Entegre bir jeo-uzamsal modelleme iş akışı, arazi kentleşmesini ve karbon stok dinamiklerini nicelleştirir. Yapılaşmış arazi genişlemesi, karbon stok kaybı ve negatif uzamsal yayılım etkileri ile ilişkilendirilirken, ekolojik planlama senaryoları yüksek karbonlu arazileri korur ve koordineli düşük karbonlu yönetişimi destekler.
Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.
Araştırma makalesi
Entegre Bir Coğrafi Uzamsal Modelleme İş Akışı Kullanılarak Çin'in Sincan Bölgesi'nde Arazi Kentleşmesi, Ekolojik Planlama ve Karbon Stoku Dinamikleri
Bu makalede
Özet
Özet
Bu çalışma, Çin'in kuzeybatısındaki Sincan Uygur Özerk Bölgesi'nde arazi şehirleşmesinin ve ekolojik planlamanın karbon stoku dinamikleri üzerindeki etkisini nicelleştirmek için uzaktan algılama, arazi kullanım simülasyonu, ekosistem hizmeti değerlendirmesi ve mekansal ekonometrik yöntemleri birleştiren entegre bir iş akışı geliştirmiş ve uygulamıştır. 2000–2020 yılları arasındaki arazi kullanımı/arazi örtüsü, geçirimsiz yüzey, gece ışığı, bitki örtüsü, topografik, sosyoekonomik ve planlama kısıtı verilerini kullanan iş akışı; tarihsel şehirleşme modellerini belirlemiş, dört gelecek planlama senaryosunu simüle etmiş, InVEST karbon modülü kullanılarak karbon stokunu tahmin etmiş ve mekansal ekonometrik modeller aracılığıyla doğrudan ve mekansal yayılma etkilerini değerlendirmiştir. Sonuçlar, yerleşim alanı genişlemesinin öncelikle tarım arazilerinin dönüştürülmesi yoluyla gerçekleştiğini ve buna geçirimsiz yüzey örtüsündeki artış ile gece ışığı yoğunluğundaki artışın eşlik ettiğini göstermektedir. Simülasyon sonuçları, ekolojik koruma senaryosunun en yüksek karbon stoku korumasını sağladığını, doğal gelişim senaryosunun ise en büyük karbon kaybına yol açtığını göstermektedir. Orman arazileri, yerleşim alanları için 29.4 Mg C/ha olan toplam karbon yoğunluğuna kıyasla 144.9 Mg C/ha'lık toplam karbon yoğunluğu ile en savunmasız yüksek karbonlu arazi kullanım sınıfı olarak belirlenmiştir. Mekansal Durbin modeli sonuçları, arazi şehirleşmesinin karbon stoku yoğunluğu üzerinde negatif bir doğrudan etkiye (−0.231) ve dolaylı yayılma etkisine (−0.117) sahip olduğunu, böylece toplam etkisinin −0.348 olduğunu, öte yandan ekolojik planlama yoğunluğunun pozitif bir toplam etkiye (+0.245) sahip olduğunu göstermektedir. Bu bulgular, düşük karbonlu bölgesel kalkınmayı teşvik etmek için idari sınırlar ötesinde koordineli ekolojik planlamayı desteklemektedir.
Giriş
Küresel iklim değişikliği ve düşük karbonlu kalkınmaya geçiş sürecinde, hızlı kentleşme, bölgesel arazi örtüsü modellerindeki ve biyojeokimyasal döngülerdeki değişimlerin temel itici gücü haline gelmiştir1. İnsan faaliyetleri ölçek ve yoğunluk bakımından genişlemeye devam ederken, gelişmekte olan bölgelerdeki hızlanmış arazi kentleşmesi sadece arazi kullanım modellerini değiştirmekle kalmaz, aynı zamanda ekosistem yapısını ve işlevini de yeniden şekillendirir. Esasen arazi kentleşmesi, yüksek karbon yoğunluklu doğal bitki örtüsünün düşük karbon yoğunluklu yapay yüzeylere dönüştürülmesini içerir ve bu durum bölgesel karbon depolama kapasitesinde önemli kayıplara yol açar2. Hızla gelişen bölgeler için ekonomik büyüme ile ekolojik alanların korunması arasındaki dengenin sağlanması, mekansal planlamada kritik bir zorluk haline gelmiştir. Geleneksel arazi kullanımı çalışmaları, öncelikle fiziksel genişleme modellerine odaklanmış, ancak mekansal gelişim ile karbon döngüsü süreçleri arasındaki dinamik etkileşimleri sıklıkla göz ardı etmiştir3. Sonuç olarak, arazi kentleşmesinin karbon stoku dinamikleri üzerindeki etkilerini nicel olarak belirleyen ve ekolojik koruma ile düşük karbonlu yönetişim için bilimsel bir temel sağlayan entegre analitik yaklaşımlara ihtiyaç duyulmaktadır.
Uzaktan algılama ve coğrafi bilgi sistemlerindeki son gelişmeler, arazi kullanım değişimi modellemesini ve ekosistem hizmeti değerlendirmesini önemli ölçüde iyileştirmiştir4,5. Ekolojik muhasebe ile birleştirilmiş çok senaryolu arazi kullanımı simülasyonu, kentsel genişlemenin çevresel sonuçlarını değerlendirmek için yaygın olarak kullanılan bir yaklaşım haline gelmiştir6. Özellikle, planlama kısıtlamalarının arazi kullanımı yörüngelerini ve karbon stok sonuçlarını nasıl etkilediğini nicelleştirmek için Yama Oluşturan Arazi Kullanımı Simülasyonu (PLUS) ve Ekosistem Hizmetlerinin ve Ödünleşimlerinin Entegre Değerlendirmesi (InVEST) modelleri uygulanmıştır7,8,9,10,11,12. İlgili ekosistem hizmeti çalışmaları, arazi örtüsü değişiminin, kentsel gelişim politikalarının ve ekolojik koruma önlemlerinin, hızla şehirleşen peyzajlarda su verimini, karbon tutumunu, toprak tutulmasını ve ekosistem hizmeti ödünleşimlerini değiştirebileceğini daha da kanıtlamıştır13,14,15,16,17. Ancak, önceki çalışmaların çoğu arazi kullanımı dönüşümüne ve ekosistem hizmeti çıktılarına odaklanmış, sosyoekonomik kalkınma baskılarının komşu idari birimler arasında mekansal olarak bağımlı karbon stoku tepkilerini nasıl oluşturduğuna daha az dikkat edilmiştir.
