Yöntem makalesi

Yixian-Huangshan Dünya Mirası Peyzajında Çok Senaryolu Arazi Kullanım Projeksiyonu ve Karbon Depolama Değerlendirmesi

11 görüntülenme

⸱

DOI:

10.3791/73148

⸱

1 Ekim 2026

 ,  ,  , 
1Macau University of Science and Technology, 2School of International and Public Affairs, Shanghai Jiao Tong University, 3Research Center of Ecotourism & Planning, Huainan Normal University, 4Industrial Digital Research Centre, Huainan Normal University

Bu makalede

Özet

Bu protokol, Yixian–Huangshan Dünya Mirası peyzajında çok senaryolu arazi kullanımı projeksiyonu, karbon depolama değerlendirmesi ve topografik ilişki analizi için tekrarlanabilir bir iş akışı sunmaktadır.

Özet

Arazi kullanımı değişikliği karasal karbon depolamasını değiştirir, ancak turizm odaklı Dünya Mirası peyzajlarında senaryo tabanlı değişiklikleri değerlendirmek için tekrarlanabilir iş akışları hala sınırlıdır. Bu protokol; Çin'in güneyindeki Anhui eyaletinde yer alan Huangshan'ın Yixian ve bitişik bölgelerindeki arazi kullanımı ve karbon depolama değişikliklerini değerlendirmek için özel bir Markov hücresel otomatonu, Ekosistem Hizmetlerinin Entegre Değerlendirmesi ve Takasları (Integrated Valuation of Ecosystem Services and Tradeoffs) çerçevesine eşdeğer dört havuzlu karbon muhasebesi ve optimal parametre tabanlı bir coğrafi dedektörü entegre etmektedir. Kalibrasyon ve dönem dışı doğrulama için 2005, 2010 ve 2015 yıllarına ait Çin Arazi Örtüsü Veri Seti haritaları kullanılmıştır. 2030 ve 2050 yılları için dört keşifsel senaryo — Mevcut Durumun Devamı, Turizm Genişlemesi ve Geliştirme, Ekolojik Koruma Önceliği ve Köy Canlandırma ve Aktivasyonu — simüle edilmiştir. 4.632.329 geçerli piksel üzerinden yapılan doğrulama; %96,61 genel doğruluk, 0,850 Kappa katsayısı ve 0,107 Değer Figürü (Figure of Merit) sağlamıştır. Baz karbon depolaması, ormanların %95,9 katkı sağladığı 59,505 teragram karbon olarak belirlenmiştir. 2050 yılına kadar öngörülen karbon kayıpları, Ekolojik Koruma Önceliği altında %5,01 ile Turizm Genişlemesi ve Geliştirme altında %13,49 arasında değişmiştir. Eşleştirilmiş tek değişkenli pertürbasyonlar aynı senaryo sıralamasını desteklemiştir. Optimal parametre tabanlı coğrafi dedektör; eğim, rölyef ve yükseltiyi en güçlü değerlendirilen topografik ilişkiler olarak tanımlamıştır. Sağlanan girdiler, parametreler, çıktılar ve betikler tekrarlanabilirliği desteklemektedir; ancak senaryolar, kalibre edilmiş tahminlerden ziyade karşılaştırmalı stres testleri olarak yorumlanmalıdır.

Giriş

Karasal ekosistemler karbonu bitkilerde, toprakta ve ölü organik maddelerde depolayarak iklim düzenlemesine katkıda bulunur1,2. Arazi dönüşümü bu stokları hızla değiştirebilir; bu nedenle, mekansal olarak açık değerlendirme, arazi kullanımı planlaması ve karbon yönetimi için önemlidir.

Güney Anhui'deki analitik kapsam, geniş subtropikal ormanları, tarımsal havzaları ve Huangshan Dağı ile Xidi–Hongcun Dünya Mirası mülkleri ile ilişkili alanları içermektedir3,4. Kültürel miras arazi örtüsü, Dünya Mirası turizmi ve geleneksel köy koruma üzerine yapılan araştırmalar; bu ortamda ekolojik durumun, ziyaretçi baskısının ve yer kimliğinin entegre bir şekilde değerlendirilmesi gerektiğini göstermektedir5,6,7.

Senaryo tabanlı arazi kullanım modelleri, gözlemlenen geçişleri mekansal olarak açık projeksiyonlara dönüştürür ve karbon havuzu muhasebesi bu örüntülerin sonuçlarını nicelleştirir. Önceki çalışmalar, Çin'de ve yakın zamandaki entegre uygulamalar da dahil olmak üzere diğer peyzajlarda, Yama oluşturucu Arazi Kullanımı Simülasyonu (PLUS) veya hücresel otomat–Markov (CA–Markov) tahsisini, Ekosistem Hizmetlerinin ve Ödünleşimlerinin Entegre Değerlendirmesi (InVEST) çerçevesi ve optimal parametre tabanlı coğrafi dedektör (OPGD) ile birleştirmiştir8,9,10,11,12,13,14,15,16,17,18,19,20. Bu çalışmalar metodolojik emsaller sunmaktadır, ancak burada kullanılan simülatör PLUS yerine özel bir Markov hücresel otomat (Markov-CA) uygulamasıdır.

İlgili araştırmalar; politika koşullu karbon yörüngelerini, eşleşmiş uydu ve arazi kullanımı modellerini, araziye duyarlı karbon depolamayı, kentsel ve kampüs uygulamalarını, toprak-karbon yönetimini, tarım arazisi geçişlerini, ulusal orman haritalamayı ve ölçek bağımlılığını değerlendirmiştir21,22,23,24,25,26,27,28,29,30,31,32,33,34. Topluca bu çalışmalar, sonuçların veri ölçeğine, sınıf geçişlerine, karbon parametrelerine ve modellenmiş politika varsayımlarına bağlı olduğunu gösterirken çok senaryolu karşılaştırmaları desteklemektedir. Mevcut çalışmada kullanılan özel uygulama; geçiş matrisinin, senaryo çarpanlarının, tahsis prosedürünün, karbon yoğunluğu sorgulamasının, duyarlılık analizinin ve topografik ilişki analizinin tek bir tekrarlanabilir çerçeve içinde incelenebildiği şeffaf bir iş akışı sunar. Mevcut çalışmada, özel iş akışının pratik değeri; geçiş matrisinin, senaryo parametrelerinin, piksel tahsis kurallarının, doğrulamanın, duyarlılık analizinin, karbon muhasebesinin ve topografik ilişki analizinin tekrarlanabilir bir hesaplama çerçevesi içinde uygulanmış ve belgelenmiş olmasıdır. Bu yapı, senaryo analizinde kullanılan varsayımların ve ara analitik adımların incelenmesine ve yeniden üretilmesine olanak tanır. İş akışı doğrudan PLUS veya diğer CA–Markov uygulamalarıyla kıyaslanmadığı için, üstün doğruluk, verimlilik veya öngörücü performans iddiasında bulunulmamıştır.

Topografik ve edafik kontroller, jeomorfik toprak karbon kalıcılığı, mekansal ölçek etkileri, OPGD uygulamaları, Huangshan üretkenliği, peyzaj metrikleri, sulak alanlar ve orman karbonu üzerine yapılan araştırmalar, arazi etkilerinin ilişki tabanlı ve temkinli bir şekilde yorumlanmasını daha da desteklemektedir35,36,37,38,39,40,41,42,43,44. Bu arka plan ışığında, mevcut yöntemin genel amacı, Yixian–Huangshan Dünya Mirası peyzajında çok senaryolu arazi kullanımı projeksiyonu, karbon depolama değerlendirmesi ve topografik ilişki analizi için şeffaf ve tekrarlanabilir bir iş akışı sağlamaktır. İş akışı, InVEST eşdeğeri dört havuzlu karbon muhasebesi ve OPGD ile özel bir Markov-CA uygulaması kullanır, modeli 2005–2015 dönemi için dönem dışı olarak doğrular ve 28 yürütülük birer birer (one-at-a-time) hassasiyet analizi gerçekleştirir. Ekteki rasterler, senaryo kuralları, hata matrisi, ortam dosyaları ve betikler, özel simülasyon iş akışının doğrudan incelenmesine ve yeniden üretilmesine olanak tanır. Bu iş akışı, amacın kesin mekansal öngörüden ziyade karşılaştırmalı senaryo değerlendirmesi olduğu; uyumlu kategorik arazi örtüsü rasterleri, sınıfa özgü karbon yoğunluğu parametreleri ve uygun topografik verilerin bulunduğu uygulamalar için tasarlanmıştır.

Bu çalışmanın üç amacı bulunmaktadır: (1) Mevcut Durum (BAU), Turizm Genişlemesi ve Gelişimi (TED), Ekolojik Koruma Önceliği (ECP) ve Köy Canlandırma ve Aktivasyonu (VRA) stres testleri altında 2030 ve 2050 yılları için arazi kullanımını simüle etmek; (2) dokuz sınıflı ve dört havuzlu kapsamlı bir arama tablosu kullanarak karbon depolamasını nicelleştirmek; ve (3) yükselti, eğim, kuzeylik ve topografik rölyefin 2015 karbon yoğunluğu ile bireysel ve ortak ilişkilerini değerlendirmek8,9,10. Bu hedefler; simüle edilmiş arazi kullanımı sonuçları ile topografik değişkenlerle olan istatistiksel ilişkiler arasındaki ayrımı koruyarak, arazi kullanımı projeksiyonu, karbon muhasebesi ve arazi ilişkisi analizini tek bir tekrarlanabilir iş akışında birleştirmektedir.

