تحقیق در مورد حفظ منابع طبیعی

 1. 1. حفظ منابع طبیعی
مقدمه:
هدف از حفظ منابع طبیعی حمایت از نواحی زیبا و خوش منظره، گیاهان جانوران، فعالیت های تفریحی معروف و یا اکوسیستم های حساس است. تلاش های بین المللی توسط سازمان هایی از قبیل کمیته جهانی در مورد نواحی حفاظت شده تلاش می کنند. تا از برخی نواحی برای سود رسانی به نسل های حاضر و نسل های آینده حفاظت کنند. بسیاری از دولت ها متعهد شده اند تا سیستم های گسترده ملی شان را برای این ذخایر گسترش دهند تا از تنوع زیستی حفاظت کنند. اگر چه ، در بسیاری نمونه ها محل هایی برای این ذخایر انتخاب می شود که هیچ بررسی آشکاری در جهت حفظ محیط زیست ندارند و اغلب برای اهداف کوتاه مدت اجتماعی، اقتصادی و یا سیاسی هستند. در حالیکه این ذخایر می توانند در برخی نمونه ها نمایانگر تنوع زیستی باشند، آن ها در فعالیت های تجاری غیر ضروری هستند و از اینرو در نیاز به حفاظت دست کم گرفته می شوند. این تمرین باعث می شود تا ذخایر جدید در نواحی قرار بگیرند که توزیع خوبی در نشان دادن تنوع زیستی فراهم نکرده اند. اخیرا حرکتی در جهت سازگاری یک روش منظم تر برای انتخاب ذخایر صورت گرفته است.
طراحی منظم حفاظت از محیط زیست یک اساسی را برای یک روش سازمان یافته فراهم می کند تا نواحی و محیط هایی را برای ذخیره جا انتخاب کند، که هدف آن افزایش دادن فرصت هایی است که تنوع زیستی حفظ شود.

2. 1. طراحی منظم حفاظت از محیط ریست:
تصمیم گیری ها درباره حفاظت از محیط زیست، چه از طریق ذخایر یا احیای زیستگاه، باید توسط اهداف مشخصی، تشخیص اولویت ها در مقیاس های ناحیه ای مختلف و گزینش های مشخص بین نواحی محیط زیست بالقوه و مفاهیم دیگر مدیریت زیستگاه هدایت شوند.
ذخایر باید نمونه ای از تنوع کامل زیستی باشند. و نیز باید بقای طولانی مدت گونه های موجود در آن ها با حفظ فرآیند ها ی طبیعی و سطوح جمعیتی قابل اجرا و کنار گذاشتن تهدیدات یا خطرات را به همراه داشته باشند.
کارآیی یکی از مهمترین ویژگی های فرآیند انتخاب ذخایر است. یک روش مورد استفاده توسط محققان مختلف فراهم کردن حداکثر مقدار تنوع گونه ای برای کاهش هزینه و هزینه اندازه گیری شده در ناحیه است. این به مسئله حداکثر پوشش ناحیه یا محل معروف است. روش دیگر به حداقل رساندن هزینه است که مشروط به دسته ای از الزام ها و احیارها ست. این روش مسئله جایگاه پوشش محل معروف است SCP، یک پایه را برای بدست آوردن این اهداف و اهداف دیگر فراهم می کند از قبیل جامعیت ، شایستگی، غیر قابل جایگزین کردن و مکمل بودن.
SCP دارای شش مرحله است، که هدف آن انتخاب کردن نواحی برای حفاظت است که تنوع زیستی را در یک ناحیه به حداکثر برساند. مرحله یک ویژگی هایی را انتخاب می کند که به عنوان جایگزین هایی برای تنوع زیستی عمل می کنند. مرحله دوم اهداف کمیتی حفاظت را مشخص می کند. مرحله سوم گستره ای را اندازه گیری می کند که این اهداف حفاظتی توسط سیستم های ذخیره ای موجود به کار گرفته می شوند.
مرحله چهارم آرایش های مقدماتی نواحی ذخیره ای جدید را مشخص می کند که سیستم های دخیره ای موجود را کامل می کنند و به اهداف حفاظتی می رسند.
مرحله پنجم مفاهیم قابل قبول در تحقق عملکرد حفاظت از محیط زیست را مشخص می کند. در نهایت، مرحله ششم، مکانیسم هایی را برای حفظ شرایط مساعد در نواحی حفاظتی خاص گسترش می دهد. چالش های تکنیکی می توانند با سیستم های حمایتی تصمیمات مکانی آرام شوند که بطور اتوماتیک مراحل مهمی در یک فرآیند SCP هستند. توان موجود برای طراحی ذخیره تحت حمایت قوانین SCP است.
اگر چه ،SCP فرآیندی است که به راحتی به دست می آید ، که به دلیل طراحی جنبه های پیچیده اجتماعی، سازمانی و عملکردی است.
گر چه قوانین SCP می توانند به عنوان یک سری فرآیند های دستی تحقق یابند ، سیستم های کامپیوتری جدید فرصتی را برای گسترش ابزارهای حمایت از تصمیم گیری ها فراهم کرده اند که راه حل های سریعتر، کار آمد تر، طراحی واقعی تر زمان را بر اساس بررسی های کمیتی – علمی پایگاه های داده ای بزرگ مکانی ایجاد می کنند .
آن سیستم هایی که در یک متن مکانی به کار می روند را اغلب SDSS می نامند، و می توان از الگوریتم های ریاضیاتی برای حل کردن مسائل پیچیده مکانی استفاده کرد. آنها توانایی فراهم کردن طراحان حفاظت از محیط زیست را همراه با تنظیمات اساسی جایگاه ها یی که اهداف حفاظتی را ارضا می کنند را دارند. SDSS می توان برای اصلاح کردن یا گسترش دادن آرایش مکانی جایگاه ها مورد استفاده قرار بگیرد تا به افراد تصمیم گیرنده در مورد انتخاب نهایی شان کمک کنند.