Mevcut iş akışına üç temel eksiklik temel teşkil etmektedir. Birincisi, önceki PLUS–InVEST uygulamaları çalışma alanlarını genellikle kapalı fiziksel sistemler olarak ele almakta ve arazi şehirleşmesinin etkilerinin komşu birimlere sızıp sızmadığını açıkça değerlendirmemektedir. İkincisi, doğrulama, belirsizlik ve duyarlılık analizleri sıklıkla sadece kısaca raporlanmakta, bu da senaryo sıralamalarının alternatif arazi kullanımı simülasyon parametreleri, karbon havuzu katsayıları ve mekansal ağırlık spesifikasyonları altında stabil kalıp kalmadığının belirlenmesini zorlaştırmaktadır. Üçüncüsü, mekansal ekonometrik çalışmalar, gelişim yoğunluğu ile ekolojik sonuçlar arasındaki ilişkileri sıklıkla uzak algılama gözlemleri, gelecek arazi kullanımı senaryoları ve karbon stoğu muhasebesi ile ilişkilendirmeden tanımlamaktadır. Bu nedenle, gözlem, senaryo simülasyonu, karbon muhasebesi ve mekansal mekanizma tanımlamasını yeniden üretilebilir bir analitik çerçeve içinde birbirine bağlayacak entegre bir iş akışına ihtiyaç duyulmaktadır.
Buna göre, bu çalışma; uzaktan algılama, PLUS tabanlı senaryo simülasyonu, InVEST karbon stoku değerlendirmesi ve mekansal ekonometrik analizi entegre edenle tekrarlanabilir bir analitik iş akışı oluşturmaktadır. Kuzeybatı Çin'deki Sincan Uygur Özerk Bölgesi'ne odaklanan çalışma, 2000–2020 yılları arasındaki tarihsel arazi kentleşme modellerini değerlendirmekte, alternatif planlama senaryolarının gelecekteki arazi kullanım konfigürasyonlarını nasıl etkilediğini incelemekte, bunun sonucunda karbon stoku dağılımı üzerinde oluşan etkileri nicelleştirmekte ve arazi kentleşmesi, ekolojik planlama yoğunluğu, bitki örtüsü durumu ve sosyoekonomik faktörlerin karbon stoku dinamikleri üzerindeki doğrudan ve mekansal yayılma etkilerini araştırmaktadır. Bu iş akışının temel katkısı, ekolojik kırmızı çizgi belirlenmesini, kompakt büyüme planlamasını, sınırlar arası karbon tazminatını ve düşük karbonlu bölgesel yönetişimi desteklemek amacıyla senaryo tabanlı öngörülerin mekanizma tanımlama ile entegrasyonudur.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Protokol
Bu çalışmada kamuya açık coğrafi, uzaktan algılama, planlama ve toplulaştırılmış sosyoekonomik veri setleri kullanılmıştır. Çalışmaya insan katılımcılar, hayvan denekler, klinik materyaller veya tanımlanabilir kişisel bilgiler dahil edilmemiştir. Bu nedenle kurumsal etik onay gerekmemiştir. Bu iş akışını yeniden oluşturmak için gerekli olan tüm kaynakların spesifik yazılım ortamları, hesaplama paketleri (mekansal ekonometrik ve yüksek çözünürlüklü görselleştirme kütüphaneleri dahil), veri seti Dijital Nesne Tanımlayıcıları (DOI'ler) ve kaynak URL'leri, kapsamlı Materyal Tablosunda detaylandırılmıştır.
1. Çalışma alanı ve analitik çerçeve
Analiz, yerel genişleme dinamiklerini doğru şekilde yakalamak amacıyla ana şehirlerin belirlenmiş kentsel sınırlarına (Şekil 1>) odaklanılarak, Çin'in kuzeybatısındaki Sincayn Uygur Özerk Bölgesi'nde yürütülmüştür. Bu sınır; raster kırpma, arazi kullanımı simülasyonu, karbon stok değerlendirmesi ve idari birim agregasyonu için tutarlı bir şekilde kullanılmıştır. Analitik örneklem büyüklüğü (n), üç ayrı zaman noktasında (20, 2010 ve 2020) analiz edilen 105 ilçe düzeyindeki idari birimden oluşurken, arazi kullanımı simülasyonları mekansal belirsizliği yakalamak için 50 stokastik tekrarı içermiştir.
Izgara düzeyi ve idari birim analizlerini entegre eden çok ölçekli bir analitik çerçeve uygulanmıştır. Izgara ölçeğinde; arazi kullanımı/arazi örtüsü verileri, gece ışığı yoğunluğu, geçirimsiz yüzey kapsamı, vejetasyon indeksleri, topografik değişkenler ve ekolojik planlama kısıtlamaları, arazi şehirleşme modellerini belirlemek, gelecekteki arazi kullanımı senaryolarını simüle etmek ve karbon stoğu dağılımını değerlendirmek için kullanılmıştır. İdari birim ölçeğinde ise; arazi şehirleşmesinin ve ekolojik planlamanın karbon stoğu dinamikleri üzerindeki doğrudan ve yayılma etkilerini değerlendirmek amacıyla sosyoekonomik, ulaşım ve çevresel değişkenler mekansal ekonometrik analizlere dahil edilmiştir.
