено 55 долгосрочных реконструкций PDSI,

, по одному на каждую комбинацию пяти высотных пластов с 11

группами почвенно-влажного грунта.

7. Ван Уэст создал пятую карту, показывающую точное пространственное распределение

каждого из 55 лет. реконструкции. Он объединил данные из 11 классов влажности почвы

и пяти диапазонов высот.

8. 55 долгосрочных реконструкций были использованы для присвоения ежегодных конкретных

значений PDSI каждой ячейке изображения. Следовательно, было создано 1070 плоскостей данных

, представляющих непрерывную запись потенциальных условий влажности почвы

за период с 901 года до 1970 года. В каждом из них суммированы различные условия влажности почвы, которые существовали в исследуемой области

на 1 июля, незадолго до наступления типичных летних дождей.

9. Все значения PDSI, рассчитанные для одного года, были повторно выражены как потенциальные урожаи

(сначала как бобы, а затем как кукуруза) и суммированы.