3. 1. الگوریتم های گزینشی:
بسیاری از الگوریتم های گزینشی در انتخاب محل ذخیره (منبع) مورد استفاده هستند، اما آن ها بطور گسترده در دو طبقه بندی مشخص هستند و به این صورت تفکیک می شوند که آیا راه حل های مناسب یا مفید مناسبی را فراهم می کنند یا نه .
در این جا چندین مرور قابل مقایسه وجود دارد که نتیجه می گیرند که ( روش های تقریبی) شامل الگوریتم های خوب و کمیاب شبیه سازی شده است که ممکن است یک راه حل مناسب و کار آمد را برای انتخاب جایگاه پیدا نکنند. این روش های نیمه مناسب مساعد هستند زیرا راه حل های سریعی را به همراه گروه های داده ای بزرگی از هزاران جایگاه و ویژگی ایجاد می کنند و می توانند با مسائل پیچیده غیر
خطی سرو کار داشته باشند، اگر چه تنها با جایگاه هیا داده ای کوچک ارتباط دارند.
از طرف دیگر‏، راه حل های تضمین شده مناسب را می توان با به کارگیری الگوریتم های IP پیدا کرد که در عملکردهای تحقیقی مورد استفاده هستند، مثل برنامه ریزی خطی براساس الگوریتم های شاخه ای و وابسته. فردی بنام Pressev اثبات کرد که راه حل های تقریبی بین 5-20% مناسب هستند.
افرادی به نام های Onal, Pressey حدس زدند که بهینه سازی در تمام روش های تقریبی مورد نظر است که به دلیل کارآیی راه حل در گذشته است، افرادی به نام های Rodrigues و gaston اثبات کردند ک بهینه سازی IP می تواند مشکلات عمده را در طراحی سیستماتیک و ذخیره تعاملی حل کند.
اگرچه مجادله اخیر درباره این اظهارات سئوالاتی دارد، ما از IP به این دلیل استفاده می کنیم که یک روش سریح و اثبات شده است که هیچ پیامد های نا مشخصی ندارد، زیرا با کاربردش در بسیاری از مطالعات اخیر به موفقیت رسیده است. بعلاوه، کاربردهای IP برای بررسی های طراحی مناظر خاکی راه حل هایی را برای مسائلی با گروه های داده ای بزرگ فراهم می کنند. علاوه بر این روش های IP در بررسی های انتخاب ذخیره خاکی برای مدتی مورد استفاده قرار گرفتند و اخیراَ هم افزایش یافته اند، تنها اخیراَ این روش ها در طراحی ذخیره دریایی به کار رفته اند.
Gerner و Bryan توان اتوماتیک کردن وظیفه یا کاردستی تهیه داده ها و دستکاری داده ها را مشخص کردند و نیز انتقال راه حل ها را بین یک مدل تحلیلی GIS وIP تعیین کردند:

4. 1 . متداول سازی GIS:
کاربردهای جدید GIS اغلب شامل ابزارهایی برای گسترش متداول سازی است که قابلیت های سیستم را گسترش می دهند، و از اینرو فرصتی را برای اتصال یک GIS به مدل های تحلیلی قدرتمندتر فراهم می کنند که ممکن است قبلاَ برای بررسی های مکانی مورد استفاده نبوده اند. برخی از متداول سازی ها ارزش های چشمگیری را به داده های جغرافیایی اضافه می کنند. اتصال بین یک GIS و یک مدل تحلیلی متمایز می تواند یا به صورت دستی یا بصورت برنامه ریزی با استفاده از نرم افزار thid- party تحقیق یابد. Bryan و garner از روش دستی هنگامی استفاده کردند که IP را با GIS به یک فایل متنی فرستادند و پس از یک فایل متنی در ارتباط با یک فایل توضیح مدل بعنوان ورودی برای نرم افزار تحلیلی استفاده کردند. نتایج این بررسی به یک فایل متنی دیگر فرستاده شدند و پس قبل از بالا آمدن در GIS برای نمایش دادن و ارزیابی بصورت دستی پردازش شدند. این پردازش دستی بصورت متمرکز است و برای انجام دادن بررسی های مختلف که بطور طبیعی در مورد یک SDSS مورد قبول است سودمند نیستند. بسیاری از سیستم های اخیر حمایت از تصمیم که گسترش یافته اند و قابلیت اجرای GIS را افزایش داده اند و در این نوشته گزارش شده است. برای مثال، Shen یک سیستم مدل سازی پنجره ای Stan-alone گسترش داده که ابزارهای GIS، قابلیت های مدیریت داده ها و یک مدل آب پخشان پر یا و پردازشگر بعدی را تلفیق می کند. مدل آن های مدیریت ارتباطات بین لایه های داده های متعدد مکانی را آسان می کند و در این بررسی هیدرولوژی آب پخشان و جریان رود به نحو کارآمدی شبیه سازی شده اند. ارتباط جریان یک ابزار تقسیم آب شبیه سازی بر اساس GIS است که توسط Schluer گسترش یافته است.
این ابزار با ارزیابی تلاش های اکولوژیکی کاهش جریان تحت مدیریت دیگر آب و راه بردهای تقسیم آب ارزیابی شده و با شبیه سازی آب گذرا از تجهیزات و تقسیمات مناسب استفاده می کند.
سومین مثال چیزی است که Adenso-Diaz (کسی که یک سیستم حمایت از تصمیم گیری محیطی را ایجاد کرد.)
در یک GIS به کاربرد و از اینرو قادر به عملکرد GIS است. EDSS برای تصمیمات مربوط به محل و طراحی سیستم های جدید اتلاف آب در نواحی روستایی‏، و بررسی هزینه اقتصادی، کیفیت محیطی و هزینه اجتماعی است. مثل مثال های قبلی، این سیستم حمایت از تصمیم سرعت مدیریت داده ها را افزایش می دهد و برای بهبود تصمیم گیری بررسی می شود.
ما فرآیندی را پیشنهاد می کنیم که GIS و مدل تحلیلی را بهم متصل می کند، و انتقال پارامترها و داده ها را اتوماتیک می کند و بصورت نموداری بررسی منجر به GIS را بدون نیاز به عملکرد بیشتر نمایش می دهد (تصویر lb). این فرآیند باید با سرعت انجام شود و از اینرو نتایج می توانند به سرعت ارزیابی شوند و یا مورد قبول واقع شوند و یا رد شوند. این فرآیند اتوماتیک زمان را هدر نمی دهد و حاشیه های اشتباهات طبیعی را از هر فرآیند دستی بر می دارند. و نیز بررسی های حساس تر را تحریک می کنند تا تاثیر تغییرات ثابت را برای ارزیابی پارامترها مشخص کنند.