Senaryo etiketleri, uyarlanmış tahminler veya kodlanmış yasal planlardan ziyade karşılaştırmalı varsayımları ifade etmektedir. Buna göre bu yöntem, sonuç haritalarını gelecekteki arazi kullanımına dair kalibre edilmiş öngörüler olarak yorumlamaktan ziyade, alternatif arazi kullanımı varsayımlarının ve bunlarla ilişkili karbon depolama sonuçlarının tekrarlanabilir şekilde karşılaştırılması için en uygun yöntemdir.

Protokol

Hiçbir insan katılımcı, hayvan veya koruma altındaki tür kullanılmadı. Analiz yalnızca kamuya açık uzaktan algılama ürünleri ve yayımlanmış karbon yoğunluğu parametreleri kullanılarak yapıldı; bu nedenle etik kurul onayı gerekli değildi.

Tüm hesaplamalı işlemleri, açık ve tekrarlanabilir bir iş akışı içinde Python 3.11 kullanarak uygulayın. Yedi bölümden oluşan adımları izleyin: (1) çalışma alanını tanımlamak; (2) girdileri edinmek ve önişlemden geçirmek; (3) geçiş matrisini tahmin etmek ve özel Markov-HA'yı başlatmak; (4) senaryoları, duyarlılık testlerini ve geleceğe yönelik simülasyonları yapılandırmak; (5) modeli kalibre etmek ve doğrulamak; (6) karbon depolanmasını hesaplamak; ve (7) arazi ilişkilerini OPGD ile tespit etmek. Şekilde gösterilen tam iş akışını takip edin. Şekil 1.

figure-protocol-1
Şekil 1Çoklu senaryolu arazi kullanımı projeksiyonu, karbon depolama değerlendirmesi ve topoğrafik ilişki analizi için tekrarlanabilir iş akışı. Yedi aşamalı iş akışı şunları içerir: (1) Çin Arazi Örtüsü Veri Seti (CLCD) haritaları, Copernicus Dijital Yükseklik Modeli (DEM) GLO-30 verileri ve karbon yoğunluk tablosunun kullanılmasıyla giriş verilerinin hazırlanması ve önişleme; (2) piksel çapraz tablolaması ile geçiş olasılıklarının tahmini; (3) İşletme Olarak Mevcut Durum (BAU), Turizm Genişlemesi ve Kalkınma (TED), Ekolojik Koruma Önceliği (ECP) ve Köy Yenilenmesi ve Canlandırma (VRA) senaryolarının parametrelenmesi; (4) 3 × 3 Moore komşuluğu; (5) genel doğruluk (OA), Kappa ve Başarım Katsayısı (FoM) kullanarak dönem dışı doğrulama; (6) Entegre Ekosistem Hizmetleri ve Ödeneklerin Değerlendirilmesi (InVEST)-eşdeğer dört havuzlu arama yöntemiyle karbon hesaplaması; ve (7) optimal parametrelere dayalı coğrafi detektör (OPGD) analizi. İş akışı, senaryoya özgü arazi kullanım haritaları, karbon depolama yörüngeleri ve topoğrafik ilişkilerin değerlendirmelerini üretir. Lütfen bu şeklin daha büyük halini görüntülemek için buraya tıklayınız.

1. Çalışma alanı

  1. Analiz kılavuzunu 117.60 olarak tanımlayın–118.38°E ve 29,72–30.22°N. Huangshan Dağı ve Xidi'yi tedavi edin–Hongcun Dünya Mirası mülklerini yalnızca coğrafi bağlam olarak kullanın; dikdörtgen analiz alanını veya geçerli maskeyi resmi idari veya Dünya Mirası sınırı olarak yorumlamayın3,4.
  2. Izgarayı EPSG:32650'ye yeniden projekte edin ve geçerli maskeyi uygulayarak 30 m çözünürlükte 4.632.329 hücre elde edin, bu 4.169,1 km²'yi temsil eder2. Tüm raster analizler için Yixian İlçesi'ni, Huangshan Manzara Alanı'nın komşu bölgelerini ve Xiuning İlçesi'nin kuzeyini kapsayan bu alanı kullanın (Şekil 2).

figure-protocol-2
Şekil 2. Yixian'in yayılış alanını inceleyin–Çin'in Anhui eyaletinin güneyindeki Huangshan manzarası. Çin'in Anhui Eyaleti'ndeki analitik alanın konumu, çalışma alanını kırmızı dikdörtgenle göstermektedir. İlişki analizinde kullanılan topoğrafik değişkenler Şekil 5'te sunulmuştur. Lütfen bu şeklin daha büyük halini görmek için buraya tıklayınız.

2. Veri kaynakları

  1. Üç giriş grubu kullanın: Yıllık CLCD arazi örtüsü verileri, Copernicus DEM GLO-30 topoğrafya verileri ve sınıf spesifik dört havuzlu karbon yoğunluk tablosu. Her bir girişin zamansal kapsamını, çözünürlüğünü, veri kaynağını ve analitik rolünü kaydedin. Tablo 1.
  2. 2005, 2010 ve 2015 yıllarına ait CLCD katmanlarını 30 m çözünürlükte çıkarın. Tarım arazisi, orman, çalı, çayır, su, kar/buz, çıplak arazi, geçirimsiz ve sulak alan olmak üzere dokuz sınıfı koruyun.45.
  3. Copernicus DEM GLO-30'den yükseklik, eğim, kuzeylik ve topoğrafik yükseklik değerlerini türetin46. Cheng ve ark.'nın Tablo 6'sında bildirilen dokuz sınıflı tam karbon havuzu değerlerini atayın; alıntısız varsayılan veya sıfır değerli kural uygulamayın47.
  4. Tüm katmanları ortak 30 m'lik ızgarada WGS 84 / UTM Bölge 50K (EPSG:32650) sistemine yeniden projekte edin. Kategorik arazi örtüsü için en yakın komşu yeniden örneklemeyi, sürekli topoğrafya verileri için ise ikili doğrusal yeniden örneklemeyi kullanın.
  5. Çapraz tablolama, doğrulama, karbon hesaplaması ve OPGD örnekleme işleminden önce her katmana aynı geçerli maskeyi uygulayın.
  6. Python 3.11.9, numpy 2.4.6, scipy 1.17.1, rasterio 1.4.4, matplotlib 3.11.0, pandas 3.0.3, geopandas 1.1.4 ve shapely 2.1.2 kullanın. Tam olarak yeniden üretmek için arşivlenmiş ortam dosyalarına ve göreli yol komut dosyalarına başvurun.
  7. Markov-CA'yı 3 ile yapılandırın × 3 Moore komşuluğu ve tohum 2023. Her senaryo-yıl ve duyarlılık çalışması için bağımsız tohumlanmış bir üretici başlatın ve OPGD örnekleme için 42 numaralı tohumu kullanın.
Veri setiZamansal kapsamDoğal mekânsal çözünürlükBirincil kaynak / kalıcı tanımlayıcıAnalitik iş akışındaki rolü
Çin Arazi Örtüsü Veri Seti (CLCD; Yang & Huang45)2005, 2010 ve 201530 mZenodo DOI: 10.5281/zenodo.4417810Arazi kullanım sınıflandırması, değişim tespiti, doğrulama, geçiş matrisi tahmini, gözlenen temel durum ve Markov hücresel otomat girdisi
Copernicus Dijital Yükseklik Modeli (DEM) GLO-302019 referans epok; bu çalışmada sabit30 mCopernicus Veri Alanı Ekosistemi / Microsoft Planetary Computer STAC450 m yarıçaplı bir komşuluk kullanarak yükseklik, eğim, kuzeylik ve topoğrafik yüksekliğin belirlenmesi ve türetilmesi
Karbon yoğunluğu parametreleriStatikKullanım sınıfına göre; sınıf araması (Mg C ha⁻¹)Cheng ve ark.47
Tablo 6		Entegre Ekosistem Hizmetleri ve Ödemelerin Değerlendirilmesi eşdeğer karbon muhasebesi için kullanılan dokuz sınıf, dört havuzluk tam tablo (Tablo 3)
Çalışma alanı analiz kapsamı ve sınırıStatikVektör / 30 m maskesiYazma metnin mevcut durumundan yeniden inşa edilmiştir: 117,60–118.38°E, 29.72–30.22°N; arşivlenmiş GeoJSON ve maskeOrtak mekansal maske, analiz kapsamı ve analiz kılavuzu

Tablo 1: Analitik iş akışında kullanılan birincil mekânsal ve tablo veri setleri. Tablo, Çin Arazi Örtüsü Veri Seti (CLCD), Copernicus Dijital Yükseklik Modeli (DEM) GLO-30, sınıfa özgü karbon yoğunluğu parametreleri ve çalışma alanı analiz bölgesinin zamansal kapsama alanını, doğal mekânsal çözünürlüğünü, kaynak ya da kalıcı tanımlayıcıyı ve analitik rolünü özetlemektedir. Karbon yoğunluğu değerleri hektar başına megagram karbon cinsinden ifade edilmiştir (Mg C ha−1).

