تجزیه و تحلیل فضایی و مدلسازی مناسب بودن مکان مزرعه بادی در ایالت ناساراوا، شمال مرکزی نیجریه

 

علاقه جهانی و محلی فزاینده ای به توسعه انرژی های تجدیدپذیر، پاک و ارزان برای دستیابی به هدف شماره 7 از اهداف توسعه پایدار (SDG) وجود دارد. با این حال، تصمیم‌گیری‌های مربوط به مکان‌های مناسب و پایدار برای پروژه‌های انرژی تجدیدپذیر همچنان یک وظیفه مهم است. این مطالعه از سیستم اطلاعات جغرافیایی (GIS) و تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA) برای تحلیل فضایی و مدل‌سازی مناسب بودن سایت مزرعه بادی در ایالت ناساراوا استفاده کرد. هدف ادغام جنبه های زیست محیطی، اجتماعی و اقتصادی تصمیم گیری برای شناسایی سایت های مزرعه بادی پایدار است. این مطالعه بین دو مجموعه معیار تصمیم گیری تمایز قائل شد: محدودیت های تصمیم گیری و عوامل تصمیم. اولی مناطق محروم را تعریف کرد در حالی که دومی بر اساس منطق فازی استاندارد شد تا درجات مختلفی از مناسب بودن را در سراسر ایالت به تصویر بکشد. MCDA از روش ترکیب خطی وزن‌دار، با وزن‌های نسبی تولید شده از طریق مقایسه‌های زوجی فرآیند سلسله مراتب تحلیلی برای تحلیل سه سناریو سیاست استفاده کرد: وزن‌های برابر، اولویت زیست‌محیطی/اجتماعی، و سناریو اولویت اقتصادی. ترکیبی از نقشه های ترکیبی حاصل از محدودیت ها و عوامل، نقشه های تناسب نهایی را به دست می دهد. شاخص تناسب حاصل (SI) برای سناریوی سیاست مربوطه، درجات تناسب را توصیف می‌کند: مکان‌های ایده‌آل با یک (1) و مکان‌های نامناسب با صفر (0) نشان داده می‌شوند، با مقادیری که درجات مختلفی از سایت مزرعه بادی را نشان می‌دهند. مناسب بودن بر اساس SI، مکان‌های اولویت‌دار نشان‌دهنده مناطق با چشم‌انداز خوب، علاوه بر مناسب‌ترین قطعات زمین، شناسایی و ترسیم شدند. محدودیت تصمیم گیری ترکیبی نشان داد که پروژه های مزرعه بادی در بیش از نیمی (57.58٪) از ایالت قابل دوام نیستند. سرعت باد محدودیت اصلی بود و 46.25٪ را حذف کرد، با میانگین مقدار عضویت فازی 0.2008 که نشان دهنده مناسب بودن کم در سراسر ایالت است. همچنین میانگین مکان مورد قبول نیروگاه بادی برای سناریوی سه سیاستی 33.33 درصد کل منطقه مورد مطالعه بود. LGAهای Lafia، Obi، Keana، Awe، Nasarawa-Eggon، Wamba و Kokona مناطق اولویت دار دولت محلی (LGA) شناسایی شده بودند. با این حال، تنها لافیا، اوبی، و ناساراوا-اگون با تغییرات در اهداف سیاست سازگار بودند. همه LGAهای اولویت دار یک یا چند مورد از مناسب ترین بسته ها را در محدوده اداری خود دارند به جز Wamba. علیرغم محدودیت های شدید سرعت باد، بخش های قابل توجهی از ایالت ناساراوا هنوز پتانسیل های توسعه بزرگی را برای انرژی باد فراهم می کند. “مناسب ترین” مکان ها در Lafia، Nasarawa-Eggon، و Obi LGA باید در ابتدا برای توسعه انرژی باد در ایالت مورد توجه قرار گیرند.

کلید واژه ها

چند معیار GIS ، تحلیل و مدلسازی فضایی ، مزرعه انرژی بادی ، مناسب بودن سایت ، ایالت ناساراوا نیجریه

1. مقدمه

امروزه، افزایش جمعیت انسان در سرتاسر جهان، فشار بی موردی را بر منابع انرژی تجدیدناپذیر موجود وارد می کند که به دلیل تخلیه سریع و تخریب محیط زیست شناخته می شوند. از این رو توجه بسیاری از دولت های ملی به سمت منابع تجدیدپذیر و پاک انرژی تغییر کرده است. از جمله این منابع می توان به باد اشاره کرد که در گفت و گوهای جهانی درباره تولید انرژی جایگاه بالایی را به خود اختصاص داده است. یک سوال بزرگ برای سود بردن از باد به عنوان یک منبع انرژی در شناسایی مناسب ترین مکان/ها برای ساخت مزرعه بادی با توجه به دستیابی به بالاترین نرخ ممکن تولید برق پایدار است.