Analitik çerçeve beş bileşenden oluşmuştur. İlk olarak, yerleşim alanı genişlemesi, gelişme yoğunluğu ve arazi kullanımı yeniden yapılandırması dahil olmak üzere arazi kentleşmesinin spasyotemporal modellerini karakterize etmek için çok zamanlı uzaktan algılama ve arazi kullanımı verileri kullanılmıştır. İkinci olarak, gelecekteki arazi kullanımı modellerini simüle etmek için ekolojik koruma, tarım arazisi koruma ve düşük karbonlu planlama senaryoları geliştirilmiştir. Üçüncü olarak, geçmiş ve gelecek arazi kullanımı koşulları altında karbon stok dağılımını ve değişimini nicelleştirmek için InVEST karbon depolama modülü kullanılmıştır. Dördüncü olarak, karbon stok varyasyonu ile ilişkili kümelenme modellerini ve sıcak nokta bölgelerini belirlemek için küresel ve yerel mekansal otokorelasyon analizleri gerçekleştirilmiştir. Beşinci olarak; arazi kentleşmesinin, ekolojik planlama yoğunluğunun, çevresel ve sosyoekonomik itici güçlerin karbon stok dinamikleri üzerindeki büyüklüğünü, yönünü ve yayılma etkilerini değerlendirmek için mekansal ekonometrik modeller kullanılmıştır.
Şekil 1 genel analitik iş akışını sunmaktadır. İş akışı; çalışma alanı tanımı, çok kaynaklı veri entegrasyonu, arazi kentleşmesinin tanımlanması, ekolojik planlama senaryolarının geliştirilmesi, arazi kullanımı simülasyonu, karbon stok değerlendirmesi, mekansal otokorelasyon analizi ve mekansal ekonometrik modellemeyi birbirine bağlamaktadır. Çok kaynaklı mekansal veriler, girdi katmanı olarak kullanılmıştır. Arazi kentleşmesinin tanımlanması ve tarihsel arazi kullanımı analizi, örüntü karakterizasyon katmanını oluşturmuştur. Ekolojik planlama senaryoları ve karbon stok değerlendirmesi, tahmin ve etki değerlendirme katmanını oluşturmuştur. Mekansal mekanizmaları belirlemek ve politika yorumlamayı desteklemek için mekansal otokorelasyon ve ekonometrik analizler kullanılmıştır.
Şekil 1Çalışma alanı, veri entegrasyonu ve teknik iş akışı. (A) Kuzeybatı Çin'deki Sincan Uygur Özerk Bölgesi'ndeki temel şehirler için çok ölçekli mekânsal bağlam ve kesin kentsel analitik sınırlar. (B) Çok kaynaklı mekansal verileri, uzaktan algılama tabanlı arazi şehirleşme tespitini, ekolojik planlama senaryo tasarımını, PLUS arazi kullanımı simülasyonunu, InVEST karbon stoku değerlendirmesini, mekansal otokorelasyonu, sıcak nokta analizini ve mekansal ekonometrik modellemeyi birbirine bağlayan entegre teknik iş akışı. ND = doğal gelişim; EP = ekolojik koruma; CP = tarım arazisi koruma; LC = düşük karbonlu optimizasyon; OLS = sıradan en küçük kareler; SAR = mekansal ototregresif model; SEM = mekansal hata modeli; SDM = mekansal Durbin modeli. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.
2. Veri kaynakları ve değişken sistemi
Arazi kentleşmesinin belirlenmesi, ekolojik planlama senaryosu simülasyonu, karbon stoğu değerlendirmesi ve mekansal ekonometrik analizleri desteklemek amacıyla çok kaynaklı bir veri seti derlenmiştir. Veri seti; arazi kullanımı/arazi örtüsü verilerini, geçirimsiz yüzey oranını, gece ışığı yoğunluğunu, normalize edilmiş fark bitki endeksini (NDVI), topografik değişkenleri, ulaşım erişilebilirlik göstergelerini, hidrolojik değişkenleri, nüfus yoğunluğunu, gayri safi yurt içi hasıla (GDP) yoğunluğunu, planlama kısıtlamalarını, iklim değişkenlerini ve karbon havuzu parametrelerini içermektedir. Tablo 1; veri seti kategorisini, değişken açıklamasını, birimi, mekansal ve zamansal çözünürlüğü, kaynağı ve analitik uygulamayı özetlemektedir. Temel veri setleri 20, 2010 ve 2020 yılları için elde edilmiştir. Arazi kullanımı ve temel uzaktan algılama ürünleri, analitik gereksinimlere bağlı olarak 30 m ile 1 km arasında değişen çözünürlüklere uyarlanmıştır.
Tablo 1: Veri kaynakları ve değişken sistemi. Tablo; arazi şehirleşmesinin belirlenmesi, senaryo simülasyonu, InVEST karbon stoku hesaplaması ve mekansal ekonometrik modelleme için veri seti kategorisini, değişkeni, açıklamayı, birimi, mekansal/zamansal çözünürlüğü, kaynağı ve analitik kullanımı rapor etmektedir. NDVI = normalize edilmiş farklı vejetasyon indeksi; DEM = sayısal yükseklik modeli; LULC = arazi kullanımı/arazi örtüsü. Bu tabloyu indirmek için lütfen buraya tıklayın.