3. Geçiş matrisini tahmin edin ve Markov-CA modelini başlatın

  1. 2010'dan 2015'e kadar geçerli CLCD piksellerini çapraz tablolaştırın. Kaynak sınıf için i ve hedef sınıf j, hesaplayın.
  2. Elde edilen 9'u kullanın × Gelecek senaryoları için 9 geçiş matrisi. 2005 yılı için ayrı bir tane türetin–Model doğrulama için 2010 geçiş matrisi.
  3. Simülatörü özel bir Python Markov-CA uygulaması olarak çalıştırın; PLUS'ı çağırmayın8.
  4. Beş yıllık her adımda, başlangıç durumunun eşzamanlı bir görüntüsünü al. Bu görüntüden geçiş sayılarını hesapla.
  5. Hedef sınıfları değerlendir 1–9 ve kaynak sınıfları 1–9 artan düzende. Her bir seçilen kaynak pikselini daha sonraki tahsisten çıkarın, böylece beş yıllık adımda en fazla bir kez geçiş yapabilsin.
  6. Aday pikselleri, 3 boyutlu bir alandaki hedef sınıf komşularının adım başlangıcındaki sayısına göre sıralayın × 3 Moore penceresi artı 0 ile 0,5 arasında düzgün rastgele sıçrama
  7. Kaynak sınıfındaki geçerli piksel sayısının, ilgili geçiş olasılığı ve uygulanabilir ölçekleme faktörü ile çarpımının yuvarlanmış sonucuna göre her bir kaynaktan hedefe geçiş için istenen piksel sayısını hesaplayın.
    1. Bir ölçekleme faktörü kullanın gelişim geçirimsiz araziye geçişler için ve gelişme × fp orman alanından geçirimsiz alanlara geçişler için; aksi takdirde, ölçekleme faktörü olarak 1 kullanın. İstenen sayıyı, uygun aday piksel sayısına kadar sınırlayın.
    2. İstenen sayı, uygun aday sayısından küçükse, hedef sınıf komşuluk skoru ile yukarıda açıklanan düzgün rastgele sıçrama değerinin toplamına göre en yüksek sıralı adayları seçin; istenen sayı, uygun aday sayısına eşitse tüm uygun adayları seçin.

4. Senaryoları, duyarlılık testlerini ve gelecek simülasyonlarını yapılandırın

  1. Ortak geçiş matrisine üç parametre uygulayın. Şunu varsayın gelişim geçirimsiz sınıf 8'e beklenen geçişleri ölçekle, uygula fp yalnızca orman alanlarından geçirimsiz yüzeylere geçişlerle sınırlı olmak ve tanımlamak af Moore komşusu olmayan tarım arazisinin ormana dönüştüğü adımlık olasılık olarak.
  2. Ayarla (gelişim, fp, af) BAU için (1.4, 1.0, 0.005), TED için (6.0, 2.0, 0.001), ECP için (0.4, 0.4, 0.025) ve VRA için (2.5, 0.7, 0.012). Kullanın Tablo 2 karşılık gelen hesaplamalı kurallar, politika anlatımları ve parametre değerleri için.
  3. Çarpanları, ampirik geçiş matrisi etrafında şeffaf düşük, orta ve yüksek gelişim stres testleri olarak yorumlayın. Bunları turizm, köy düğümü, imar planlaması, ulaşım, koruma alanı veya ekolojik kırmızı çizgi verilerinden tahmin edilen katsayılar olarak değerlendirmeyin.
  4. İlke etiketlerini yalnızca göreli parametre yönlerini tanımlamak için kullanın. Etiketleri modele kodlanmış yasal veya mekânsal sınırlamalar olarak yorumlamayın.
  5. Tedavi etmek gelişim, fpve af yazarın tanımladığı keşifsel stres testi parametreleri olarak, ampirik olarak tahmin edilmiş veya kalibre edilmiş katsayılar yerine. Nominal değerler, kalkınma baskısı için zıt sayısal senaryo varsayımlarını belirtir (gelişim), orman koruma (fp) ve ağaçlandırma (af); 2015 sonrası gözlemlenen arazi kullanımındaki değişime uyarlanmadılar ya da belirli politika etkilerinin tahmini olarak yorumlanmadılar. Birincil senaryo karşılaştırmaları için bu ad değerleri kullanın ve aşağıda açıklanan tek seferde bir değişkenin değiştirildiği duyarlılık analiziyle dayanıklılıklarını değerlendirin.
  6. Her senaryo için nominal 2050 durumunu çalıştırın. Bir tanesinin çarpımını yaptıktan sonra simülasyonu tekrarlayın gelişim, fpveya af diğer parametreleri sabit tutarak 0,5 veya 1,5 artırın.
  7. Her bir 28 çalıştırma için tohumu 2023 olarak yeniden başlatın. Karbon depolama, karbon kaybı, orman payı ve geçirimsiz payı karşılaştırın ve bunları olasılıksal güven aralıkları olarak değerlendirmeden eşleştirilmiş durum sıralamalarını ve tam OAT aralıklarını raporlayın.
  8. Her bir sonraki simülasyonu gözlemlenen CLCD 2015'ten başlatın. Geçirimsiz alan tahsisi için tarım alanlarının geçerli maske boyunca uygun kalmasına izin verin ve tarım dışı kaynak piksellerinin adımın başlangıcındaki geçirimsiz hücrelere komşu olmalarını gerektirin.
  9. Sınıf-sınıf tahsile devam edildikten sonra, uygun sınıf arazileri ormana olasılığa bağlı olarak bağımsız şekilde dönüştürülür af. 2030 tahmini için üç adet beş yıllık adımı, 2050 tahmini için yedi adet beş yıllık adımı çalıştırın.
  10. Geçerli maske dışında sınıf 0'ı koruyun. Her projeksiyonlu haritayı 30 m çözünürlükte dışa aktarın.
SenaryoUygulanan hesaplamalı kuralPolitika anlatısı (kodlanmış bir kısıtlama değil)Parametreler
(geliştirici / fp / af)
İşlerin Gücün Gidişatı (BAU)Orta geçirimsizlik çarpanı; temel orman duyarlılığı; adım başına %0,5 izole tarım arazisi ağaçlandırmasıSüreklilik kıyaslama ölçütü1.4 / 1.0 / 0.005
Turizm Genişlemesi ve Geliştirilmesi (TED)Güçlü geçirmez çarpan; iki kat artmış orman-altyapıya dönüşüm yatkınlığı; zayıf ağaçlandırmaYüksek gelişim stres testi6.0 / 2.0 / 0.001
Ekolojik Koruma Önceliği (ECP)Azaltılmış geçirimsiz dönüşüm ve ormanların etkilenme eğilimi; en güçlü ağaçlandırmaEkolojik koruma stres testi0.4 / 0.4 / 0.025
Köylerin Canlandırılması ve Etkinleştirilmesi (VRA)Orta düzey geçirimsiz çarpan; iş hacmi altında orman duyarlılığı; orta düzey ağaçlandırmaKöy canlandırma anlatımı; köy-düğüm katmanı yok2.5 / 0.7 / 0.012

Tablo 2: Dört arazi kullanım senaryosu için hesaplamalı kurallar ve parametre değerleri. Tablo, İşletme Olarak Devam (BAU), Turizm Genişlemesi ve Kalkınma (TED), Ekolojik Koruma Önceliği (ECP) ve Köy Yenileme ve Canlandırma (VRA) senaryoları için uygulanan hesaplamalı kuralları, politika anlatımlarını ve parametre değerlerini özetlemektedir. Politika anlatımları, her senaryonun amaçlanan yorumunu tanımlar ve mekânsal kısıtlamalar olarak kodlanmaz. dev, geçirimsiz alan gelişim çarpanı; fp, orman-alanı-geçirimsiz dönüşüm yatkınlık çarpanı; af, izole tarım arazilerinde ağaçlandırma oranı (her simülasyon adımında).

5. Arazi kullanım modelini kalibre edin ve doğrulayın

  1. Gözlemlenen 2005'ten kalibrasyon matrisini tahmin edin–2010 değişikliği. 2023 tohumunu kullanarak gözlemlenen 2010 verilerinden 2015'i simüle edin.
  2. Geçerli maske içinde, simüle edilen 2015 haritasını gözlemlenen CLCD 2015 haritasıyla piksel piksel karşılaştırın. Toplam doğruluk, Kappa ve 9 × 9 hata matrisi ve değiştirilen hücreler için FoM48.
  3. Geçersiz hücreleri, dış kısımdaki sıfırların uyum oranını şişirmesini engellemek için doğrulama hesaplamalarının hem payına hem de paydasına dahil etmeyin.
  4. Genel doğruluk ve Kappa değerlerini, kararlı orman ve tarım arazisi gibi büyük sınıfların etkisi nedeniyle bu metrikleri baskın hâle getirdiği için, FoM ile birlikte yorumlayın; FoM ise daha küçük olan değişim gösteren hücre kümesini değerlendirir. Doğrulama sonuçlarını bölgesel senaryoları karşılaştırmayı desteklemek için kullanın; bu sonuçları, değişim konumunun kesin tahminini belirleyici olarak yorumlamayın.

6. Karbon depolamayı hesaplayın

  1. Her geçerli piksel için, listelenen dört sınıf-spesifik karbon havuzu yoğunluğunu atayın Tablo 3. Dört havuzun yoğunluklarını toplayarak Mg C ha⁻¹ cinsinden toplam karbon yoğunluğunu elde edin⁻1.
  2. Toplam karbon yoğunluğunu 0,09 ha piksel alanı ile çarpın. Elde edilen Mg C değerlerini Tg C'ye dönüştürün.
  3. Bu arama hesaplamasını, InVEST Karbon Depolama formülünün cebirsel eşdeğeri olarak uygulayın. Karbon birikim oranı, değerleme veya ekonomik modül uygulamayın.9,47.
Arazi kullanım sınıfı (CLCD)Yerüstü C
(Mg C ha⁻¹)		Yeraltı C'si
(Mg C ha⁻¹)		Toprak C
(Mg C ha⁻¹)		Ölü organik C
(Mg C ha⁻¹)		Toplam C
(Mg C ha⁻¹)		Kaynak
1 Tarım arazisi3.567.4526.99.8247.73Cheng ve ark.47, Tablo 6
2 Orman53.5917.3684.852.8158.6
3 Çalı4.254.6572.91.5983.39
4 Çayır4.1516.5878.21.55100.48
5 Su6.38000.126.5
6 Kar/buz00.335.3505.68
7 Barren1.30.3321.6023.23
8 Geçirimsiz009.2809.28
9 Sulak Alan12.249.1895.734.08121.23

Tablo 3: Karbon hesaplamalarında kullanılan dokuz Çin Arazi Kullanımı Veri Seti arazi kullanım sınıfı için karbon yoğunluğu parametreleri. Yeryüzünde, yeraltında, toprakta, ölü organik maddede ve toplam karbon yoğunluğu değerleri her bir Çin Arazi Örtüsü Veri Seti (CLCD) arazi kullanım sınıfı için verilmiştir. Toplam karbon yoğunluğu, dört karbon havuzunun toplamını temsil eder. Tüm karbon yoğunluğu değerleri hektar başına megagram karbon cinsinden ifade edilmiştir (Mg C ha⁻¹).−1). Değerler Cheng ve ark.'dan alınmıştır.47, Tablo 6.