5. 1. ابزارهای انتخاب ذخایر موجود:
در دهه گذشته تعدادی از سیستم های حمایت از تصمیم گیری در پاسخ به نیاز به سیستم های تقویت شده اطلاعاتی گسترش یافتند تا بطور کار آمدی تنوع زیستی را مدیریت کنند. این ابزارها و C-plan (طراحی c) سطوح متغییری از واکنش یا فعالیت متقابل و تلفیق را فراهم کردند و همگی از مدل های heuristic استفاده می کنند. هیچ یک از بهینه سازی IP بعنوان یک مدل تحلیلی استفاده می کنند، بنابراین آن ها نمی توانند راه حل های مناسب را تضمین کنند. برای مثال، MARXAN از annealing شبیه سازی شده استفاده می کند تا به طراحی ذخیره آبی کمک کنند و جمعیت قابل ملاحظه ای را برای راه حل سریع تر و افزایش قدرتمند الگوریتم ها بدست آورند. اگرچه، احتیاجات پیش پردازی داده های ورودی درباره MARXAN واکنش متقابل محور آن با یک GIS کارآیی این برنامه را کاهش می دهد.
یک سیستم WORLDMAP از مسیرهای اتوماتیک ساده برای جمع بندی تنوع زیستی و طراحی مکانی استفاده می کند. WORLDMAP قابلیت های تجسم داده های جدا نشدنی را دارد و از اینرو داده ها می توانند به یک GIS برای بررسی شدن انتقال یابند، هیچ تلفیقی با یک GIS وجود ندارد. C-plan یک GIS صحیح دارد و از اینرو سطح بالاتری از فعالیت متقابل را فراهم می کند. مدل تحلیلی آن بر اساس محتوای عدم توانایی جایگیری است، یک اندازه گیری که اهمیت یک ناحیه را در رسیدن به اهداف ناحیه ای حفاظت از محیط زیست منعکس می کند، است. جایگاه هایی می توانند برای رزو جا انتخاب شوند یا از به کارگیری روش های نیمه مناسب (sub-optimal) برای پیدا کردن راه حل ها استفاده می کند.

6. 1. هدف این مطلب:
هم تلاش های ملی و هم بین المللی که در جهت حفاظت از محیط های دریایی مشخص شده اند نیاز به یک شبکه MPA دارند. در پاسخ، دولت استرالیایی جنوبی متعهد شد تا یک سیستم نشانگر از 19 MPA را در آب های ساحلی ایالت اجرا کند. این مطلب پیشرفت و کاربرد ارزیابی حفاظت از ذخایر و سیستم بهینه سازی طراحی را به طور مفصل توضیح می دهد که توسط دولت استرالیای جنوبی مورد قبول است. ما یک SDSS کامل را نشان داده ایم که سطوح بالاتری از تلفیق، فعالیت متقابل، انعطاف پذیری و استفاده بیشتر را نسبت به چیزی که در ابزارهای گزینشی ذخایر موجود است، فراهم می کند. توانایی استفاده از بهینه سازی IP برای انتخاب ذخایر حفاظتی محیط زیست نسبت به حرفه های غیر تکنیکی، بیشتر قابل دسترسی خواهند بود، از اینرو سیستم های مناسب تر و کار آمدتر ذخایر حفاظتی را با هزینه کمتر نسبت به چیزی که قبلاَ امکان داشت ایجاد می کنند. دولت استرالیای جنوبی از CREDOS به عنوان ابزاری برای تصمیم گیری در تلاش هایش استفاده خواهد کرد تا یک سیستم نشانگر از MPA ها را در آب های ساحلی ایالت تاسیس کند CREDOS اولین SDSS کاملاَ تلفیق شده برای ترکیب کردن سطوح بالاتر فعالیت متقابل با روش های بهینه سازی IP است.

2. روش ها:
1-2- نرم افزار:
SDSS (CREDOS ) متشکل از 3 قطعه است. قطعه ای که برای کاربر مشخص است GIS است. قطعه ای که کمتر مشخص است نرم افزار تحلیلی IP است. اتصال این دو قطعه سومین قطعه است، رابط CREDOS، که در ابتدا بصورت طول بار در تلاقی GIS انتخاب شده برای این پروژه 3/8 Arc Map است. Arc GIS Spatial Analyst با نصب و به کار گرفته شود.
نرم افزار تحلیلی IP 0/9 CPLEX است، که در یک محل حفاظت محیط زیست قابلیت حل کردن برنامه های خطی مقیاس بالا و طبقه های مختلف برنامه های عدد صحیح را دارد.
مدل های بهینه سازی و فایل های داده ای که در نسخه OPL نوشته می شوند از 6/3 OPL Studio استفاده می کند.
نرم افزار رایج third- party گسترش یافت تا با ESRI'S و استودیو ILOGS'S و CPLEX با استفاده از زبان COM ارتباط داشته باشند. این نرم افزار Arc Objects نام دارد تا عملکرد مکانی رقصایی را انجام دهد و کتابخانه های قطعه ای ILOG برای انجام بهینه سازی است. این نرم افزار بعنوان یک پروژه DLL در VB گسترش یافت تا با Arc Map قابل حمل است و در یک سند نقشه ای خاص یا یک الگوی خاص بسته نیست.