انرژی باد یکی از دوستدار محیط زیست و از نظر اقتصادی مقرون به صرفه ترین اشکال انرژی های تجدیدپذیر در نظر گرفته می شود [ 1 ]. [ 2 ] اظهار داشت که گسترش توسعه مزارع بادی می تواند به عنوان یک جنبه اساسی در کاهش تغییرات آب و هوا و کمک به کاهش انتشار گازهای گلخانه ای باشد. با توجه به [ 3 ]، انرژی بادی از نظر مزایای آن در سطح منطقه ای و جهانی، یکی از کم تأثیرترین اشکال تولید برق است. نه با آلودگی هوا و نه آب مرتبط است و هزینه های عملیاتی پس از ساخت یک توربین عملاً صفر می شود.

اگرچه آفریقا به عنوان دارای بالاترین ذخایر انرژی تجدیدپذیر در جهان در رتبه اول قرار دارد [ 4 ]، گزارش هایی مبنی بر استفاده کم از باد به عنوان یک منبع انرژی تجدیدپذیر در غرب آفریقا، به ویژه در نیجریه وجود دارد [ 5 ]. یافته‌های تحقیقاتی و داده‌های باد از آژانس هواشناسی نیجریه نشان داده است که سرعت باد حدود 8.07 متر در ثانیه (m/s) می‌تواند در بخش‌های شمالی نیجریه برای تامین انرژی کافی برای نیازهای روزانه مهار شود [ 6 ] ]. این شکاف بین پتانسیل و میزان بهره‌برداری، سؤالاتی را در مورد موانع توسعه انرژی بادی در آفریقا و نیجریه، به ویژه، ایجاد می‌کند.

با این حال، علاقه قابل ستایش به انرژی بادی در حال حاضر در سراسر این قاره رو به افزایش است و چندین کشور از جمله نیجریه برای نصب نیروگاه بادی برنامه ریزی کرده اند. طرح جامع انرژی های تجدیدپذیر نیجریه (REMP) به دنبال افزایش عرضه برق تجدیدپذیر از 13 درصد کل تولید برق در سال 2015 به 23 درصد در سال 2025 و 36 درصد تا سال 2030 است [ 7 ]. با توجه به دستیابی به این امر، تجزیه و تحلیل فضایی پتانسیل در منابع انرژی تجدیدپذیر مانند باد، امواج، خورشیدی، جزر و مد و زمین گرمایی ضروری است.

برای پایدار ساختن تاسیسات مزرعه بادی، باید دارای ویژگی هایی باشد که عملکرد آن را از نظر فنی و اقتصادی امکان پذیر کند و در عین حال حفظ ارزش های زیست محیطی و اجتماعی را تضمین کند [ 8 ]. در بیشتر مناطق نیجریه اطلاعات کمی در این زمینه وجود دارد. بنابراین، این مطالعه تجزیه و تحلیل تصمیم گیری چند معیاره را در سیستم اطلاعات جغرافیایی (GIS) برای تجزیه و تحلیل فضایی و مدل‌سازی مناسب بودن سایت برای توسعه مزرعه بادی در ایالت ناساراوا، نیجریه، گنجاند.

2. مواد و روشها

2.1. منطقه مطالعه

ایالت ناساراوا فضای بین عرض های جغرافیایی 7˚45’00 اینچ و 9˚35’00 اینچ از استوا و طول های جغرافیایی 6˚45’03 و 9˚45’03 از نصف النهار گرینویچ در مجتمع زیرزمین شمال مرکزی را اشغال می کند. نیجریه مساحت این ایالت حدود 26562.36 کیلومتر مربع است و در ارتفاع 400 متری از سطح دریا قرار دارد. ایالت ناساراوا با ایالت کادونا در شمال مرز مشترک دارد. قلمرو پایتخت فدرال (FCT) در غرب، کوگی و بنوه در جنوب، و تارابا و فلات در شرق. این ایالت از سیزده منطقه دولتی محلی (LGA) تشکیل شده است که عبارتند از: Karu، Keffi، Kokona، Nasarawa و Toto در ناحیه سناتوری غرب. Akwanga، Nasarawa-Eggon و Wamba در ناحیه شمالی و Lafia، Keana، Doma، Awe و Obi در ناحیه جنوبی [ 9]. آب و هوای ایالت ناساراوا نوعی آب و هوای استوایی نیمه مرطوب است که دارای دو فصل متمایز است. فصل بارانی از اوایل ماه مه شروع می شود و تا اکتبر ادامه دارد. فصل خشک بین نوامبر و آوریل است. میانگین سرعت باد ساعتی در ناساراوا تغییرات فصلی ملایمی را در طول سال تجربه می‌کند. قسمت بادی سال حدود 9 ماه به طول می انجامد، معمولاً از 2 ^{سپتامبر} تا 30 ^نوامبر . شکل 1 نقشه ای از ایالت ناساراوا را نشان می دهد که سیزده منطقه دولتی محلی آن (LGA) را نشان می دهد، و شکل 2 ویژگی های سرعت باد را نشان می دهد.