Tüm mekansal katmanlar ortak bir koordinat sistemine projekte edilmiş, Şekil 1'de gösterilen çalışma alanı sınırına göre kırpılmış ve gerekli ızgara veya idari birim ölçeğine göre yeniden örneklendirilmiş veya toplulaştırılmıştır. Mekansal örtüştürme analizi öncesinde eksik değerler taranmıştır. PLUS ve InVEST analizlerinde kullanılan raster veri setleri piksel düzeyinde hizalanmış, sosyoekonomik değişkenler ise mekansal regresyon için idari birimlere göre toplulaştırılmıştır. Bu ön işleme iş akışı; zamansal analizler, senaryo simülasyonları, karbon stok hesaplamaları ve ekonometrik modelleme boyunca tutarlı mekansal birimler ve karşılaştırılabilir zaman noktaları sağlanmıştır.
Arazi kullanımı/arazi örtüsü verileri, geçmişe dönük değişim tespiti ve gelecek arazi kullanımı simülasyonu için temel girdi olarak kullanılmıştır. Orijinal arazi kullanımı kategorileri altı sınıfa yeniden sınıflandırılmıştır: ekilebilir arazi, orman arazisi, mera, su kütleleri, yapılaşmış alan ve kullanılmayan arazi. Bu sınıflandırma şeması; arazi kullanımı değişim analizi, senaryo geliştirme ve InVEST karbon stoku hesaplamaları için tutarlı bir şekilde uygulanmıştır. Yapılaşmış alan oranı, geçirimsiz yüzey kapsamı ve gece ışık yoğunluğu, arazi şehirleşmesinin göstergeleri olarak kullanılmıştır. Geçirimsiz yüzey kapsamı ve gece ışık yoğunluğu, gelişim yoğunluğu ve insan faaliyetleri için uzaktan algılama vekilleri olarak hizmet etmiştir. Sonraki mekânsal ekonometrik analizlerde NDVI, ekolojik bir gösterge olarak dahil edilmiştir.
Topografik ve konum değişkenleri; yükselti, eğim, ana yollara olan mesafe, yol yoğunluğu ve ana nehirlere yakınlığı içermekteydi. Bu değişkenler, arazi kullanımı simülasyonunda sürücüler ve mekansal ekonometrik modellerde kontrol değişkenleri olarak kullanıldı. Birlikte; arazi kısıtlamalarını, ulaşım erişilebilirliğini ve hidrolojik bağlantıyı temsil ettiler.
Sosyoeconomik değişkenler, mevcut olduğu yerlerde yol ağı yoğunluğu ile desteklenmiş nüfus yoğunluğu ve GSYİH yoğunluğunu içermiştir. Bu değişkenler, karbon stoklarındaki değişimlerle ilişkili gelişmişlik düzeyini ve insan faaliyetleri baskısını tanımlamak için kullanılmıştır. Değişken çerçevesi; karbon stoğu dinamiklerini etkileyen çoklu faktörleri temsil etmek amacıyla arazi gelişimi, sosyoekonomik baskı ve ekolojik bağlam göstergelerini entegre etmiştir.
Ekolojik kırmızı hatlar, doğa rezervleri, su kütlesi tampon bölgeleri, eğim sınırlama alanları ve diğer çevresel olarak hassas bölgeler kullanılarak bir ekolojik planlama yoğunluk indeksi geliştirilmiştir. Bu indeks, hem gelecekteki arazi kullanımı simülasyonlarında bir kısıtlama katmanı hem de mekansal ekonometrik analizlerde bir açıklayıcı değişken olarak kullanılmıştır.
InVEST karbon stok değerlendirmesi için, her bir arazi kullanım sınıfı için dört karbon havuzu parametresi derlenmiştir: yer üstü biyokütle karbonu, yer altı biyokütle karbonu, toprak organik karbonu ve ölü organik madde karbonu. Parametre değerleri, yayınlanmış bölgesel çalışmalardan, InVEST kılavuz belgelerinden ve yerel arazi örtüsü özelliklerinden elde edilmiş ve birleştirilmiş arazi kullanım sınıflandırma sistemine eşlenmiştir. Karbon stoku, bu dört havuzda bulunan toplam tahmini karbon miktarını ifade ederken, karbon stok yoğunluğu birim alan başına düşen karbon stokunu ifade eder.
Değişkenler üç kategoriye ayrılmıştır. İlk kategori; yapılaşmış arazi oranı, geçirimsiz yüzey kapsamı ve gece ışık yoğunluğu dahil olmak üzere arazi şehirleşme göstergelerini kapsamaktadır. İkinci kategori; NDVI, ekolojik planlama yoğunluğu, yükseklik, eğim ve hidrolojik yakınlık gibi ekolojik ve planlama değişkenlerini içermektedir. Üçüncü kategori ise nüfus yoğunluğu, GSYH yoğunluğu ve yol yoğunluğu dahil olmak üzere sosyoekonomik itici güçlerden oluşmaktadır. Bu değişkenler; arazi şehirleşmesi, ekolojik planlama ve karbon stoku dinamikleri arasındaki ilişkileri değerlendirmek için kullanılmıştır.
3. Uzaktan algılama tabanlı arazi kentleşmesinin belirlenmesi
Arazi şehirleşmesinin uzamsal-zamansal paternleri, üç tamamlayıcı gösterge kullanılarak belirlenmiştir: yapılaşmış arazi genişlemesi, geçirimsiz yüzey örtüsü ve gece ışık şiddeti. Yapılaşmış arazi genişlemesi, kentsel gelişimin çekirdek yapılaşmış alanlardan çevre bölgelere doğru fiziksel kapsamını ve ilerlemesini tanımlamak için ardışık arazi kullanım haritalarından çıkarılmıştır. Gelişim yoğunluğunu ızgara düzeyinde nicelendirmek için geçirimsiz yüzey örtüsü hesaplanırken, insan faaliyetlerini ve fonksiyonel yoğunlaşmayı temsil etmek amacıyla gece ışık şiddeti raster verileri işlenmiş ve normalize edilmiştir. Bu uzamsal katmanlar daha sonra tarihsel arazi şehirleşme veri setini oluşturmak için entegre edilmiştir. Birleştirilmiş göstergeler; sürekli gelişim yoğunlaşması olan alanları, geçiş bölgelerini ve nispeten kararlı bölgeleri belirlemek ve fiziksel arazi gelişimi ile fonksiyonel şehirleşme arasındaki uzamsal uygunluğu değerlendirmek için kullanılmıştır.