7. OPGD ile topografik ilişkileri saptama

  1. Yanıt değişkeni olarak 2015 yılı karbon yoğunluğunu ve açıklayıcı faktörler olarak irtifa, eğim, kuzey yönü ve topoğrafik engebeliliği kullanın. 42 numaralı tohumu kullanarak 200.000 geçerli piksel örnekleyin.
  2. Her açıklayıcı faktör için test 2–15 nicelik aralığı. Maksimumu üreten ayrıklaştırma işlemini koruyun q-p değeri
  3. Analitik F-testini hesaplayın p-değerleri ve permütasyon p999 permütasyon kullanarak -değerlerini hesaplayın. Permütasyonu hesaplayın p-değeri olarak p = (aşım sayısı + 1) / 1000
  4. Her bir açıklayıcı faktör çifti için optimize edilmiş strataları birleştirerek etkileşim sonuçlarını hesaplayın. Tüm faktör ve etkileşim çıktılarını nedensel etkilerden ziyade uzamsal ilişkiler olarak yorumlayın10.

Sonuçlar

Arazi kullanımının mekansal dağılımı ve zamansal dinamikleri

Analitik iş akışı, çalışma kapsamı ve birincil girdi veri setleri sırasıyla Şekil 1, Şekil 2 ve Tablo 1'de özetlenmiştir. Şekil 1, arazi kullanımı projeksiyonu, doğrulama, karbon muhasebesi ve topografik ilişki analizi için kullanılan yedi adımlı iş akışını sunmaktadır. Şekil 2, çalışma alanının konumunu ve analitik kapsamını göstermektedir. Tablo 1, birincil mekânsal ve tablosal veri setlerinin zamansal kapsamını, mekânsal çözünürlüğünü, kaynağını ve analitik rolünü özetlemektedir. 4.632.329 geçerli piksel üzerinden simüle edilen 2015 verilerinin gözlemlenen CLCD 2015 ile karşılaştırılması sonucunda OA = 96,61%, Kappa = 0,850 ve FoM = 0,107 değerleri elde edilmiştir. Uyum, ağırlıklı olarak istikrarlı orman ve tarım arazilerinden kaynaklanırken, değişim odaklı FoM, değişim konumlarının yeniden üretilmesinde sınırlı doğruluğa işaret etmiştir. Bu nedenle doğrulama, kesin mekânsal öngörüden ziyade karşılaştırmalı senaryo analizini desteklemektedir. Ek Tablo 1 (çalışma sayfası S3), doğrulama metriklerini, değişim isabetlerini, kaçırılanları, yanlış alarmları ve tam konfüzyon matrisini sunmaktadır. Arşiv, doğrulama raster'ını ve hesaplama için kullanılan tam betiği içermektedir.

28 duyarlılık çalışması boyunca, eşleşen her pertürbasyon ECP > BAU > VRA > TED sıralamasını korumuştur. Kar kaybı aralıkları ECP için %4,22–5,86, BAU için %6,87–8,55, VRA için %6,99–9,61 ve TED için %10,45–15,84 olarak gerçekleşmiştir. BAU ve VRA aralıkları örtüşmektedir; bu nedenle yorumlama, OAT aralıklarının tam ayrılmasından ziyade eşleşmiş durum sıralamasıyla sınırlıdır. Tüm duyarlılık sonuçları Ek Tablo 1 (çalışma sayfası S4) ve Ek Şekil 1'de sunulmuştur. Ek Tablo 1 (çalışma sayfası S1)'de verilen 2010–2015 operasyonel matrisi; orman için %98,23, tarım arazisi için %94,66 ve geçirimsiz yüzeyler için %99,43 tutunma olasılıkları göstermiştir. En büyük diyagon dışı geçişler tarım arazisinden geçirimsiz yüzeylere (%3,39), tarım arazisinden ormana (%1,71) ve ormandan tarım arazisine (%1,71) gerçekleşmiştir. Aynı dönemde orman örtüsü %87,63'ten %86,27'ye düşerken, tarım arazisi %10,99'dan %11,92'ye ve geçirimsiz yüzeyler %1,08'den %1,50'ye yükselmiştir. Şekil 3A,B sırasıyla gözlemlenen 2010 ve 2015 arazi kullanım modellerini ve Şekil 4 analize dahil edilmeyen faktörleri çıkarımdan geçirmeden ilgili değişim sınıflarını sunmaktadır.

figure-results-1
Şekil 3. 2010 ve 2015 yıllarında Yixian–Huangshan manzarasında gözlemlenen arazi kullanım modelleri. Analiz alanı içerisindeki dokuz arazi kullanım sınıfının mekansal dağılımını gösteren Çin Arazi Örtüsü Veri Seti (CLCD) haritaları. (A) 2010 yılında gözlemlenen arazi kullanımı. (B) 2015 yılında gözlemlenen arazi kullanımı. Arazi kullanım sınıfları; ekili alanlar, orman, çalılık, otlak, su, kar/buz, çıplak arazi, geçirimsiz yüzeyler ve sulak alanları kapsamaktadır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

figure-results-2
Şekil 4. 2010 ile 2015 yılları arasında Yixian–Huangshan peyzajında gözlemlenen arazi kullanım değişikliği. Harita, 2010 ve 2015 Çin Arazi Örtüsü Veri Seti haritaları arasındaki sabit orman, orman kaybı, orman artışı ve yeni gelişen geçirimsiz yüzeylerin mekansal dağılımını göstermektedir. Beyaz alanlar, bu dört değişim kategorisine sınıflandırılmayan konumları temsil eder. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Arazi özellikleri ve topografik heterojenlik

Geçerli maske dahilinde, yükselti 82.3 ile 1,830.3 m (ortalama, 388.0 m), eğim 0 ile 87.3° (ortalama, 22.4°), kuzeylik −1 ile 1 ve topografik rölyef 3.2 ile 1,398.2 m (ortalama, 230.0 m) arasında değişmiştir. Rölyef, 31 × 31 piksellik bir iz düşümle uygulanan 450 m yarıçaplı dairesel bir komşuluk içindeki yerel yükselti aralığı olarak tanımlanmıştır. Şekil 5A–D sırasıyla yükseltiyi, eğimi, kuzeyliği ve topografik rölyefi göstermektedir. Bu katmanlar mekansal arazi varyasyonunu karakterize etmektedir; bunlara karşılık gelen herhangi bir ekolojik mekanizma, nedensel bir sonuçtan ziyade bir hipotez olarak ele alınmıştır35,36,37,38,39,40,41,42,43,44.

figure-results-3
Şekil 5İlişkilendirme analizinde kullanılan topografik değişkenler. Dört topografik değişkenin analiz alanı genelindeki mekânsal dağılımları: (A) metre cinsinden ifade edilen yükselti; (B) derece cinsinden ifade edilen eğim; (C) -1 ile 1 arasındaki bir ölçekte ifade edilen kuzeylik ve (D) metre cinsinden ifade edilen topografik rölyef. Bu değişkenler, 2015 karbon yoğunluğu ile olan bireysel ve ortak ilişkilerinin optimal parametre tabanlı coğrafi dedektör analizi kapsamında kullanılmıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Çok senaryolu arazi kullanım projeksiyonları

Tablo 2'de özetlenen ortak geçiş matrisi ve senaryo parametreleri, Ek Tablo 2'de verilen sayısal arazi örtüsü sınıf tanımlayıcılarını kullanarak farklı toplam yörüngeler üretmiştir. Şekil 6; orman, tarım arazisi ve geçirimsiz yüzeylerin gözlemlenen ve öngörülen paylarını sunarken, Şekil 7A–D sırasıyla 2030 yılı için BAU, TED, ECP ve VRA mekânsal projeksiyonlarını, Şekil 7E–H ise 2050 yılı için ilgili projeksiyonları göstermektedir. 2050 yılına kadar orman örtüsünün BAU altında %78,0, TED altında %74,6, ECP altında %80,3 ve VRA altında %78,2 olacağı öngörülmüştür; bunlara karşılık gelen geçirimsiz yüzey payları sırasıyla %6,3, %17,6, %2,8 ve %9,0'dır. Gözlemlenen 2015 yılına kıyasla, öngörülen geçirimsiz yüzey genişlemesi BAU altında yaklaşık 202 km2, TED altında 675 km2, ECP altında 57 km2 ve VRA altında 317 km2 olarak gerçekleşmiştir. Bu değerler, uyarlanmış tahminlerden ziyade stres testi çıktılarıdır. Öngörülen değişiklikler mekânsal olarak kümelenmiştir çünkü aday sıralaması, hedef sınıf komşuluk sayımlarını kullanmakta ve tarım arazisi dışındaki alanların geçirimsiz araziye dönüşümü kenar hücrelerle sınırlandırılmaktadır. Model; ulaşım koridoru, köy düğümü, koruma alanı, ekolojik kırmızı hat veya yasal planlama katmanı içermemektedir; bu nedenle, belirli altyapılarla veya düzenlenmiş bölgelerle görülen uyumlar, kodlanmış bir etkiyi temsil etmemektedir.