2-2- الگوریتم IP
مدل IP مسئله مربوط به جایگاه تقسیم در این بررسی مورد استفاده است تا اهداف حفاظتی واقعی و نسبی را نشان دهد. این مدل در زیر مدل توضیح داده شده است.
یک ماتیریس mxn A، که m تعداد جایگاه ها و n کل تعداد طبقه های داده ای است، فراهم می شود که عناصر aij به یک مقدار جفتی (یا دوتایی) مربوط است که طبق حضور یا عدم حضور یک طبقه در هر جایگاه است (جدول 1). جایگاه ها یک مقدار از یک را می دهند اگر در یک طبقه خاص باشد، به عبارت دیگر صفر که:
1 اگر جایگاه i در طبقه j باشد. برایj = m 1000 و j = n 1000
یا در غیر اینصورت 0 است.
1 اگر جایگاه i برای رزو جا انتخاب شده است. m 1000= i برای
در غیر اینصورت 0 است
شکل پوشش جایگاه تقسیم برای کاهش دادن تعداد جایگاه های انتخاب شده مبارزه می کند که مشروط به الزامات مساحتی برای هر طبقه است (cj) . الزمات مساحتی تابعی از مساحت طبقه داده ها اهداف نسبی و حداقل هدف مساحت می باشد. برای هر طبقه از داده ها، این الزام مساحتی برابر با یک هدف نسبی ضرب در تعداد جایگاه ها در هر طبقه است البته اگر این مقدار بزرگتر یا برابر با حداقل مساحت باشد. به عبارت دیگر یا در غیر اینصورت، الزام مساحتی برای این طبقه برابر با کمترین کل تعداد جایگاه های هر طبقه یا برابر با حداقل مسافت خاص است. الزامات مساحتی و نسبی در ارتباط با یکدیگر کار می کند. هر کدام وسیله حفاظت از دیگری در مقابل خاص است، بویژه آنهایی که در یک مساحت کلی کوچک هستند. از نظر ریاضیاتی روش های بهینه سازی تلاش می کنند تا :
(1) را کاهش دهند (2) مشروط به (3) که
اگر
دومین احیار هم در این مدل اجرا شد تا حضور جایگاه های ذخیره شده موجود را در نظر بگیرد. این جایگاه ها مقدار 1 را برای Xj دارند. پس هدف از این مدل ها انتخاب کردن جایگاه های ذخیره نشده ای است که. با همدیگر با ذخایر موجود به اهداف حفاظتی را بطور کاراتری ملاقات کنند.