Ekili alanlar, ormanlık alanlar, mera, su kütleleri, yapılaşmış alanlar ve kullanılmayan alanlar arasındaki arazi kullanımı dönüşümünün büyüklüğünü ve yönünü nicelleştirmek için bir arazi kullanım geçiş matrisi oluşturulmuştur. Ekolojik ve tarımsal arazi sınıflarından yapılaşmış alanlara olan geçişlere özellikle dikkat edilmiştir. Matris, baskın dönüşüm yollarını ve kentsel genişlemeye katkıda bulunan temel kaynak arazi sınıflarını belirlemek için kullanılmıştır.
Arazi kentleşmesiyle ilişkili yapısal değişiklikleri değerlendirmek için peyzaj örüntü analizi gerçekleştirilmiştir. Metrikler arasında yama yoğunluğu, kenar yoğunluğu, peyzaj şekil indeksi ve parçalanmayla ilgili göstergeler yer almıştır. Bu metrikler her bir çalışma dönemi için hesaplanmış ve yapılaşmış alanların genişlemesiyle ilişkili peyzaj konfigürasyonu, mekansal süreklilik ve parçalanmadaki değişiklikleri nicelleştirmek için kullanılmıştır.
4. Ekolojik planlama senaryosu tasarımı ve arazi kullanımı simülasyonu
Gelecekteki arazi kullanım modelleri, Patch-generating Land Use Simulation (PLUS) modeli kullanılarak dört planlama senaryosu altında simüle edilmiştir: doğal gelişim (ND), ekolojik koruma (EP), tarım arazisi koruma (CP) ve düşük karbon optimizasyonu (LC). Senaryo varsayımları, arazi dönüşüm kuralları, kısıtlanmış arazi türleri ve beklenen karbon stoku sonuçları Tablo 2'de özetlenmiştir.
Tablo 2: Senaryo kontrol kuralları ve geçiş kısıtlamaları. Tablo; doğal gelişim (ND), ekolojik koruma (EP), tarım arazisi koruması (CP) ve düşük karbonlu optimizasyon (LC) senaryoları için arazi dönüşüm olasılıklarını ve mekânsal kısıtlamaları tanımlamaktadır. Notlar: Senaryo kısaltmaları, PLUS modelleme ve Sonuçlar bölümlerinde kullanılanlarla birebir örtüşmektedir. Senaryo ayarları, simülasyonlarda kullanılan politika odaklı dönüşüm kurallarını ve kısıtlanmış arazi türlerini tanımlamaktadır; tüm yasal muafiyet bölgeleri nihai mekansal katmanlarda dönüştürülemez olarak kalmıştır. Lütfen bu Tabloyu indirmek için buraya tıklayın.
Hücresel otomata (CA) modülünü kullanarak temel arazi geçiş olasılıklarını tahmin etmek amacıyla, tarihsel arazi kullanım haritaları ve mekansal sürücü değişkenleri PLUS modeline entegre edilmiştir. Ekolojik koruma (EP), tarım arazisi koruma (CP) ve düşük karbonlu optimizasyon (LC) senaryoları için; ekolojik kırmızı çizgiler, kalıcı temel tarım arazileri, su kütlesi tampon bölgeleri ve diğer planlama kısıtlamaları, önceden tanımlanmış senaryo kurallarına uygun olarak arazi dönüşümünü sınırlamak amacıyla mekansal kısıtlama katmanları olarak eklenmiştir. Ardından her senaryo için 2030 yılına yönelik hedef arazi talebi miktarları belirlenmiş ve nihai arazi kullanımı projeksiyonlarını oluşturmak için CA modülü 50 stokastik tekrar kullanılarak yürütülmüştür.
Arazi kullanımı simülasyonu, PLUS modeli ve çok tipli stokastik yama üretimine sahip hücresel otomat (CA) çerçevesi kullanılarak gerçekleştirilmiştir. Her bir arazi kullanımı sınıfı için arazi genişleme olasılıklarını tahmin etmek amacıyla tarihsel arazi kullanımı haritaları ile çevresel ve sosyoekonomik itici değişkenler kullanılmıştır. Ardından, gelecekteki arazi talebi miktarları her bir planlama senaryosunun gereksinimlerine göre belirlenmiş ve hedef simülasyon dönemi için karşılık gelen arazi kullanımı haritaları oluşturulmuştur.
Model performansı, gelecek simülasyonlarından önce geçmişe dönük tahminler (back-casting) aracılığıyla değerlendirilmiştir. Daha önceki arazi kullanım haritaları ve ilgili sürücü değişkenler, daha sonra gözlemlenen bir arazi kullanım haritasını simüle etmek için kullanılmıştır. Simüle edilen ve gözlemlenen arazi kullanımı dağılımları arasındaki uyum; genel doğruluk (OA), Kappa katsayısı ve Merit Figürü (FoM) kullanılarak değerlendirilmiştir. Doğrulama işlemi hem genel düzeyde hem de temel arazi kullanım sınıflarına göre gerçekleştirilmiştir. 2010'dan 2020'ye kadar yapılan geçmişe dönük tahminler; %93,4 genel doğruluk (OA), 0,89 Kappa katsayısı ve 0,26 Merit Figürü (FoM) değerleri vermiştir; bu sonuçlar, sonraki çok senaryolu simülasyonlarda mekansal projeksiyon için oldukça güvenilir bir kapasiteye işaret etmektedir.