2.2. منابع مجموعه داده ها و روش های جمع آوری

این مطالعه تجزیه و تحلیل تصمیم چند معیاره (MCDA) را در سیستم اطلاعات جغرافیایی ادغام کرد تا مدل‌های پشتیبانی تصمیم را برای شناسایی مکان‌های بالقوه برای توسعه مزرعه انرژی بادی در ایالت ناساراوا توسعه دهد. روش MCDA از روش ترکیب خطی وزنی (WLC) با استفاده از وزن معیارها استفاده کرد

(اهمیت نسبی) تولید شده از طریق فرآیند تحلیل سلسله مراتبی (AHP). معیارها شامل جنبه های زیست محیطی، اجتماعی و اقتصادی توسعه مزرعه بادی است که محدودیت ها یا مزیت های جغرافیایی خاص را در منطقه مورد مطالعه توصیف می کند. بررسی ادبیات موجود [ 1 ] [ 8 ] [ 10 ] [ 11 ] و [ 12 ] ] و اطلاعات هیئت توسعه شهری ایالتی Nasarawa (NAUPDB) به انتخاب معیارها کمک کرد. قالب‌های فضایی (مانند فایل‌های شکل، شطرنجی و NetCDF) معیارهای شناسایی‌شده به‌دست آمد و به‌عنوان مجموعه داده‌ها برای مطالعه استفاده شد.

مجموعه داده ها به صورت عمومی در دسترس هستند و از منابع مختلف ثانویه جمع آوری داده ها قابل دسترسی هستند. تعداد ویژگی های گنجانده شده در مجموعه معیارهای ارزیابی بر اساس در دسترس بودن داده ها بود و بر اساس [ 13 ] مناسب در نظر گرفته شد. ] مناسب در نظر گرفته شد. آنها اظهار داشتند که تعداد معیارها باید حداقل یا تا حد امکان کم باشد. با این وجود، افزودن ویژگی های متعدد دیگر می تواند کیفیت نتایج مطالعه را بهبود بخشد. از جمله مجموعه داده های در نظر گرفته شده در این مطالعه، سرعت باد (در 50 متر) است. شیب؛ پوشش زمین/کاربری زمین؛ ذخایر جنگلی؛ تالاب ها؛ آب های داخلی؛ شبکه انتقال؛ شبکه جاده ای؛ شبکه راه آهن؛ شهر / مکان های پرجمعیت (نقاط سکونت) و منطقه اداری ایالت.

داده‌های مربوط به ذخایر جنگلی، تالاب‌ها و آب‌های داخلی مناطق مهم اکولوژیکی را تشکیل می‌دهند. شبکه های جاده ای و ریلی محدودیت ایمنی را تشکیل می دادند. جدول 1 خلاصه ای از مجموعه داده های مورد استفاده در این مطالعه را با روش اکتساب مربوطه نشان می دهد.

2.3. روش تجزیه و تحلیل

تجزیه و تحلیل داده ها بر اساس MCDA و در نرم افزار ArcGIS 2.2 Desktop Advanced انجام شد. روش‌های مختلف MCDA برای GIS تجاری و رایگان و منبع باز محاسبه شده و در مطالعات اخیر به کار گرفته شده‌اند. [ 14 ] [ 15 ] این روش‌ها را شامل تکنیک‌های قطعی، احتمالی و مبتنی بر فازی چند ویژگی و چند هدفه شناسایی کرد. از جمله روش های چند ویژگی مانند: پوشش عملگر بولی، ترکیب خطی وزنی (WLC)، میانگین وزنی مرتب (OWA)، تحلیل تطابق و روش نقطه ایده آل. دو مورد اول اغلب در مطالعات انتخاب مکان یا تجزیه و تحلیل مناسب بودن استفاده می شوند [ 14 ] [ 16 ]. این روش ها از مفهوم همپوشانی نقشه اصلی توسط مک هارگ [ 17 ] توسعه یافته اند]. با این حال، رویه‌های اپراتورهای بولی فقط می‌توانند مناطقی را شناسایی کنند که فوراً معیارهای مشخص شده را برآورده می‌کنند. در نتیجه، روش‌های تکمیلی مبتنی بر روش‌های MCDA مانند موارد ذکر شده در بالا برای ارزیابی مناسب بودن سایت‌ها و ایجاد رتبه‌بندی مکان‌هایی که جذابیت آن‌ها را به تصویر می‌کشد، مورد نیاز است [ 18 ].

بنابراین، برای تکمیل روش مبتنی بر Boolean، که از محدودیت‌های تصمیم‌گیری استفاده می‌کند، این مطالعه تکنیک‌های WLC را برای تولید/تدوین یک شاخص تناسب کلی (SI) برای منطقه مورد مطالعه اتخاذ کرد. هر سلول شبکه ای منفرد درجه ترکیبی از مناسب بودن سایت مزرعه بادی را به تصویر می کشد. پس از تجمیع عوامل تصمیم، مناطق محروم (مناطق غیرقابل امکان) با ضرب نقشه‌های شاخص تناسب با نقشه محدودیت ترکیبی یکپارچه شدند.