figure-results-4
Şekil 6. Dört farklı senaryo altında ana arazi kullanım sınıflarının gözlemlenen ve öngörülen payları. Çalışma alanının orman, tarım arazisi ve geçirimsiz yüzeyler tarafından kaplanan yüzdesi; gözlemlenen 2005, 2010 ve 2015 yılları ile Mevcut Durum (BAU), Turizm Genişlemesi ve Gelişimi (TED), Ekolojik Koruma Önceliği (ECP) ve Köy Canlandırma ve Aktivasyon (VRA) senaryoları altındaki 2030 ve 2050 projeksiyonları için gösterilmiştir. Çubuklar, her bir arazi kullanım sınıfı için toplam çalışma alanının modellenmiş payını temsil etmektedir; değerler tekrarlara dayalı tahminler değil, deterministik senaryo çıktıları olduğu için hata çubukları uygulanmamıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

figure-results-5
Şekil 7. 2030 ve 2050 yıllarında dört farklı senaryo altında öngörülen arazi kullanımının mekansal dağılımı. Mevcut Durumun Devamı (Business As Usual - BAU), Turizm Genişlemesi ve Gelişimi (Tourism Expansion and Development - TED), Ekolojik Koruma Önceliği (Ecological Conservation Priority - ECP) ve Köy Canlandırma ve Aktivasyonu (Village Revitalization and Activation - VRA) senaryoları altındaki öngörülen arazi kullanım modelleri. (A–D) Sırasıyla 2030 yılı için BAU, TED, ECP ve VRA projeksiyonları. (E–H) Sırasıyla 2050 yılı için BAU, TED, ECP ve VRA projeksiyonları. Arazi kullanım sınıfları; ekili arazi, orman, çalılık, otlak, su, kar/buz, çıplak arazi, geçirimsiz yüzeyler ve sulak alanları kapsamaktadır. Tüm senaryo simülasyonları, gözlemlenen 2015 CLCD haritası üzerinden başlatılmıştır; bu nedenle, simüle edilmiş bir arazi kullanım geçişi olmayan hücreler, 2015 arazi kullanım sınıfını ve temel mekansal modelini korumaktadır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Çok senaryolu projeksiyonlar altında karbon depolama dinamikleri

Tablo 3'teki dört havuzlu tam arama tablosunun uygulanması, 2015 yılı için 142,73 Mg C ha−1 ortalama yoğunluğa eşdeğer 59,505 Tg C sağlamıştır. Ormanlar 57,04 Tg C (%95,9), tarım arazileri ise 2,37 Tg C (%4,0) ile temsil edilmiştir. Geçirimsiz arazi, benimsenen kaynak bu sınıfa 9,28 Mg C ha−1 atadığı için küçük ancak sıfır olmayan bir katkı sağlamıştır. Orman sınıfı içerisinde toprak, yer üstü, yer altı ve ölü organik havuzlar toplam karbonun sırasıyla %53,5, %33,8, %10,9 ve %1,8'ini oluşturmuştur31,32,33,34,44,47. Tüm senaryolar, 2050 yılında 2015 yılına göre daha düşük karbon depolama değerleri vermiştir. Öngörülen depolama; BAU altında 54,895 Tg C (%7,75 kayıp), TED altında 51,475 Tg C (%13,49), ECP altında 56,523 Tg C (%5,01) ve VRA altında 54,540 Tg C (%8,34) olarak belirlenmiştir. ECP–TED farkı 5,048 Tg C'dir. Bu karşıtlıklar, belirlenen sayısal parametrelerin bir sonucudur ve tanımlanan politikaların etkilerini tahmin etmemektedir. Şekil 8A, 2015 yılındaki toplam karbon depolamasını ve 2030 ile 2050 yılları için senaryo projeksiyonlarını; Şekil 8B, ilgili ortalama karbon yoğunluklarını; Şekil 8C, 2015 baz çizgisine göre 2050 yılına kadar olan karbon kaybını ve Şekil 8D ise öngörülen orman payı ile karbon kaybı arasındaki ilişkiyi sunmaktadır. Değerler, tekrara dayalı tahminler değil, deterministik senaryo çıktılarıdır.

figure-results-6
Şekil 8. Dört arazi kullanım senaryosu altında öngörülen karbon depolama ve bunun orman örtüsü ile ilişkisi. (A) Mevcut Durumun Devamı (BAU), Turizm Genişlemesi ve Geliştirme (TED), Ekolojik Koruma Önceliği (ECP) ve Köy Canlandırma ve Aktivasyon (VRA) senaryoları altında 2015 yılındaki toplam karbon depolama ile 2030 ve 2050 yılları için öngörülen değerler, teragram karbon (Tg C) cinsinden ifade edilmiştir. (B) İlgili yıllar ve senaryolar için ortalama karbon yoğunluğu, hektar başına megagram karbon (Mg C ha-1) cinsinden ifade edilmiştir. (C) Her senaryo için 2015 temel yılına kıyasla 2050 yılına kadar toplam karbon depolamadaki yüzde kayıp. (D) Her senaryo için 2050 yılında çalışma alanının öngörülen orman payı ile 2015 yılına göre yüzde karbon kaybı arasındaki ilişki. Değerler deterministik senaryo çıktılarıdır; hata çubukları uygulanmamıştır. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Karbon depolama mekansal heterojenliği ile topografik ilişkiler

Şekil 9A'da gösterildiği gibi, OPGD faktör dedektörü eğimi birinci sıraya koymuştur (q = 0.557), bunu topografik rölyef (q = 0.460), yükselti (q = 0.352) ve kuzeylik (q = 0.003) takip etmiştir. 999 permutasyon ile, her faktör için permutasyon p-değeri, elde edilebilecek minimum değer olan 0,001'dir; analitik F-testi p-değerleri de 0,001'in altındaydı. Optimize edilmiş ayrıklaştırma aralıkları ile analitik ve permutasyon p-değerlerini içeren tüm faktör ve etkileşim dedektörü istatistikleri Ek Tablo 3'te sunulmuştur. İstatistiksel anlamlılık, etki büyüklüğünden farklıdır: kuzeylik ile olan ilişki pratik açıdan ihmal edilebilir düzeydedir ve tüm q-değerleri, nedensel etkilerden ziyade değerlendirilen dört arazi değişkeni arasındaki ilişkileri temsil etmektedir10,40. Tüm faktör çiftleri, kendi bireysel q-değerlerinin en büyüğünden daha yüksek etkileşim q-değerleri vermiştir. En güçlü etkileşimler, Şekil 9B'de gösterildiği üzere eğim ∩ rölyef (q = 0.628), yükselti ∩ eğim (q = 0.618) ve yükselti ∩ rölyef (q = 0.510) şeklinde gerçekleşmiştir. Bu değerler, çiftli faktörler için daha güçlü tabakalı ilişkiler olduğunu göstermektedir ancak toprak, iklim, orman yaşı, yönetim ve erişilebilirlik modellenmediği için jeomorfolojik bir mekanizma kurmamaktadır.

figure-results-7
Şekil 9. Optimal parametre tabanlı coğrafi dedektör kullanılarak belirlenen 2015 karbon yoğunluğu ile topografik ilişkiler. (A) Yükseklik, eğim, kuzeylik ve topografik rölyef için faktör dedektörü q-istatistikleri. İlgili q-değerleri sırasıyla 0.3518, 0.5571, 0.0031 ve 0.4600'dür; permutasyon testleri p = 0.001 sonucunu vermiştir. (B) Dört topografik değişkenin ikili kombinasyonları için etkileşim dedektörü q-değerleri. Daha büyük q-değerleri, 2015 karbon yoğunluğunun mekansal dağılımı ile daha güçlü istatistiksel ilişkileri gösterir. OPGD, optimal parametre tabanlı coğrafi dedektör. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Genel sonuçlar

Şekil 10A–D, iş akışının temel sonuçlarını sırasıyla özetlemektedir: öngörülen orman payı, toplam karbon depolaması, topografik ilişkilerin sıralaması ve temel nicel göstergeler. 2015 analitik baz çizgisi 59.505 Tg C içermekteydi. Dört keşifsel parametre setinde, 2050 yılına kadar öngörülen kayıplar %5,01 ile %13,49 arasında değişmiş ve tüm eşleştirilmiş duyarlılık durumları ECP > BAU > VRA > TED sıralamasını korumuştur. Eğim ve rölyef, değerlendirilen en güçlü arazi ilişkilerini göstermiştir. FoM = 0,107 değeri ve açık planlama, sosyoekonomik ve iklim katmanlarının dışlanmış olması nedeniyle, sonuçlar deterministik mekansal tahminden ziyade karşılaştırmalı bölgesel değerlendirmeyi desteklemektedir.

figure-results-8
Şekil 10. Öngörülen arazi kullanımı ve karbon depolama sonuçlarının ve topografik ilişkilerin özeti. (A) Mevcut Durumun Devamı (BAU), Turizm Genişlemesi ve Gelişimi (TED), Ekolojik Koruma Önceliği (ECP) ve Köy Canlandırma ve Aktivasyonu (VRA) senaryoları altında 2030 ve 2050 yıllarında çalışma alanının öngörülen orman payı; kesikli çizgi 2015 yılı temel orman payını göstermektedir. (B) 2015 yılındaki toplam karbon depolaması ve dört senaryo altında 2030 ve 2050 yılları için öngörülen değerler, teragram karbon (Tg C) cinsinden ifade edilmiştir. (C) Optimal parametre tabanlı coğrafi dedektör (OPGD) kullanılarak elde edilen q-istatistiklerine göre yükselti, eğim, kuzeylik ve topografik rölyefin sıralaması; daha büyük q-değerleri, 2015 karbon yoğunluğu ile daha güçlü istatistiksel ilişkileri belirtmektedir. (D) Temel karbon depolaması ve yoğunluğu, öngörülen 2050 karbon kaybı aralığı, ECP ve TED senaryoları arasındaki karbon depolama farkı, doğrulama metrikleri ve değerlendirilen en güçlü topografik ilişkiyi içeren temel nicel göstergelerin özeti. OA, genel doğruluk; FoM, Liyakat Şekli; Mg C ha-1, hektar başına megagram karbon. Bu şeklin daha büyük bir versiyonunu görüntülemek için lütfen buraya tıklayın.