Simülasyon sonuçlarının sağlamlığını değerlendirmek için belirsizlik ve duyarlılık analizleri gerçekleştirilmiştir. PLUS duyarlılık analizleri, ana arazi kullanım sınıfları için alternatif geçiş direnci ayarlarının ve komşuluk ağırlığı parametrelerinin etkelerini incelemiştir. InVEST duyarlılık analizleri, arazi kullanım türleri arasındaki karbon havuzu katsayılarındaki varyasyonun etkisini değerlendirmiştir. Mekansal ekonometrik duyarlılık analizleri, alternatif mekansal ağırlık matrisi spesifikasyonlarını karşılaştırmıştır. Bu analizler, senaryo sıralamalarının ve temel şehirleşme ile ekolojik planlama etkilerinin yönünün, alternatif parametre ayarları altında tutarlı kalıp kalmadığını değerlendirmek için kullanılmıştır. Özellikle, sonuç kararlılığı titizlikle doğrulanmıştır: geçiş direnci parametreleri ve karbon havuzu katsayıları ±15% oranında değiştirildiğinde, senaryo sıralamaları ve arazi şehirleşmesinin negatif mekansal yayılım etkileri değişmeden kalmıştır.
5. Karbon stok değerlendirmesi
Karbon stokları, InVEST karbon modeli kullanılarak değerlendirilmiştir. Dört karbon havuzu (yer üstü biyokütle, yer altı biyokütle, toprak organik karbon ve ölü organik madde) için temel parametreler, Tablo 3'te özetlenen biyofiziksel değerler kullanılarak her bir yeniden sınıflandırılmış arazi kullanım türüne atanmıştır. Ardından, tarihsel arazi kullanım haritaları (20–2020) ve PLUS ile simüle edilen gelecekteki arazi kullanım raster veri setleri modele aktarılmış ve ilgili karbon yoğunluğu parametreleriyle entegre edilmiştir. Model daha sonra, tarihsel ve gelecek senaryoları için toplam bölgesel karbon stokunu (Tg C), ızgara düzeyindeki karbon stok yoğunluğunu (Mg C/ha) ve karbon stoku değişiminin (ΔC) mekansal haritalarını tahmin etmek için çalıştırılmıştır.
Yeniden sınıflandırılmış arazi kullanım haritaları, Tablo 3'te bildirilen ilgili temel karbon havuzu parametre değerleri ile ilişkilendirilmiştir. Karbon stoku tahminlerinin parametre belirsizliklerine olan hassasiyeti, bu temel değerlerin ±15% oranında ayarlanmasıyla test edilmiş ve ayrıntılı hassasiyet sonuçları elde edilmiştir. Model; tarihsel koşullar ve gelecekteki planlama senaryoları altında her bir arazi kullanım sınıfı için toplam karbon stokunu, karbon stoku yoğunluğunu ve karbon stokundaki değişimi hesaplamak için kullanılmıştır.
Üç kategori çıktı değerlendirildi. İlk olarak, karbon stokundaki değişimin zaman içindeki büyüklüğünü ve yönünü belirlemek amacıyla toplam bölgesel karbon stoku ve zamansal eğilimler hesaplandı. İkinci olarak, karbon tutulumu ve karbon kaybı olan alanları belirlemek için karbon stokunun ve karbon stokundaki değişimin mekansal dağılımları haritalandırıldı. Üçüncü olarak, ekolojik koruma, tarım arazisi koruma ve düşük karbonlu optimizasyon stratejilerinin karbon stoku koruması üzerindeki göreli etkilerini değerlendirmek amacıyla planlama senaryoları arasında karbon stoku tahminleri karşılaştırıldı.
Tablo 3: Farklı arazi kullanım türleri için temel karbon havuzu parametreleri. Tablo, InVEST karbon stok modülünde kullanılan yerüstü biyokütle karbonu, yeraltı biyokütle karbonu, toprak organik karbonu, ölü organik madde karbonu ve toplam karbon yoğunluğunu sunmaktadır. Birimler Mg C/ha'dır. Notlar: Değerler, InVEST modelinde kullanılan temel parametreleri temsil etmektedir. Toplam karbon yoğunluğu, dört karbon havuzunun toplamına eşittir. Bu temel değerlerin ±%15 oranında değiştirildiği hassasiyet analizleri şurada bildirilmiştir: Tablo 6. Lütfen bu Tabloyu indirmek için buraya tıklayın.
6. Mekansal otokorelasyon ve mekansal ekonometrik analiz
Karbon stokunun ve karbon stokundaki değişimin anlamlı bir mekansal bağımlılık gösterip göstermediğini belirlemek için mekansal otokorelasyon analizi yapılmıştır. Çalışma alanı genelindeki karbon stoku dağılımı ve karbon stokundaki değişimdeki genel mekansal kümelenme derecesini değerlendirmek için Küresel Moran'ın I değeri hesaplanmıştır. Daha sonra, yüksek-yüksek, düşük-düşük, yüksek-düşük ve düşük-yüksek kümeler dahil olmak üzere yerel mekansal ilişki modellerini belirlemek için Yerel Moran'ın I değeri kullanılmıştır. Yoğun karbon kaybı ve karbon stoku korunum alanlarını belirlemek için sıcak nokta (hotspot) analizi gerçekleştirilmiştir.
Arazi urbanizasyonu, ekolojik planlama, çevresel koşullar, sosyoekonomik faktörler ve karbon stok dinamikleri arasındaki ilişkileri incelemek için mekansal ekonometrik modeller kullanılmıştır. Karbon stok yoğunluğu veya karbon stok değişimi bağımlı değişken olarak kullanılmıştır. Açıklayıcı değişkenler arasında arazi urbanizasyon indeksi, yapılaşmış arazi oranı, ekolojik planlama yoğunluğu, normalize edilmiş fark bitki indeksi (NDVI), nüfus yoğunluğu, GSYİH yoğunluğu, yol yoğunluğu, rakım, eğim, ortalama yıllık yağış ve ortalama yıllık sıcaklık yer almıştır.