پیش پردازش مجموعه داده ها در محیط ArcGIS انجام شد. با استفاده از ابزار طرح ریزی ArcGIS، مجموعه داده های به دست آمده را از سیستم مختصات جغرافیایی (GCS) به یک سیستم مختصات پیش بینی شده (PCS) تبدیل کردیم. طرح ریزی اندازه گیری های خطی مانند محاسبات مسافت و مساحت را فعال می کند. علاوه بر این، مجموعه داده‌ها را به همان اندازه سلول نمونه‌برداری کردیم و مشکلات هندسی در داده‌ها را تصحیح کردیم. در راستای استانداردهای برنامه ریزی «پسرفت» به دست آمده از NAUPDB و ادبیات موجود برای توسعه مزرعه بادی، مدل محدودیت/محدودیت (محدودیت تصمیم)، مدل تناسب (عوامل تصمیم)، و یک مدل تناسب نهایی (محدودیت به علاوه تناسب) برای مطالعه توسعه داده شد. .

مدل محدودیت مکان‌هایی را نشان می‌دهد که توسعه مزرعه بادی می‌تواند (امکانی) و نمی‌تواند (غیرقابل اجرا) مجاز باشد. در مقابل، مدل تناسب درجات مختلف تناسب را در سراسر منطقه مورد مطالعه بررسی کرد و مدل نهایی شناسایی LGA اولویت‌دار و مناسب‌ترین مکان‌ها را انجام داد. این مطالعه سه سناریو اولویت سیاست (وزن های برابر، اولویت زیست محیطی/اجتماعی، و سناریوی اولویت اقتصادی) را بررسی کرد. در سناریوی 1، همه عوامل تصمیم با وزن های مساوی 0.1667 (1/6) تخصیص داده شدند که اهمیت یکسانی را شبیه سازی کردند. برعکس، در سناریوهای 2 و 3، وزن معیارها با استفاده از فرآیند تحلیل سلسله مراتبی (AHP) بر اساس مقایسه زوجی اهمیت نسبی عوامل تصمیم گیری به دست آمد.

طبق [ 19 ]، AHP یک روش رایج در تصمیم گیری چند معیاره است که از رویکرد مقایسه زوجی (PWCA) برای تعیین وزن عوامل تصمیم استفاده می کند. وزن‌ها بر اساس ورودی کاربر از نظر اهمیت نسبی معیارها به دست می‌آیند، به عنوان مثال، معیار “A” در مقایسه با معیارهای “B”، “C”، “D” و غیره چقدر مهم است. توانایی آن برای تبدیل ارزیابی ذهنی به مجموعه ای از وزن های کلی برای این مطالعه مناسب تلقی شد. AHP برای ارزیابی عددی قدرت نسبی عامل(های) جایگزین برای دستیابی به هدف کلی طراحی شده است [ 20 ]. در این مطالعه، ارزش‌های مبتنی بر ادبیات اهمیت نسبی عوامل تصمیم‌گیری را در ArcGIS AHP extension 2.0 وارد کردیم تا وزن‌های متناظر آن‌ها را به دست آوریم.

ما از مقیاس پیوسته 9 نقطه ای ( جدول 2 ) برای تعیین مقادیر مقایسه های زوجی AHP استفاده کردیم و نتایج در یک ماتریس همانطور که توسط [ 21 ] معرفی شد ثبت شد. AHP همچنین یک معیار ریاضی برای بررسی ناسازگاری قضاوت ها با محاسبه نسبت سازگاری (CR) ارائه می دهد، که در آن مقدار CR زیر 0.1 قابل قبول در نظر گرفته می شود [ 20 ].

ماتریس های مقایسه های زوجی و وزن های مرتبط برای سناریوهای 2 و 3 در جدول 3 و جدول 4 ارائه شده است. ارزیابی‌های زوجی در سناریوهای I و 2، با مقادیر CR به ترتیب 0.013 و 0.018 سازگار بود. همچنین، خلاصه ای از وزن های مرتبط با عوامل تصمیم گیری مربوطه برای سه سناریو خط مشی در جدول 5 ارائه شده است .

2.3.1. محدودیت های تصمیم گیری

لایه های نقشه مبتنی بر بولی برای هر محدودیت تصمیم ایجاد کرد. به نواحی غیرقابل اجرا مقدار صفر (0) و به تمام مکان‌های دیگر مقدار یک (1) اختصاص داده شد. علاوه بر این، ما نقشه‌های محدودیت تصمیم مربوطه را ضرب/پوشش دادیم تا یک نقشه محدودیت ترکیبی تولید کنیم. نقشه ترکیبی حاصل جزئیات مناطق محروم (مناطق غیرممکن) را که مقدار صفر (0) و همچنین سایت‌های توسعه بالقوه (مناطق امکان‌پذیر) با یک (1) اختصاص داده شده است. استانداردهایی که در ایجاد لایه های نقشه محدودیت تصمیم گیری فردی دنبال می شوند به شرح زیر است:

منابع بادی اغلب در ارزیابی مکان‌های بهینه برای توسعه مزرعه بادی یک ملاحظات اساسی است: هر چه منبع بهتر باشد، برای تولید برق بالقوه و درآمد پروژه امیدوارکننده‌تر است [ 22 ]. با توجه به [ 2 ] و

[ 23 ]، توربین‌های بادی معمولاً با سرعتی در حدود 3 تا 4 متر بر ثانیه شروع به تولید برق می‌کنند. با این وجود، انتشارات علمی موجود معمولاً مقدار آستانه 4.5 m/s [ 1 ] یا 5.0 m/s [ 8 ] را اعمال می کنند. در این مطالعه، مکان هایی با سرعت باد کمتر از 4.5 متر بر ثانیه برای توسعه مزرعه بادی غیرقابل اجرا در نظر گرفته شد و در نتیجه حذف شدند.

تعدادی از پارامترها قبل از نشستن مزارع بادی در نزدیکی مناطق شهری/جمعیت نیاز به ارزیابی دارند. مقالات علمی موجود، بسته به نوع منطقه (مثلاً شهر بزرگ، شهرک) یا جمعیت ساکنان، فواصل عقب‌نشینی مختلفی را از مناطق ساخته‌شده و سکونتگاه‌ها در محدوده 500 تا 2000 متر نشان می‌دهند . 10 ] [ 22 ] [ 24]. این نشریات توصیف می‌کنند که ارزیابی بیشتر در زمینه امکانات بصری، درخشش تیغه، سوسو زدن و انعکاس سایه، مسائل بهداشتی و سر و صدا برای هر پیشنهاد توسعه مزرعه بادی در محدوده 2000 متری از اقامتگاه‌های موجود مورد نیاز است. از این رو، این مطالعه مناطق ساخته شده (شامل شهرها و مکان های پرجمعیت) را علاوه بر حائل 2000 متری برای توسعه مزرعه بادی غیرقابل اجرا در نظر گرفت.

توسعه مزارع بادی در مناطق حفاظت شده مانند پارک های ملی، ذخایر طبیعی یا مناطق حفاظت شده دولتی، محیط طبیعی را به خطر می اندازد [ 10 ]. در مطالعه [ 8 ]، آنها اشاره کردند که یک بافر 1000 متری در اطراف مناطق دارای ارزش اکولوژیکی، علاوه بر یک بافر 400 متری از بدنه های آبی باید اعمال شود. بنابراین، مطالعه ما یک حائل 400 متری در اطراف آب‌های داخلی (که رودخانه‌ها و دریاچه‌های قابل توجهی را تشکیل می‌دهند) و یک حائل 1000 متری در اطراف سایر مناطق ضروری اکولوژیکی (ذخایر جنگلی و تالاب‌ها) ایجاد کرد. تمام مناطق درون حائل برای توسعه مزرعه بادی غیرقابل اجرا تلقی شدند و از این رو حذف شدند.

علاوه بر این، قرار گرفتن نیروگاه‌های بادی خیلی نزدیک به زیرساخت‌هایی مانند شبکه‌های جاده‌ای و ریلی و فرودگاه‌ها ناامن است. از این رو، چندین فاصله ایمنی در مطالعات قبلی از 150 متر به عنوان حداقل برای جاده ها و شبکه های ریلی [ 1 ] [ 24 ] تا 500 متر [ 10 ] [ 25 ] اعمال شده است. جاده‌ها (یک راه‌راهه/دوگانه: فدرال یا ایالتی) و شبکه راه‌آهن، همراه با بافر 500 متری، برای توسعه مزرعه بادی نامناسب در نظر گرفته شدند و بنابراین از مطالعه خارج شدند.

2.3.2. عوامل تصمیم گیری

عوامل تصمیم عمدتاً از طریق استفاده از تئوری مجموعه های فازی استاندارد شدند. تئوری مجموعه های فازی امکان داشتن چندین گروه را به طور همزمان با درجه هر گروه که به عنوان مقدار عضویت توصیف می شود تصدیق می کند. با اجازه دادن به «گروه‌بندی افراد در طبقات بدون مرزهای مشخص، که هنگام توصیف «ابهام، ابهام و دوسوگرایی در مدل‌های پدیده‌های تجربی» مناسب است، نقش مهمی در مدیریت عدم قطعیت ایفا می‌کند [ 24 ]. در تئوری مجموعه فازی، درجه عضویت یک آیتم p در یک زیرمجموعه فازی P در محدوده مقدار عضویت صفر (0) و یک (1) از طریق اعمال تابع عضویت (MF) تعریف می‌شود. 26 ].]. اگرچه چندین نوع توابع عضویت برای توصیف مجموعه های فازی وجود دارد، این مطالعه فرآیند خطی را اتخاذ کرد. این فرآیند برای نشان دادن درجات مختلف مناسب بودن سایت در فواصل مختلف از ویژگی های تعریف شده در عوامل تصمیم گیری مناسب در نظر گرفته شد. علاوه بر این، یک تابع خطی نیز در مطالعات مشابه توسط [ 1 ] [ 10 ] و [ 24 ] اتخاذ شد.

