4.3 . پاسخ غنای گونه ای در دسته های مختلف گونه های خود به خودی به الگوهای ساختمانی و فضای سبز

در مطالعه ما، گونه‌های غیربومی 25.9 درصد از گونه‌های گیاهی خودبه‌خود شهری را تشکیل می‌دهند ( پیوست 2 )، مشابه یافته‌های Pyšek (1998) در بیش از 54 شهر اروپای مرکزی که به طور میانگین 25 درصد گونه‌های غیربومی ثبت شده است. . گونه‌های غیربومی عمدتاً از طریق شیوه‌های کشاورزی از آسیا ، آفریقا یا آمریکا مدت‌ها پیش به شهرهای اروپایی معرفی شدند، که منجر به تغییراتی در فرآیندهای تجمع اکولوژیکی شد که جوامع محلی گیاهی خود به خود را شکل می‌داد ( Qian et al., 2020 ). شنژن به دلیل اصلاحات و سیاست باز کردن، همراه با فعالیت های تجاری و مسافرتی گسترده در سواحل جنوبی چین، هجوم قابل توجهی از گیاهان غیربومی را تجربه کرده است. این پدیده را می توان در درجه اول به ساخت فضاهای سبز مصنوعی نسبت داد. گونگ و همکاران (2013) فضاهای سبز شهری را در شنژن بررسی کرد و کشف کرد که 46.6 درصد از گونه ها غیر بومی هستند. استفاده از گونه‌های غیربومی در فضاهای سبز خطر تهاجم این گونه‌ها را افزایش می‌دهد ( Padullés Gubino et al., 2019 , Qian et al., 2020 ). علاوه بر این، شهرنشینی سریع و فعالیت شدید انسانی در شنژن منجر به نسبت بیشتری از گونه های غیر بومی در میان گونه های گیاهی خود به خود شده است.

پس از دسته‌بندی همه گونه‌های گیاهی خود به خود به عنوان بومی یا غیربومی، ما از معیارهای الگوی ساختمان و فضای سبز دوبعدی/۳ بعدی برای ایجاد مدل‌های BRT جداگانه برای غنای گونه‌های بومی و غیربومی استفاده کردیم. در حالی که مقایسه سهم نسبی معیارها در بین مدل‌های مختلف مناسب نیست، مقایسه مشارکت‌های نسبی معیارها در هر مدل و بررسی منحنی‌ها و دامنه تأثیر معیارها در مدل‌های مختلف می‌تواند آموزنده باشد. نتایج BRT نشان داد که معیارهای فضای سبز (43.00٪) و معیارهای ساختمان (42.27٪) سهم تقریباً یکسانی در غنای کل گونه ها داشتند. علاوه بر این، تفاوت معناداری در سهم نسبی متریک فضای سبز (43.49٪) و معیارهای ساختمان (41.77٪) به غنای گونه های بومی وجود نداشت. این یافته‌ها فرضیه ما را تأیید می‌کند که هم الگوهای ساختمان و هم الگوهای فضای سبز نقش مهمی در شکل‌دهی غنای گونه‌ای خود به خود ایفا می‌کنند. با این حال، در مقایسه با معیارهای فضای سبز (27.96٪)، معیارهای ساختمان به طور قابل توجهی بیشتر (56.07٪) به غنای گونه های غیر بومی کمک می کند، که وابستگی شدید گونه های گیاهی خود به خودی غیر بومی را به فعالیت های انسانی ثابت می کند، زیرا ساختمان ها عناصر چشم انداز برجسته ای هستند که نشان دهنده انسان هستند. فعالیت در مناطق شهری این یافته‌ها با مطالعات قبلی مطابقت دارد ( Avolio و همکاران، 2020 ، Cavender-Bares و همکاران، 2020 ، Gao و همکاران، 2021 ) و از فرضیه ما حمایت می‌کنند که غنای گونه‌های خود به خودی بومی و غیربومی به طور متفاوتی به 2D/3D پاسخ می‌دهند. الگوهای ساختمان و فضای سبز به طور خاص، غنای گونه های بومی به همان اندازه تحت تأثیر فضای سبز و الگوهای ساختمانی است، در حالی که الگوهای ساختمانی عمدتاً بر غنای گونه های غیربومی تأثیر می گذارد. نتایج اثرات حاشیه ای نشان داد که منحنی ها و دامنه تأثیر معیارهای غالب برای الگوهای ساختمان و فضای سبز در مدل های مختلف متفاوت است، که نشان دهنده پاسخ های متمایز غنای گونه های خود به خودی بومی و غیربومی به این معیارها است ( شکل 5 ب و ج). این نتایج نشان می‌دهد که BCR تأثیر تقریباً معادلی بر غنای گونه‌های بومی و غیربومی دارد، در حالی که GCR و ED_G تأثیر قابل‌توجهی بر غنای گونه‌های بومی در مقایسه با تأثیر آنها بر غنای گونه‌های غیربومی دارند. علاوه بر این، SCD و FAR تأثیر بیشتری بر غنای غیر بومی نسبت به غنای گونه های بومی دارند. یافته‌های ما از این نتیجه حمایت می‌کنند که غنای گونه‌های خود به خودی غیر بومی تنها به تکثیر فضاهای سبز وابسته نیست، بلکه با سطوح بالای شهرنشینی و فعالیت‌های انسانی افزایش می‌یابد ( Zhu et al., 2019b , Avolio et al., 2020).). علاوه بر این، ویژگی های اساسی الگوهای فضای سبز، مانند نسبت پوشش و تراکم لبه، به طور قابل توجهی بر غنای گونه های خود به خودی بومی تأثیر می گذارد. با این حال، نسبت پوشش ساختمان ها تأثیر یکسانی بر غنای گونه های خود به خودی بومی و غیربومی دارد. میانگین ارتفاع ساختمان تأثیر بسیار بیشتری بر غنای گونه های خود به خودی بومی دارد. در همین حال، ویژگی‌های سه‌بعدی الگوهای ساختمان مانند درجه تراکم فضایی و نسبت سطح کف به شدت با غنای گونه‌های خود به خودی غیربومی مرتبط است.

