کاربردهای درست و نادرست شاخص‌‌های سیمای‌‌سرزمین

بوم‌‌شناسی سیمای‌‌سرزمین در دو دهه‌‌ی اخیر شاهد شور و هیجان زیادی بوده است. یکی از دلایل این شور وارد کردن تحلیل فضایی و مدل‌‌سازی در تحقیقات بوم‌‌شناختی است، اما هنوز انتظارات زیادی از تحلیل‌‌های سیمای‌‌سرزمین و افزایش درک و پیش‌‌بینی ما از فرآیندهای بوم‌‌شناختی برآورده نشده است. در پژوهش‌‌های تحلیل سیمای‌‌سرزمین تا کنون سه نوع مشکل اساسی شناسایی شده است: اشتباهات مفهومی در تحلیل الگوی سیمای‌‌سرزمین، محدودیت‌‌های ذاتی شاخص‌‌های سیمای‌‌سرزمین و کاربردهای نادرست این شاخص‌‌ها. به‌‌عنوان مثال؛ بسیاری از پژوهش‌‌های مربوط به تحلیل سیمای‌‌سرزمین با توصیف‌‌های کمی الگوی فضایی پایان می‌‌پذیرند، گویی الگوی فضایی خودبخود توضیح دهنده فرآیند است، که البته این طور نیست. علاوه‌‌براین، شاخص‌‌های سیمای‌‌سرزمین و اطلاعات نقشه‌‌ای گاهی بدون آزمون معنای بوم‌‌شناختی آنها بکار برده می‌‌شوند که نه تنها باعث تفسیر اشتباه می‌‌شوند؛ بلکه منجر به نتیجه‌‌گیری بی‌‌معنا نیز می‌‌شوند. همچنین، به دو دلیل تحلیل همبستگی این شاخص‌‌ها دچار مشکل می‌‌شوند: کمبود داده ناشی از دشواری آزمایشهای بزرگ مقیاس و رفتار پیچیده شاخص‌‌ها ناشی از واکنش متغیر آنها به تغییرات در مقیاس و الگوی مکانی. این مشکلات بیانگر چالش‌‌های بزرگی در تحلیل سیمای‌‌سرزمین، به‌‌ویژه درخصوص ارتباط الگو با فرآیند هستند. در این مقاله، به مشکلات مورد نظر پرداخته می‌‌شود و برخی راه‌‌حل‌‌های آن ارائه می گردد.

use and misuse of landscape indices

landscape ecology has generated much excitement in the past two decades. one reason was that it brought spatial analysis and modeling to the forefront of ecological research. however, high expectations for landscape analysis to improve our understanding and prediction of ecological processes have largely been unfulfilled. we identified three kinds of critical issues: conceptual flaws in landscape pattern analysis, inherent limitations of landscape indices, and improper use of pattern indices. for example, many landscape analyses treat quantitative description of spatial pattern as an end itself and fail to explore relationships between pattern and process. landscape indices and map data are sometimes used without testing their ecological relevance, which may not only confound interpretation of results, but also lead to meaningless results. in addition, correlation analysis with indices is impeded by the lack of data because of difficulties in large-scale experimentation and by complicated behavior of indices as a result of their varying responses to changes in scale and spatial pattern. these problems represent significant challenges to landscape pattern analysis, especially in terms of relating pattern to process. in this perspective paper, we examine the underlying problems of these challenges and offer some solutions.