همچنین از دو نوع تابع خطی افزایش تابع عضویت فازی (IFMF) و کاهش تابع عضویت فازی در این تحقیق استفاده شد. در مورد اول، مقادیر بالاتر p در یک زیر مجموعه A مناسب تر از مقادیر پایین تر در p تلقی می شوند . به عنوان مثال، هر چه سرعت باد بیشتر باشد، مکان مناسب تر است. برای دومی، مقادیر کمتر نشان دهنده تناسب بالاتر است، یعنی هر چه شیب کمتر باشد، مکان مناسب تر است. یک تابع عضویت با دو مقدار آستانه/نقاط کنترل مرتبط است: q نشان‌دهنده کمترین مقدار مناسب A است، جایی که درجه عضویت برآورده نمی‌شود و بنابراین دارای مقدار عضویت برابر با صفر (0) است. و صنشان دهنده مقدار A است که در آن درجه عضویت کاملاً برآورده شده است و از این رو مقدار عضویت برابر با یک (1) دارد.

ما یک لایه نقشه استاندارد شده برای فاکتورهای تصمیم مربوطه ایجاد کردیم که درجه عضویت را در محدوده صفر (0: ناخوشایند) و یک (1: کاملاً رضایت بخش) مشخص می کند. بنابراین، درجه عضویت یا مقدار صفر (0) مخفف مکان نامناسب (سلول شبکه) و مقدار یک (1) بهینه / مناسب ترین مکان است. همچنین، قبل از استانداردسازی، لایه‌های نقشه فاصله اقلیدسی را برای برخی عوامل تصمیم‌گیری ایجاد کردیم. ابزار «فاصله اقلیدسی» در جعبه ابزار ArcGIS Spatial Analyst این فرآیند را فعال کرد. برای فاکتور تصمیم گیری F6 (پوشش زمین/استفاده)، از ابزار جستجو برای اختصاص مقادیر عضویت به کلاس ها/رده های جداگانه در جدول ویژگی استفاده کردیم و یک لایه با مقادیر سلول جدید تولید شد. جدول 7 مقادیر آستانه مورد استفاده برای استانداردسازی هر عامل تصمیم گیری را نشان می دهدشکل 4 مدل مناسب بودن را نشان می دهد. عوامل تصمیم گیری به شرح زیر است:

ضریب تصمیم F1 مناسب بودن سایت منطقه مورد مطالعه برای مزرعه انرژی بادی را با توجه به سرعت باد توصیف می کند. این عامل تابع عضویت فازی فزاینده (IFMF) را در نظر گرفت. کمترین مقدار آستانه مناسب (q-value) به مقدار سرعت باد 4.5 متر بر ثانیه مطابق با محدودیت تصمیم مرتبط C1 تنظیم شد. مناسب ترین مقدار آستانه (p-value) با در نظر گرفتن محدوده سرعت باد منطقه مورد مطالعه (3.02 – 6.53 متر بر ثانیه) 53/6 متر بر ثانیه تعیین شد.

ما از ضریب تصمیم F2 برای ایجاد نمایشی از درجات مختلف مناسب بودن سایت با توجه به گرادیان شیب غالب استفاده کردیم. تابع عضویت فازی کاهشی (DFMF) را در نظر گرفت. مقادیر آستانه متفاوت برای شیب شیب در انتشارات علمی قبلی وجود دارد. با توجه به [ 8 ]، پرسشنامه ای با هدف بخش های دولتی و خصوصی مرتبط در بریتانیا کشف کرد که مناطق مزرعه بادی باید دارای زاویه شیب کمتر از 10 درصد باشند. با این حال، آستانه های بالاتر توسط برخی مطالعات دیگر مانند [ 1 ] که از مقدار q 20 درصد برای تابع عضویت فازی خود استفاده کردند، اعمال شده است. با در نظر گرفتن هر دو

امکان سنجی اقتصادی (دسترسی) و به حداقل رساندن اثرات بالقوه محیطی ناشی از فرسایش و از دست دادن خاک، مقدار q 15 درصد برای شیب شیب و مقدار p 2 درصد اعمال شد.

انرژی تولید شده توسط توربین های بادی از طریق یک مرکز انتقال/اتصال به کاربران نهایی منتقل می شود. سه نوع (انتقال، توزیع و اتصال مستقیم به نقطه تحویل) شبکه برق اغلب بسته به سطح ولتاژ برق تولیدی این هدف را انجام می دهند [ 27 ]. ما از ضریب تصمیم F3 برای نماد مناسب بودن سایت با توجه به نزدیکی به شبکه انتقال ملی، بر اساس یک DFMF استفاده کردیم. از دیدگاه اقتصادی، [ 8 ] اظهار داشت که مزارع بادی نباید بیش از 10000 متر دورتر از شبکه قرار گیرند. با این حال، نزدیکتر از 100 متر نیست. در این مطالعه، مقدار q و p برای ضریب تصمیم گیری F3 به ترتیب 10000 متر و 100 متر تعیین شد.