Temel model olarak sıradan en küçük kareler (OLS) regresyonu kullanıldı. Mekânsal otoregresif (SAR), mekânsal hata (SEM) ve mekânsal Durbin (SDM) modelleri tahmin edilmeden önce kalıntı mekânsal bağımlılığı değerlendirildi. Model performansı ve katsayı tahminleri farklı spesifikasyonlar arasında karşılaştırıldı.
İdari birimler arasındaki komşuluk ilişkilerini temsil etmek için satırla standartlaştırılmış bir mekânsal ağırlık matrisi oluşturulmuştur. Temel belirleme mekânsal bitişikliğe dayandırılmış ve sağlamlık analizleri ile mevcut olduğu durumlarda alternatif mesafe tabanlı ve en yakın komşu mekânsal ağırlık matrisleri karşılaştırılmıştır.
Yerel ve mekansal yayılma ilişkilerini değerlendirmek amacıyla SDM'den doğrudan, dolaylı ve toplam etkiler hesaplanmıştır. Atlanan değişken yanlılığını azaltmak için arazi, erişilebilirlik, bitki örtüsü, iklim ve sosyoekonomik değişkenler kontrol değişkenleri olarak eklenmiştir. Model katsayıları, kesin nedensel etkilerden ziyade koşullu mekansal ilişkiler olarak yorumlanmıştır. p-değerleri geleneksel anlamlılık eşiklerini aşan değişkenler, zayıf veya işaretleyici kanıtlar olarak yorumlanmış ve istatistiksel olarak güçlü etkiler olarak değerlendirilmemiştir.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Sonuçlar
Uzaktan algılama tabanlı arazileşmenin belirlenmesi
Çok dönemli uzaktan algılama tanımlama sonuçlarına dayanarak, çalışma alanı 200 ve 2020 yılları arasında, arazi kullanım modellerinin yeniden yapılandırılması ve peyzaj konfigürasyonlarının yeniden şekillenmesiyle birlikte, arazileşmenin önemli bir yoğunlaşmasına sahne olmuştur. Genel olarak, yapılaşmış alanların genişlemesi, çekirdek kentsel alanlardan çevre bölgelere doğru yayılan konsantrik bir genişleme modeli sergilemiştir. İnsan aktivitesi yoğ...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Tartışma
Bu çalışma, Çin'in kuzeybatısındaki Sincan'da arazi kentleşmesi, ekolojik planlama ve karbon stoku dinamikleri arasındaki ilişkileri analiz etmek için uzaktan algılama tabanlı arazi kentleşmesi tanımlamasını, çok senaryolu arazi kullanımı simülasyonunu, InVEST tabanlı karbon stoku değerlendirmesini ve mekânsal ekonometrik modellemeyi birleştiren entegre bir analitik iş akışı sunmaktadır. Bu bileşenleri ayrı teknik egzersizler olarak ele almak yerine, iş akışı; gözlemlenen arazi dönüşümünü, gelecekteki planlama alternatif...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Açıklamalar
Yazarlar beyan edecek herhangi bir çıkar çatışması olmadığını belirtmişlerdir.
Teşekkürler
Yazarlar bu çalışma için herhangi bir özel finansman almamışlardır.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Malzemeler
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| Özel Mekansal Ekonometrik Betikler ve Çıktı Veri Setleri | Yazarlar | Zenodo repository: https://zenodo.org/records/21159171 | Bu çalışmada açıklanan mekansal ekonometrik analizleri ve destekleyici hesaplama iş akışını yeniden üretmek için kullanılmıştır. |
| Yüksek Çözünürlüklü Nüfus Yoğunluğu Izgaraları | WorldPop | https://www.worldpop.org/ | Mekansal ekonometrik analizler için sosyoekonomik girdi verisi olarak kullanılmıştır. |
| InVEST (Integrated Valuation of Ecosystem Services and Tradeoffs) | The Natural Capital Project, Stanford University | Version 3.14.0; https://naturalcapitalproject.stanford.edu/ | Geçmiş ve simüle edilmiş arazi kullanım senaryoları altında karbon stoğunu ve karbon stoğu değişimlerini tahmin etmek için kullanılmıştır. |
| Matplotlib & Pillow (Python Kütüphaneleri) | Python Community | https://matplotlib.org/; https://python-pillow.org/ | Yayın kalitesinde figürler oluşturmak ve yüksek çözünürlüklü (600 dpi) grafik çıktılarını işlemek için kullanılmıştır. |
| Çok Zamanlı Arazi Kullanımı/Arazi Örtüsü Veri Setleri | Resource and Environment Science and Data Center (RESDC), Chinese Academy of Sciences | https://www.resdc.cn/ | Arazi kullanımı değişim analizi ve PLUS simülasyonları için temel girdi veri seti olarak kullanılmıştır. |
| PLUS (Patch-generating Land Use Simulation) modeli | High-performance Spatial Computational Intelligence Lab (HPSCIL) | https://github.com/HPSCIL/Patch-generating_Land_Use_Simulation_Model | Birden fazla ekolojik planlama senaryosu altında gelecekteki arazi kullanımı kalıplarını simüle etmek için kullanılmıştır. |
| PySAL (Python Spatial Analysis Library) | PySAL Developers | https://pysal.org/ | Mekansal otokorelasyon analizleri ve mekansal ekonometrik modelleme gerçekleştirmek için kullanılmıştır. |
| Python Programlama Ortamı | Python Software Foundation | Version 3.9+; https://www.python.org/ | Veri ön işleme, mekansal analiz, istatistiksel hesaplamalar ve iş akışı uygulaması için kullanılmıştır. |
| Topografik (DEM) ve Uzaktan Algılama Verileri | United States Geological Survey (USGS) | https://earthexplorer.usgs.gov/ | Arazi şehirleşme analizi ve model parametrelendirmesi için topografik değişkenleri ve uzaktan algılama girdilerini türetmek için kullanılmıştır. |