2-2- الزامات مکانی
راه حل های مناسب. در حالیکه دو الزام بالایی را دارند. به طور واضحی محل جغرافیایی را بررسی نمی کنند و می توانند تجزیه شوند و قابل اجرا هم نیستند. این یک مشکل اساسی در تمرین هایی طراحی حفاظت از محیط زیست است. اما تلاش های موفقیت آمیز متعددی با وارد کردن الگوریتم های فشرده و تراکمی در عملکرد قابل مشاهده بر این مشکل غلبه کرده اند. برای مثال Ball و همکارانش عملکرد های قابل مشاهده ای را معرفی می کنند که طول کلی پیرامون (محیط) و مساحت کلی جایگاه های انتخاب شده را به حداقل می رساند,Nalle, Brierz,Ohal جایگاه ها را با استفاده از کاهش دادن مجموع مسافت های بین تمام جفت جایگاه های انتخاب شده جمع آوری کردند. در این مورد عملکرد های قابل مشاهده دیگر هم اجرا شدند تا محل را مورد بررسی قرار دهند و از اینرو راه حل های مکانی با معنی را فراهم کنند. اگر چه این مشکل که اغلب در روبروی این روش هاست پیچیده است. یک مشکل غیر خطی و مرتبط با مسئله ریاضیاتی است وقتی که با هزاران جایگاه سرو کار دارد. ما یک روش جدیدی را در مورد مسئله تراکم و پیوستگی با وارد کردن یک پارامتر در عملکرد قابل مشاهده معرفی می کنیم که گزینش جایگاه ها را ملزم به روزها به دنبال اولویت های مخصوص کاربر می کند. هدف آن فراهم کردن اولویت های حفاظتی مکانی در IP است . که از اینرو از انتخاب جایگاه های با اولویت پایین در مدل جلوگیری می کند. پس عملکرد قابل مشاهده جدید بصورت زیر است:
(4) به حداقل رساندن
که I یک مقدار برای i=1000m است. الزامات مساحتی و نسبی مشابه هم همانطور که در معادلات 3و2 توضیح داده شد به کار می روند. L تابعی از n تعداد سطح ظاهری است که اولویت های مکانی را نشان میدهد و با استفاده از یک مدل ترکیبی غیر سازنده نتیجه می گیریم.
(5) L=Pif(1)+…+Pnf(n)
کهf(1)…f(n) سطوح ظاهری هستند و Pi…Pn ضرایب وزن هستند که توسط کاربر مشخص می شوند. این ضرایب می توانند برای نشان دادن اولویت ها در تصمیم گیرنده سازگار شوند اما باید تا 1 بروند. مثال توضیح داده شده در بخش 207 نشان می دهد که فرم سطوح ظاهری چگونه است . اما در کل آنها باید مسافت های Euclidean از ویژگی های اولویتی از قبیل ذخایر دریایی موجود باشند.

3-2- احتیاجات داده ها:
CREDOS قبول دارد که تعدادی از جایگاه های داده های مکانی در سند نقشه ای
ESR= Arcmap بعنوان پارامترهای بررسی برای گزینش وجود دارند. تمام جایگاه های داده ای باید در فرمت رستر باشند. در اینجا باید یک "لایه منطقه ای" وجود داشته باشد تا ویژگی های محیط و یا گونه هایی را که گزینش جایگاه بستگی به آنها دارد را توضیح دهد.
در تهیه داده ها وجود یا عدم وجود گونه ها می تواند مورداستفاده قرار بگیرد. داده های جایگزین که محدوده کاملی از انواع اکو سیستم را شامل می شوند بعنوان راه دیگر پیشنهاد می شود زیرا تمام گونه های یک ناحیه هرگز به طور کامل به صورت کمی در نمی آیند. کمبود داده ها در مورد گونه های خاص و وابستگی به جایگزین ها یک طرح موجود در محیط های دریایی است. لایه های ارزشی باید در داده های طبقه بندی شده قرار بگیرند. که هر طبقه از داده ها نشان دهنده حضور یک گونه یا جایگزین باشد. کاربر باید یک تک مانع را هم در این مدل قرار دهد.( تصویر2)
برای مثال . جایگاه هایی که سوددهی اقتصادی کمتری دارند یا ارزش تفریحی بالاتری دارند و یا جایگاه های که نزدیک به ذخایر دریایی یا خاکی هستند برای گزینش محل ذخیره . اولویت بالاتری دارند.
از اینرو. این جایگاه ها مانع کمتری را در سیستم ذخیره ای برای قرار گرفتن فراهم می کنند و ترجیحا نسبت به جایگاه های دارای ارزش حفاظتی مشابه که مانع بیشتری دارند در اولویت هستند.
یک لایه تک مانعی از یک یا بیشتر از یک سطح مانعی گسترش یافته است.
انتخاب جایگاهMAP برای مشخص کردن جایگاه های متمرکز و پیوسته است که نشان دهنده تمام گونه ها و جایگزین ها به کاربر است.

5-2- اجرا
این چهار مدل که متشکل از رابط CREDOS هستند در روی یک طول بار قابل دسترس در پنجره کار بردی Arcmap قابل دستیابی هستند. این چهار مدل بطور مستقل از یکدیگر عمل می کنند اما در یک توانی منطقی از چپ به راست منظم شده اند. آن را مدل در "جایگاه ها" می نامند. و یا مدل "پارامترها" مدل "تحلیلی" و مدل "آماری" به هم می نامند. مدل جایگاه ها ( تصویر 3) به عنوان یک منوی drop-down در طول بار وجود دارد.
این به تعدادی از جایگاه ها اجازه می دهد تا بطور واکنشی یا ارتباطی انتخاب شوند و بعنوان یک گروه توسط کاربر ذخیره شوند.(تصویر 2. فرآیندe)

15