ضریب تصمیم F4 برای نماد مناسب بودن سایت با توجه به نزدیکی به شبکه جاده (شامل بزرگراه ها، جاده های فرعی و جاده های فرعی)، بر اساس یک DFMF استفاده شد. با توجه به [ 8 ] [ 10 ]، مکان مزارع بادی نباید بیشتر از 10000 متر باشد. این امکان دسترسی آسان و کاهش هزینه ساخت و نگهداری را فراهم می کند. از این رو، 10000 متر را به عنوان مقدار q برای ضریب تصمیم F4 و 500 متر را برای مقدار p (طبق با محدودیت تصمیم C4) در نظر گرفتیم.

مناسب بودن سایت با توجه به فاصله از مناطق مهم اکولوژیکی ضریب تصمیم F5 (IFMF) نشان داده شد. [ 10 ] پیشنهاد کرد که به منظور کاهش اثرات منفی زیست محیطی، مناسب است که ارزش عضویت بالاتری را به مکان های دورتر از مناطق مهم زیست محیطی اختصاص دهیم. در مطالعه [ 12 ]، مقدار p 5000 متر در مجموعه فازی آنها برای حفاظت از زیستگاه پرندگان مناسب در نظر گرفته شد. از این رو، در این مطالعه، مقدار q 1000 متر برای ضریب تصمیم F5 در راستای فاصله بافر تعریف شده تحت محدودیت تصمیم C3 تنظیم شد و مقدار p روی 5000 متر تنظیم شد.

ضریب تصمیم F6 نشان دهنده مناسب بودن منطقه مورد مطالعه با توجه به ویژگی کیفی پوشش/کاربری زمین است. ما نه (9) کلاس پوشش/کاربری زمین منطقه مورد مطالعه را با استفاده از مقیاس لیکرت از صفر (0) تا یک (1) در رویکردی مشابه با مطالعه [ 10 ] و [ 1 ] نمایه کردیم. ما مناسب بودن سایت را با توجه به پوشش/استفاده از زمین عمدتاً بر اساس تراکم درخت ارزیابی کردیم. تراکم بیشتر نشان‌دهنده تأثیرات زیست‌محیطی بیشتر [ 28 ]، هزینه‌های پاکسازی برای توسعه‌دهندگان [ 29 ]، و همچنین خطرات پوشش گیاهی مجاور است که بر سرعت باد و جهت جریان تأثیر می‌گذارد [ 8 ].

علاوه بر این، برای امکان‌پذیر ساختن تحلیل آماری، شاخص تناسب را برای هر یک از سه سناریو خط‌مشی مجدداً طبقه‌بندی کردیم تا با کلاس‌های تناسب شرح داده‌شده در جدول 8 مطابقت داشته باشد . پس از طبقه بندی مجدد، ما مساحت کل را برای کلاس تناسب مربوطه در هر سناریو سیاست محاسبه کردیم. مناطقی که برای توسعه مزرعه بادی «رضایت‌بخش/قابل قبول» تلقی می‌شوند بر اساس امتیاز SI پایین‌تر از کلاس «مناسب بودن متوسط» تعریف شده‌اند و از این رو با فاصله امتیاز شاخص تناسب زیر توصیف شده‌اند: 0.50 <SI ≤ 1.

ما «منطقه‌های اولویت‌دار» را شناسایی و مشخص کردیم، که در این مطالعه به‌عنوان مناطق جذاب برای تحقیقات بیشتر با تولید آمار برای کلاس‌های مناسب در 13 LGA ایالت تعریف شده‌اند. سپس شش LGA که بالاترین چشم انداز را برای توسعه مزرعه بادی تحت هر سناریوی سیاستی نشان دادند، شناسایی شدند. ما با مقایسه درصد زمین های طبقه بندی شده به عنوان “مناسب بودن بالا” (SI > 0.75) با کل منطقه اداری هر دولت محلی به این امر دست یافتیم.

(LG) برای تعیین اسپرد در هر LG. طبق [ 10 ]، مناطق اولویت دار برای بررسی بیشتر مورد علاقه هستند زیرا احتمال افزایش یافتن مکان های مزرعه بادی مناسب در زمینه دنیای واقعی را نشان می دهند.

علاوه بر این، ما با استخراج بسته‌های مناسب در هر LGA اولویت، مناسب‌ترین مکان‌ها را برای توسعه مزرعه بادی شناسایی و مشخص کردیم. پس از استخراج، رستر حاصل را به یک ویژگی چند ضلعی تبدیل کردیم. سپس قطعاتی با مساحت 5 کیلومتر مربع ^یا بیشتر به عنوان مناسب ترین مکان برای توسعه مزرعه بادی در منطقه مورد مطالعه انتخاب شدند. انتخاب اندازه قطعه مطابق با حداقل مساحت زمین قابل قبول برای توسعه مزرعه بادی (5 کیلومتر مربع ⁾ بود که توسط [ 30 ] ارائه شد. برای مکان یابی آسان مناسب ترین بسته ها، مرکز آنها را محاسبه کردیم که از آن نقاط مرکزی و مختصات برای بسته های جداگانه ایجاد کردیم. ما همچنین تعداد مناسب‌ترین بسته‌ها را در هر LGA اولویت دار تحت هر سناریو سیاست تعیین کردیم.شکل 5 و شکل 6 به ترتیب مدل تناسب نهایی و نمودار روش شناختی مطالعه را ارائه می کند.