Ek Şekil 1. Dört arazi kullanım senaryosu altında 2050 karbon depolamasının tek tek (OAT) duyarlılık analizi. (A) BAU, TED, ECP ve VRA için nominal 2050 karbon depolaması ve tam OAT duyarlılık aralığı. Noktalar nominal senaryo değerlerini, dikey aralıklar ise diğer parametreler sabit tutulurken dev, fp veya af parametrelerinden birinin 0,5 veya 1,5 ile çarpılmasıyla elde edilen minimum ve maksimum karbon depolama değerlerini göstermektedir. (B) dev, fp ve af parametrelerinin 0,5× ve 1,5× perturbasyonları sonrası 2050 karbon depolamasındaki değişimin ilgili nominal senaryo değerine göre gösterimi. Sıfırın üzerindeki değerler nominal durumdan daha fazla karbon depolamayı, sıfırın altındaki değerler ise daha düşük karbon depolamayı belirtir. Aralıklar, deterministik tek tek parametre perturbasyonlarını temsil eder ve olasılıksal güven aralıkları değildir.Lütfen bu dosyayı indirmek için buraya tıklayınız.

Ek Tablo 1. Arazi kullanımı geçiş matrisi, senaryo parametrelendirmesi, model doğrulaması ve tekli duyarlılık analizi sonuçları. Çalışma kitabı dört sayfa içermektedir: S1, 2010–2015 operasyonel arazi kullanımı geçiş matrisi; S2, dört senaryo için parametre değerleri, uygulanan kurallar ve yorumlama sınırları; S3, 9 × 9 hata matrisi ve ilgili model doğrulama sonuçları; ve S4, diğer parametreler sabit tutulurken dev, fp ve af değerleri 0,5× ve 1,5× oranında değiştirilerek elde edilen nominal ve tekli duyarlılık sonuçları. Duyarlılık aralıkları deterministik parametre sapmalarını temsil eder ve probabilistik güven aralıkları değildir.Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Tablo 2. Hesaplama iş akışında kullanılan arazi örtüsü sınıf tanımlayıcıları. Tablo, raster analizlerinde kullanılan sayısal sınıf tanımlayıcılarını ve bunlara karşılık gelen arazi örtüsü sınıflarını listelemektedir. Sınıf 0, geçerli çalışma alanı maskesinin dışındaki NoData değerini; 1–9 arasındaki sınıflar ise sırasıyla ekili alan, orman, çalı, otlak, su, kar/buz, çıplak arazi, geçirimsiz yüzey ve sulak alanı ifade eder.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Tablo 3. 2015 karbon yoğunluğu için OPGD faktör ve etkileşim dedektörü sonuçları. Tablo; yükselti, eğim, kuzeylik ve topografik rölyef için optimize edilmiş q-istatistiklerini, ayrıklaştırma aralığı sayılarını, analitik F-testi p-değerlerini ve 999 permütasyona dayalı permütasyon p-değerlerini rapor etmektedir. İkili etkileşim sonuçları; etkileşim q-istatistiğini, bireysel faktör q-istatistiklerini ve etkileşim sınıflandırmasını rapor etmektedir. Rapor edilen istatistikler mekansal ilişkileri temsil eder ve nedensel etkiler oluşturmaz.Lütfen bu dosyayı indirmek için buraya tıklayın.

Ek Not 1. Makale şekillerinin panel bazlı açıklamaları, veri kaynakları ve yorumlama notları. Bu not, münferit şekil panellerinin içeriğini ve temel veri kaynağını tanımlamakta; ortak mekansal kapsamlar, yinelenen bilgiler ve görüntülenen değişkenlerin yorumlanmasına ilişkin bilgi sağlamaktadır.Bu dosyayı indirmek için lütfen buraya tıklayın.

Ek Veri Arşivi (sıkıştırılmış). Arşiv; 26 adet analize hazır GeoTIFF dosyası, sınır dosyaları, meta veriler, sonuçlar, betikler, şekiller, çalışma kitapları, kesin hesaplama ortamı dosyaları, bir README dosyası ve SHA-256 sağlama toplamlarını içermektedir.

Tartışma

Dört stres testi boyunca, simüle edilen geçişler yüksek ve düşük yoğunluklu arazi örtüsü sınıflarının oranlarını değiştirdikçe karbon depolama miktarı azalmıştır. En büyük düşüş TED ile gerçekleşirken, en küçük düşüş ECP ile gerçekleşmiştir. Bu nedenle, protokolün uygulanmasındaki kritik bir adım, dev, fp ve af parametrelerinin konfigürasyonu ve yorumlanmasıdır. Senaryo farklılıkları bu atanan değerlerden kaynaklandığı için, bunlar turizm geliştirme, köy canlandırma veya ekolojik düzenlemenin gözlemlenen etkilerinden ziyade koşullu model yanıtlarını temsil etmektedir. 2050 yılına kadar, TED kapsamındaki öngörülen karbon depolama miktarı, ECP kapsamındakinden 5.048 Tg C daha düşük çıkmıştır. Kabul edilen bakma tablosu uyarınca, bir hektar ormanın geçirimsiz araziye dönüştürülmesi atanmış stoğu 149.32 Mg C azaltırken, tarım arazisinden geçirimsiz araziye dönüşüm bunu 38.45 Mg C azaltmaktadır. Bu hesaplama karşıtlıkları, simüle edilen orman dönüşümünün toplam depolama üzerindeki güçlü etkisini açıklamaktadır. Bununla birlikte, yerel kalibrasyon yapılmadan literatür kaynaklı değerlere güvenilmesi, mutlak tahminlere belirsizlik getirmektedir.

Bir diğer kritik adım, OPGD'de kullanılan arazi değişkenlerinin türetilmesi ve diskretizasyonudur. Topografik kabartma, optimize edilmiş diskretizasyondan sonra karbon yoğunluğu ile ilişkilendirilmiştir (q = 0,460). Kabartma, 31 × 31 piksellik bir ayak izi ile uygulanan, 450 m yarıçaplı dairesel bir komşuluk içindeki yerel yükselti aralığı olarak tanımlanmıştır. Yüksek kabartmalı hücreler dik, ormanlık arazilerle örtüşebilir; ancak OPGD arazi, erişilebilirlik, arazi kullanım geçmişi, toprak, yönetim ve diğer korele açıklamalar arasında ayrım yapamaz. Eşleştirilmiş arazi katmanları, özellikle eğim ∩ kabartma için (q = 0,628), bireysel faktörlerden daha güçlü q-değerleri üretmiştir. Bu örüntü mekanistik olmaktan ziyade tanımlayıcıdır. Benzer şekilde, kuzeylik için düşük q-değeri (0,003), güneş radyasyonundaki kontrastların zayıf olduğunu kanıtlamaz; bu açıklamanın test edilmesi radyasyon, mikroiklim, vejetasyon ve saha ölçümlerini gerektirir.

Bu yöntem, bölgesel hipotezlerin oluşturulmasını destekler: simüle edilen orman dönüşümünün sınırlandırılması, geçirimsiz yüzey genişlemesinin denetlenmesi ve tarım alanlarının ormana dönüştürülmesinin artırılması, atanmış karbonun daha fazlasını korur. Sahaya özgü reçeteler ek kanıtlar gerektirmektedir. İş akışının karar odaklı uygulamalara uyarlanması için; doğrulanmış koruma alanı, ekolojik kırmızı çizgi, ulaşım, parsel ve köy düğümü katmanlarının yanı sıra paydaş katılımı, ekosistem hizmeti ödünleşimleri, teşvikler, restorasyon maliyetleri, kültürel hizmetler, geçim kaynakları ve biyodiversite değerlendirmeleri sürece dahil edilmelidir49,50,51,52,53,54,55,56. Mevcut protokol bu tür mekansal veya sosyoekonomik kısıtlamaları kodlamadığı için bu eklemeler önemlidir. Ayrıca geniş kapsamlı literatür; bitki depolama stratejileri, orman yapısı, ağaç dışı vejetasyon, turizm davranışları ve yerleşik çevre yaşam döngüsü etkilerinin, mevcut arazi örtümü muhasebesinden farklı analizler gerektirdiğini göstermektedir57,58,59,60,61.

Yöntemin uygun kullanımı ve yorumlanması birkaç sınırlama ile tanımlanmıştır. Bunlar arasında; yerel saha kalibrasyonu olmayan literatür kaynaklı karbon yoğunlukları, potansiyel CLCD sınıflandırma hatası, basitleştirilmiş özel bir Markov-CA, 0,107 değerindeki değişim odaklı bir doğrulama FoM, uyarlanmamış stres testi parametreleri ve tek tohumlu stokastik değerlendirme yer almaktadır. Diğer sınırlamalar ise olasılıksal belirsizlik analizi yerine tek faktörlü tasarım kullanımı; planlama, sosyoekonomik, erişilebilirlik, toprak, orman yaşı ve iklim değişikliği katmanlarının ihmal edilmesi ve nedensel olmayan OPGD ilişkileridir. Bu sınırlamalar, iş akışının karşılaştırmalı bölgesel senaryo değerlendirmeleri için uygun olduğu, ancak deterministik mekansal tahminler, yerel olarak kalibre edilmiş karbon envanterleri veya politika etkinliğinin nedensel tahminlerini sağlamadığı anlamına gelmektedir.