در حالی که هر دو مدل BRT برای غنای گونه های بومی و غیربومی عملکرد قوی از خود نشان دادند، قابل توجه است که قدرت توضیحی مدل برای غنای گونه های غیربومی ( ^701/0 = R2  ) در مقایسه با مدل برای گونه های بومی کمتر بود. غنا ( R2 = ^0.827  ). متأسفانه، مطالعه ما نتوانست یک مدل BRT قابل اعتماد برای گونه‌های خود به خود مهاجم را به دلیل قدرت توضیحی ناکافی آن، که الزامات پیش‌بینی دقیق را برآورده نمی‌کرد، ایجاد کند. بنابراین، عوامل دیگری مانند سطوح غیرقابل نفوذ، جاده‌ها و ناهمگونی چشم‌انداز ممکن است نقش‌های محوری در شکل‌دهی پراکندگی گونه‌های غیربومی و مهاجم داشته باشند. یان و همکاران (2019) از درصد سطوح غیرقابل نفوذ به عنوان شاخص شدت شهرنشینی استفاده کرد و دریافت که افزایش نسبت سطح غیرقابل نفوذ غنای گونه های غیربومی را تسهیل می کند. کنار جاده ها تمایل دارند گونه های سازگار با مزاحمت های بیشتری را در خود جای دهند، به ویژه گونه های مهاجم ( گلبارد و بلنپ، 2003 ). علاوه بر این، گیاهان مهاجمی که کنار جاده‌ها را اشغال می‌کنند اغلب می‌توانند در امتداد زیستگاه‌های پیوسته ایجاد شده توسط جاده‌ها از طریق پراکندگی بذر توسط وسایل نقلیه و شستشوی آب از طریق سیستم‌های زهکشی جاده پخش شوند ( فون در لیپ و کوواریک، 2007 ، کریستن و ماتلاک، 2009 ). افزایش ناهمگونی چشم انداز نیز باعث ایجاد گونه های گیاهی مهاجم می شود ( Kotowska et al., 2022 ). جدای از ویژگی‌های الگوی منظر، عوامل دیگری مانند ترجیحات انسانی و شیوه‌های مدیریت ( مک‌کینی، 2001 ، مک‌کینی، 2006 )، تاریخچه کاربری زمین ( جانسون و همکاران، 2017 )، و فرآیندهای شهرنشینی (فلین و همکاران، 2018) هستند. همچنین به احتمال زیاد در غنای گونه‌های غیربومی و مهاجم خود به خود نقش دارند.

4.4 . کمبودها و تحقیقات آتی

مطالعه ما پاسخ‌های غنای گونه‌های گیاهی خود به خود شهری را به الگوهای ساختمان‌های دوبعدی/سه بعدی و فضای سبز نشان داده است. با این وجود، چندین نقص باقی مانده است. در مرحله اول، داده های ما در مورد گیاهان خود به خود از طریق بررسی های میدانی با نیروی انسانی به دست آمد. برای اطمینان از اندازه‌های نمونه ثابت برای محاسبه غنای گونه‌ای خود به خود، تعداد مساوی ربع را به‌طور تصادفی از رویشگاه‌هایی مانند کنار جاده‌ها، دیوارهای بنایی، پایه‌های درختان و لبه‌های فضای سبز مدیریت‌شده در هر قطعه انتخاب کردیم، در حالی که زمین‌های خالی را به دلیل نبود آن‌ها در هر قطعه حذف کردیم. مناطق ساخته شده شهری به منظور بهبود دقت داده ها در مورد غنای گونه ای گیاهان خود به خود، تحقیقات آینده باید بر افزایش بررسی های میدانی و اتخاذ رویکرد تحلیل مجانبی از طریق تخمین آماری تنوع های واقعی متمرکز شود ( چائو و همکاران، 2015 ). در مرحله دوم، ما ارتفاع پوشش گیاهی را بر اساس تصاویر GF-2 اندازه گیری کردیم. در حالی که مطالعات قبلی دقت این روش و مناسب بودن آن را برای اهداف ما نشان داده است ( بای و همکاران، 2019 ، Zeng و همکاران، 2022 )، تحقیقات آینده باید پتانسیل فناوری LiDAR/SAR را برای استخراج اطلاعات ارتفاع پوشش گیاهی برای بهبود بررسی کند. اعتبار تحقیقات ما بیشتر است. علاوه بر این، ما به‌طور تصادفی قطعه‌هایی با ابعاد 1 کیلومتر × 1 کیلومتر را نمونه‌برداری کردیم. با این حال، این روش به واحد عملکردی شهری و بلوک مبتنی بر جاده چشم پوشی می کند زیرا ساختمان ها و فضاهای سبز را در واحدهای تجزیه و تحلیل قطع می کند. مطالعات آینده نیاز به کشف روش‌هایی برای ایجاد یک واحد تحلیل معقول‌تر شبیه به بلوک شهری با استفاده از شبکه‌های جاده‌ای دارد. توجه به این نکته مهم است که تعاملات بین الگوهای منظر شهری و تنوع گیاهی وابسته به مقیاس است ( تالاگا و همکاران، 2017 ، چانگ و همکاران، 2022 )، بنابراین باید تحلیل‌های چند مقیاسی انجام شود.