Kaynaklar
- Xiong Z, Zhang Y, Liu M. Assessing land urbanization and ecological planning impact on carbon stock and its economic value from coupled InVEST-PLUS models. Sci Rep. 2025;15:30494. https://doi.org/10.1038/s41598-025-30494-x
- Ge K, Zou S, Lu Y, Chen Y. Spatial effects and influence mechanisms of urban land use green transition on urban carbon emissions. Ecol Indic. 2025;172:113261. https://doi.org/10.1016/j.ecolind.2025.113261
- Li L, et al. Spatio-temporal evolution of land use and carbon stock under multiple scenarios based on the PLUS-InVEST model: A case study of Chengdu. Sustainability. 2025;17(21):9903. https://doi.org/10.3390/su17219903
- Wang Z, Zhong A, Wei E, Hu C. Carbon stock simulation and land use optimization for high-water-table resource-based cities based on the coupled GMOP-PLUS-InVEST model. Remote Sens. 2024;16(23):4480. https://doi.org/10.3390/rs16234480
- Liu Y, Mei X, Yue L. Response of carbon stock to land use change and multi-scenario predictions in Zunyi, China. Sci Rep. 2025;15:236. https://doi.org/10.1038/s41598-024-81735-8
- Sun G, Li Y, Huang R. Spatial and temporal evolution of carbon stocks in Yulin City under changing environments. Sci Rep. 2025;15:12219. https://doi.org/10.1038/s41598-025-12219-w
- Tang J, Peng W. Spatiotemporal dynamics and influencing factors of land carbon stock in Chengdu Plain using an integrated model. Sci Rep. 2025;15:11248. https://doi.org/10.1038/s41598-025-11248-x
- Wang Y, Zhang Z, Chen X. Land use transitions and the associated impacts on carbon stock in the Poyang Lake Basin, China. Remote Sens. 2023;15(11):2703. https://doi.org/10.3390/rs15112703
- Tao Y, Tian L, Wang C, Dai W. Dynamic simulation of land use and land cover and its effect on carbon stock in the Nanjing Metropolitan Circle under different development scenarios. Front Ecol Evol. 2023;11:1102015. https://doi.org/10.3389/fevo.2023.1102015
- Song M, Yu S, Qin H. Land-use/land-cover change and its impact on ecosystem carbon stock in Binhai New Area, Tianjin, China from 1985 to 2060. Environ Earth Sci. 2025;84:481. https://doi.org/10.1007/s12665-025-11728-x
- Liang X, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China. Comput Environ Urban Syst. 2021;85:101569. https://doi.org/10.1016/j.compenvurbsys.2020.101569
- Sharp R, et al. InVEST 3.14.0 User's Guide. The Natural Capital Project; Stanford, CA; 2023. https://storage.googleapis.com/invest-users-guide/index.html
- Basha U, et al. Spatial-temporal assessment of annual water yield and impact of land use changes on Upper Ganga Basin, India, using InVEST model. J Hazard Toxic Radioact Waste. 2024;28(2). https://doi.org/10.1061/JHTRBP.HZENG-1188
- Deeksha, Shukla AK. Ecosystem services: A systematic literature review and future dimension in freshwater ecosystems. Appl Sci. 2022;12(17):8518. https://doi.org/10.3390/app12178518
- Shukla AK, Jain MK, Khare D, Mishra PK. Spatio-temporal assessment of annual water balance models for upper Ganga Basin. Hydrol Earth Syst Sci. 2018;22:5357-71.
- Nayak D, Shukla AK, Devi NR. Decadal changes in land use and land cover: Impacts and their influence on urban ecosystem services. Aqua Water Infrastruct Ecosyst Soc. 2024;73(1):57-72.
- Nayak D, Shukla AK. Assessing ecosystem service trade-offs and synergies in the rapidly urbanizing coastal region of Mangaluru Agglomeration, India. PLoS One. 2026;21(3):e0344106. https://doi.org/10.1371/journal.pone.0344106
- Lei J, Chen H, Wu Y, Zheng X. The impact of land use change on carbon stock and multi-scenario prediction in Hainan Island using InVEST and CA-Markov models. Front For Glob Change. 2024;7:1349057. https://doi.org/10.3389/ffgc.2024.1349057
- Dong H, et al. Remote sensing of urban tree carbon stocks: A methodological review. ISPRS J Photogramm Remote Sens. 2025;227:570-93.
- Wang Y, Jin X. Land use, spatial planning, and their influence on carbon emissions: A comprehensive review. Land. 2025;14(7):1406. https://doi.org/10.3390/land14071406
- Chen R, Zhao W, Li S, Zhang Y. Assessing carbon stock dynamics in an ecological civilization demonstration zone amid rapid urbanization: A multi-scenario study of Guizhou Province, China. Resour Environ Sustain. 2025;21:100223. https://doi.org/10.1016/j.resenv.2025.100223
- Zhang J, Cao P, Roosli R. Assessing land use and carbon stock changes using PLUS and InVEST models: A multi-scenario simulation in Hohhot. Environ Sustain Indic. 2025;26:100655. https://doi.org/10.1016/j.envc.2025.100655
- Li C, Xu H, Du P, Tang F. Predicting land cover changes and carbon stock fluctuations in Fuzhou, China: A deep learning and InVEST approach. Ecol Indic. 2024;167:112658. https://doi.org/10.1016/j.ecolind.2024.112658
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.