Mevcut ve alternatif yaklaşımlar göz önüne alındığında, protokolün önemi; arazi kullanımı simülasyonu, dört havuzlu karbon muhasebesi, doğrulama, hassasiyet testi ve arazi ilişkilendirme analizini, yorumlamadaki açık sınırlamaları koruyarak yeniden üretilebilir bir iş akışı içinde entegre etmesinde yatmaktadır. Sorun giderme ve modifikasyon işlemleri, özellikle alt akıştaki yorumlamayı en güçlü şekilde etkileyen adımlara odaklanmalıdır: arazi örtüsü ön işleme ve maskeleme, geçiş ve senaryo parametrelendirmesi, model doğrulaması, karbon yoğunluğu ataması ve arazi ayrıklaştırması.

Bu iş akışı, alternatif arazi kullanım yörüngelerinin karşılaştırmalı değerlendirmesine ve daha fazla inceleme gerektiren mekansal ilişkilerin belirlenmesine uygulanabilirken, sahaya özgü uygulamalar yerel olarak doğrulanmış ek kanıtlar gerektirmektedir. Gelecekteki araştırmalar için öncelikler arasında yerel karbon ölçümlerinin toplanması, alternatif tahsis modellerinin ve rastgele başlangıç değerlerinin (random seeds) karşılaştırılması, parametrelerin bağımsız sürücülere uydurulması ve sınıflandırma, parametre ve iklim belirsizliklerinin yayılması yer almaktadır. Bu geliştirmeler, mevcut iş akışını karşılaştırmalı stres testlerinin ötesine taşıyacak ve ek belirsizlik kaynakları altında arazi kullanımı ve karbon depolama sonuçlarının değerlendirilmesi için daha güçlü bir temel sağlayacaktır.

Açıklamalar

Yazarlar herhangi bir çıkar çatışması beyan etmemektedir.

Teşekkürler

Yazarlar, CLCD ve Copernicus DEM GLO-30 veri setlerinin sağlayıcılarına teşekkür ederler.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Çin Arazi Örtüsü Veri Seti (CLCD)Wuhan Üniversitesi (Yang J & Huang X)1985–2022 yıllık ürün; 30 m; Zenodo DOI: 10.5281/zenodo.4417810Temel arazi örtüsü girdisi; kalibrasyon, doğrulama, geçiş matrisi tahmini ve temel analiz için kullanılan 2005, 2010 ve 2015 katmanları
Copernicus DEM GLO-30Avrupa Uzay Ajansı / Copernicus ProgramıReferans epoku 2019; 2021 kamuya açık sürüm; 30 mOPGD analizi için yükseklik, eğim, kuzeylik ve topografik rölyef türetmek amacıyla kullanılan arazi girdisi
Özel Markov hücresel otomatonuÖzel Python uygulamasıPython 3.11; seed 2023; senkron güncelleme; 3 × 3 Moore komşuluğu; arşivlenmiş kaynakArazi kullanım senaryosu simülasyonu; PLUS'u çağırmayan özel uygulama
geopandas (Python kütüphanesi)geopandas geliştiricileri1.1.4Vektör veri işleme, mekansal sorgular ve sınır işlemleri
InVEST dört havuzlu karbon depolama formülasyonuDoğal Sermaye ProjesiInVEST dokümantasyonu; özel Python arama tablosu hesaplaması; arşivlenmiş betikSınıf tabanlı dört havuzlu karbon muhasebesi; sekestrasyon oranı, değerleme veya ekonomik modül içermez
matplotlib (Python kütüphanesi)Matplotlib geliştiricileri3.11.0Şekil oluşturma ve bilimsel görselleştirme
numpy (Python kütüphanesi)NumPy geliştiricileri2.4.6Dizi düzeyinde sayısal hesaplama
OPGD faktörü ve etkileşim dedektörleriOPGD metodolojisine dayalı özel Python uygulamasıTohum 42; 200.000 piksellik örnek; 2–15 kantil intervali; 999 permütasyon; arşivlenmiş betik2015 karbon yoğunluğu ile yükselti, eğim, kuzeylik ve topografik rölyef arasındaki ilişkilerin faktör ve etkileşim analizi
pandas (Python kütüphanesi)pandas geliştiricileri3.0.3Tablosal veri işleme ve analitik çıktı işleme
Python programlama diliPython Software Foundation3.11.9Önişleme, simülasyon, doğrulama, karbon muhasebesi, OPGD analizi ve son işleme için hesaplama ortamı
rasterio (Python kütüphanesi)rasterio bakımcıları1.4.4Raster giriş/çıkış, yeniden projeksiyon, yeniden örnekleme ile arazi örtüsü ve arazi rasterlerinin işlenmesi
scipy (Python kütüphanesi)SciPy geliştiricileri1.17.1Arazi işlemede kullanılan sayısal ve morfolojik işlemler
shapely (Python kütüphanesi)Shapely geliştiricileri2.1.2Vektör ve uzamsal işlemeyi destekleyen geometrik operasyonlar
Çalışma alanı kapsamı ve geçerli maskeYazma koordinatlarından yeniden yapılandırılmış özel çalışma girdisiEPSG:32650; 30 m; arşivlenmiş GeoJSON ve GeoTIFF; 4.632.329 geçerli hücre4.169,1 km'yi tanımlar² ortak analiz alanı ve geçerli raster maskesi

Kaynaklar

  1. Costanza R, et al. The value of the world's ecosystem services and natural capital. Nature. 1997;387(6630):253-260. doi:10.1038/387253a0.
  2. Millennium Ecosystem Assessment. Ecosystems and Human Well-Being: Synthesis. Island Press; Washington, DC; 2005.
  3. UNESCO World Heritage Centre. Mount Huangshan [Internet]. UNESCO; Paris; [cited 2026 Aug 18]. Available from: https://whc.unesco.org/en/list/547
  4. UNESCO World Heritage Centre. Ancient Villages in Southern Anhui—Xidi and Hongcun [Internet]. UNESCO; Paris; [cited 2026 Aug 18]. Available from: https://whc.unesco.org/en/list/1002
  5. Megarry WP, et al. Land use and land cover analysis of cultural World Heritage to inform assessments of climate vulnerability. Journal of Cultural Heritage. 2026;77:243-253. doi:10.1016/j.culher.2025.11.008.
  6. Wang Y, Chen S, Rabeeu A. Does world heritage site initiation promote tourism? A difference-in-difference approach. Tourism Economics. 2024;30(8):2111-2133. doi:10.1177/13548166241253306.
  7. Wang Y, Sulaiman MKAM, Harun NZ. Reframing place identity for traditional village conservation: A theoretical model with evidence from Dali Dong Village. Heritage. 2025;8(10):427. doi:10.3390/heritage8100427.
  8. 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. doi:10.1016/j.compenvurbsys.2020.101569.
  9. Sharp R, et al. InVEST User's Guide: Integrated Valuation of Ecosystem Services and Tradeoffs. [Internet]. Natural Capital Project, Stanford University; 2020. Available from: https://naturalcapitalproject.stanford.edu/software/invest
  10. Song Y, Wang J, Ge Y, Xu C. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis: cases with different types of spatial data. GISci Remote Sens. 2020;57(5):593-610. doi:10.1080/15481603.2020.1760434.
  11. Bozali N. Spatiotemporal simulation of land use and land cover changes in Türkiye through a CA–Markov framework. Scientific Reports. 2026;16(1). doi:10.1038/s41598-026-35807-9.
  12. Gita B, Pankaj L. Modeling alternative futures: Scenario-based land-use and land-cover projections for Nepal (2030–2050). Land. 2026;15(5):873. doi:10.3390/land15050873.
  13. Cui J, et al. An integrated land use–carbon modeling framework for net carbon emissions and spatial optimization in Northeast China. Journal of Cleaner Production. 2025;525:146545. doi:10.1016/j.jclepro.2025.146545.
  14. Tang H, et al. Analysis of spatiotemporal variations and driving factors of carbon storage based on the PLUS-InVEST-OPGD model: A case study of Tai'an City. Sustainability. 2026;18(8):4017. doi:10.3390/su18084017.
  15. Zhang Y, Liao X, Sun D. A coupled InVEST-PLUS model for the spatiotemporal evolution of ecosystem carbon storage and multi-scenario prediction analysis. Land. 2024;13(4):509. doi:10.3390/land13040509.
  16. Huang M, et al. Integrated assessment of land use and carbon storage changes in the Tulufan-Hami Basin under the background of urbanization and climate change. Int J Appl Earth Obs Geoinf. 2024;135:104261. doi:10.1016/j.jag.2024.104261.
  17. Ma Y, et al. Assessing carbon storage dynamics and policy impacts: Application of InVEST-PLUS framework in the Qinling Mountains, China. Land Use Policy. 2026;164:107947. doi:10.1016/j.landusepol.2026.107947.
  18. Li Z, Yan T, Du Y. Scenario-based simulation of carbon storage in Chengdu using MCCA-InVEST: land use change, spatial patterns, and driving mechanisms. Carbon Balance Manag. 2025;20:40. doi:10.1186/s13021-025-00328-x.
  19. Zhao H, Guo B, Wang G. Spatial-temporal changes and prediction of carbon storage in the Tibetan Plateau based on PLUS-InVEST model. Forests. 2023;14(7):1352. doi:10.3390/f14071352.
  20. Hasan F, Makhtoumi Y, Chen G. Impact of land use and land cover changes on ecosystem services: a multi-module InVEST-LCM analysis. Earth Syst Environ. 2026;10:7019-7041. doi:10.1007/s41748-025-00995-3.
  21. Zhang H, Luo J, Wu J, Dong H. Dynamic response of carbon storage to future land use/land cover changes motivated by policy effects and core driving factors. J Plant Ecol. 2024;17(4):rtae042. doi:10.1093/jpe/rtae042.
  22. Lu L, et al. Spatiotemporal variation and quantitative attribution of carbon storage based on multiple satellite data and a coupled model for Jinan City, China. Remote Sens. 2023;15(18):4472. doi:10.3390/rs15184472.
  23. Ma J, Hao Z, Shen Y, Zhen Z. Spatial-temporal evolution of carbon storage and its driving factors in the Shanxi section of the Yellow River Basin, China. Ecological Modelling. 2025;502:111039. doi:10.1016/j.ecolmodel.2025.111039.
  24. Mi Y, Li S, Wu B. Study on the variation of carbon storage in the Chang-Zhu-Tan urban agglomeration in China based on topographic relief. Frontiers in Environmental Science. 2024;12. doi:10.3389/fenvs.2024.1481540.
  25. Li C, Huang J, Luo Y, Wang J. Spatial synergy between carbon storage and emissions in coastal China: Insights from PLUS-InVEST and OPGD models. Remote Sensing. 2025;17(16):2859. doi:10.3390/rs17162859.
  26. Ocloo DM, Mizunoya T. Carbon storage and land use dynamics in Ghanaian university campuses: A scenario-based assessment using the InVEST model. Land. 2025;14(10):1987. doi:10.3390/land14101987.
  27. Wang Z, Zhang Y, Zhang Z. Scenario analysis of carbon reduction potential through forest carbon sink mechanisms in the Beijing–Tianjin–Hebei Region, China. Sustainability. 2025;17(17):7992. doi:10.3390/su17177992.
  28. Ma J, Shi P. Remotely sensed inter-field variation in soil organic carbon content as influenced by the cumulative effect of conservation tillage in northeast China. Soil and Tillage Research. 2024;243:106170. doi:10.1016/j.still.2024.106170.
  29. Li M, Cui Y, Dong J, Qin Y. Abandoned cropland compensates the decrease in net ecosystem productivity of impervious surface expansion in China. Environmental Impact Assessment Review. 2024;104:107363. doi:10.1016/j.eiar.2023.107363.
  30. Wang J, Zhang M, Zhou S, Huang Y. Research on the spatiotemporal evolution and driving factors of forest carbon sink increment—based on data envelopment analysis and production theoretical decomposition model. Forests. 2025;16(1):104. doi:10.3390/f16010104.
  31. Cai Y, et al. Dynamics of China's forest carbon storage: the first 30 m annual aboveground biomass mapping from 1985 to 2023. Earth System Science Data. 2025. doi:10.5194/essd-17-6993-2025.
  32. Piao S, et al. The carbon balance of terrestrial ecosystems in China. Nature. 2009;458(7241):1009-1013. doi:10.1038/nature07944.
  33. Fuller M, et al. Global carbon storage in harvested wood products: a forest sector model inter-comparison. Environmental Research Letters. 2025;20. doi:10.1088/1748-9326/ae0ce0.
  34. Milodowski D, Smallman T, Williams M. Scale variance in the carbon dynamics of fragmented, mixed-use landscapes estimated using model–data fusion. Biogeosciences. 2023. doi:10.5194/bg-20-3301-2023.
  35. Zeyu X, et al. Topographic and edaphic drivers of community structure and species diversity in a subtropical deciduous broad-leaved forest in eastern China. Forests. 2025;16(12):1837. doi:10.3390/f16121837.
  36. Hunter BD, Roering JJ, Silva LCR, Moreland KC. Geomorphic controls on the abundance and persistence of soil organic carbon pools in erosional landscapes. Nature Geoscience. 2024;17(2):151-157. doi:10.1038/s41561-023-01365-2.
  37. Li L, et al. Spatial scale effects of interacting abiotic and biotic factors on aboveground carbon storage in a subtropical evergreen broadleaf forest in southern China. Journal of Forestry Research. 2024;36(1). doi:10.1007/s11676-024-01804-9.
  38. Zhaoxue G, et al. Temporal and spatial characteristics and influencing factors of carbon storage in black soil area under topographic gradient. Land. 2024;14(1):16. doi:10.3390/land14010016.
  39. Nie Q, et al. Exploring scaling differences and spatial heterogeneity in drivers of carbon storage changes: a comprehensive geographic analysis framework. Ecological Indicators. 2024. doi:10.1016/j.ecolind.2024.112193.
  40. Liu J, et al. Analysis of the evolution characteristics and driving mechanisms of salinization in arid regions based on multi-factor interaction with optimized parameter geographic detector (OPGD)1. Journal of Environmental Management. 2025;394:127487. doi:10.1016/j.jenvman.2025.127487.
  41. Wang Z, Zhou Y, Sun X, Xu Y. Estimation of NPP in Huangshan District based on deep learning and CASA model. Forests. 2024;15(8):1467. doi:10.3390/f15081467.
  42. Vancine MH, et al. ATLANTIC SPATIAL: a dataset of landscape, topographic, hydrological, and anthropogenic metrics for the Atlantic Forest. Ecology. 2026;107(4). doi:10.1002/ecy.70360.
  43. Qiu M, et al. Spatio-temporal changes and hydrological forces of wetland landscape pattern in the Yellow River Delta during 1986–2022. Landscape Ecology. 2024;39. doi:10.1007/s10980-024-01850-y.
  44. Anand S, Khushboo K, Garkoti S. Influence of vegetation and soil properties on carbon stocks in Shorea robusta. forests under different disturbance regimes. Journal of Environmental Management. 2025;380:124916. doi:10.1016/j.jenvman.2025.124916.
  45. Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019. Earth Syst Sci Data. 2021;13(8):3907-3925. doi:10.5194/essd-13-3907-2021.
  46. Copernicus Data Space Ecosystem. Copernicus DEM GLO-30 [Internet]. European Union; [cited 2026 Aug 18]. Available from: https://documentation.dataspace.copernicus.eu/Data/Others/CCM.html
  47. Cheng Z, et al. Identification of eco-functional zones based on ecosystem service bundles: a case study of the Fujiang River Basin. Front Environ Sci. 2026;14:1754712. doi:10.3389/fenvs.2026.1754712.
  48. Pontius RG Jr, et al. Comparing the input, output, and validation maps for several models of land change. Ann Reg Sci. 2008;42(1):11-37. doi:10.1007/s00168-007-0138-2.
  49. Li Y, et al. Dissemination, manipulation or monopolization? Understanding the influence of stakeholder information sharing on resident participation in neighborhood rehabilitation of urban China. Land Use Policy. 2024;147:107359. doi:10.1016/j.landusepol.2024.107359.
  50. Peng J, et al. A landscape ecological approach to spatial conservation planning—ecological security pattern. Trends in Ecology & Evolution. 2025. doi:10.1016/j.tree.2025.07.014.
  51. Roh H, Park J, Chon J. Trade-off analysis of ecosystem services in regulated river areas: supporting, regulating, and cultural services. Sustainability. 2025;17(9):3788. doi:10.3390/su17093788.
  52. Roy Chowdhury PK, Brown DG. Modeling the effects of carbon payments and forest owner cooperatives on carbon storage and revenue in Pacific Northwest forestlands. Land Use Policy. 2023;131:106725. doi:10.1016/j.landusepol.2023.106725.
  53. Savo V, et al. Evaluation of main regulating, provisioning, and supporting ecosystem services of urban street trees: a literature review. Ecosystem Services. 2025;71:101690. doi:10.1016/j.ecoser.2024.101690.
  54. Shibo Z, Gui J. The cost of ecological protection and restoration: evidence from the impact of the Shan-shui project on land values. Land Use Policy. 2026;164:107919. doi:10.1016/j.landusepol.2026.107919.
  55. Deng H, Zhou X, Liao Z. Ecological redline delineation based on the supply and demand of ecosystem services. Land Use Policy. 2024;140:107109. doi:10.1016/j.landusepol.2024.107109.
  56. Xu H, et al. Revealing youth-perceived cultural ecosystem services for high-density urban green space management: a deep learning spatial analysis of social media photographs from central Beijing. Landscape Ecology. 2025;40. doi:10.1007/s10980-025-02115-y.
  57. Binter J, Doležal J. High-elevation angiosperms maintain extensive living storage tissue with large non-structural carbohydrate pools. Annals of Botany. 2026. doi:10.1093/aob/mcag023.
  58. Arayaselassie A, Bekele T, Lulekal E. An insight into Northern Wollo Monastery Forests: examining plant species diversity, vegetation structure, and regeneration analysis of these relict ecosystems. PLoS ONE. 2025;20. doi:10.1371/journal.pone.0330689.
  59. Slate ML, et al. Impact of changing climate on bryophyte contributions to terrestrial water, carbon, and nitrogen cycles. New Phytologist. 2024;242. doi:10.1111/nph.19772.
  60. Sun D, Yang D, Wang J, Tan F. How animal metaphors increase tourists' waste classification intention? Environmental Research Communications. 2024;6(10):105012. doi:10.1088/2515-7620/ad82b0.
  61. Sindhu Pradeep M, Rismanchi B, Stephan A, Ngo T. Synergising circularity and temporal dynamics into life cycle sustainability assessment of prefabricated buildings: a system dynamics-based assessment with static–dynamic comparison. Building and Environment. 2026;302:114795. doi:10.1016/j.buildenv.2026.114795.

Yeniden basım ve izinler

Etiketler

Arazi Kullanım DeğişimiSenaryo SimülasyonuMarkov Hücresel OtomatıCoğrafi DedektörEkosistem HizmetleriKarbon MuhasebesiTurizm GenişlemesiEkolojik Koruma

Bu makale yayımlandı

Video yakında

Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.