3. نتایج و بحث

3.1. تأثیر معیارهای تصمیم گیری بر مناسب بودن سایت مزرعه بادی در ایالت ناساراوا

جدول 9 مساحت زمین هایی را که به دلیل تأثیر محدودیت های تصمیم گیری فردی و به دلیل تأثیر جمعی آنها حذف شده اند، خلاصه می کند. خلاصه تغییرات قابل توجهی را در مناطق زمین حذف شده به دلیل توزیع جغرافیایی ویژگی های محدودیت تصمیم گیری در منطقه مورد مطالعه نشان داد.

محدودیت تصمیم C1 (سرعت باد) بیشترین تأثیر را داشت و تقریباً نیمی (46.25٪) از کل منطقه مورد مطالعه را حذف کرد. منطقه قابل توجه دیگری که 21.21 درصد از ایالت ناساراوا را تشکیل می دهد، بر اساس حذف شد.

حفاظت از محیط زیست. در مقابل، زمین‌هایی که بر اساس نگرانی‌های ایمنی و حفظ سکونتگاه حذف شدند، بخش‌های نسبتاً کوچکی از منطقه مورد مطالعه را به خود اختصاص دادند که به ترتیب 4.51٪ و 2.60٪ را نشان می‌دادند. به طور کلی، بیش از نیمی (57.58٪) از کل منطقه مورد مطالعه به دلیل تأثیر جمعی محدودیت های تصمیم، مناطق محروم تلقی شدند. شکل 7 حذف زمین های بیشتری را در منطقه جنوب غربی ایالت نسبت به سایر بخش ها نشان می دهد. Nasarawa، Toto، Karu، Keffi، Kokona و Doma بیشترین آسیب پذیری را LGA دارند. این نتیجه نشان می دهد که معیارهای سرعت باد و حفاظت از محیط زیست دو محدودیت اصلی توسعه مزرعه انرژی بادی در منطقه مورد مطالعه هستند.

علاوه بر این، حذف کامل 57.58٪ از منطقه مورد مطالعه از بیشتر است

ارزیابی مکان‌های توسعه بالقوه کمتری را برای مزارع انرژی بادی در مقایسه با یافته‌های [ 10 ] و [ 28 ] نشان می‌دهد که منطقه محدود مرکب را به ترتیب 27.6% برای نیو ساوت ولز در استرالیا و 56.8% برای جزیره Lesvos در یونان گزارش کردند. با این حال، هنوز یک منطقه قابل توجه (42.42٪) با پتانسیل توسعه مزرعه بادی در مقایسه با مطالعات [ 1 ] وجود دارد که یک لایه محدودیت را گزارش کردند که 83٪ از منطقه مورد مطالعه آنها را در منطقه کوزانی، یونان تشکیل می دهد. و [ 11 ] که تنها لایه محدودیت محیطی آنها، 62.2٪ از منطقه مورد مطالعه آنها را در جنوب انگلستان حذف کردند.

علاوه بر نتیجه تحلیل مبتنی بر بولی، مقادیر عضویت فازی مکمل عوامل تصمیم گیری در جدول 10 ارائه شده است. مقادیر میانگین تاثیر عوامل تعیین کننده را بر درجات مختلف مناسب بودن سایت مزرعه بادی در سراسر منطقه مورد مطالعه توصیف می کند.

اکثر عوامل تصمیم‌گیری شرایط تناسب متوسط ​​تا بالا را در سراسر ایالت ناساراوا با مقادیر عضویت بالاتر از آستانه تناسب متوسط ​​(SI > 0.50) و بالا (SI > 0.75) ایجاد کردند. نتیجه، مقدار میانگین 0.7518 را برای ضریب تصمیم F5 (فاصله از مناطق مهم اکولوژیکی) نشان داد. این مقدار بالاتر از آستانه مناسب بودن بالا است و در نتیجه ایجاد می کند

شرایط مناسب مناسب در منطقه مورد مطالعه ضرایب تصمیم گیری F2 (شیب)، F3 (نزدیک به جاده)، F4 (نزدیک به شبکه انتقال) و F6 (پوشش زمین/کاربری) به ترتیب با مقادیر میانگین 0.5202، 0.5466، 0.6156 و 0.6278 شرایط “مناسب متوسط” را در سراسر کشور ایجاد کردند. بیشتر بخش‌های منطقه مورد مطالعه و بنابراین، به در دسترس بودن زمین‌هایی که «قابل قبول» (0.50 <SI ≤ 1) برای توسعه مزرعه بادی تلقی می‌شد، کمک کرد.

در مقابل، ضریب تصمیم F1 (سرعت باد) با مقدار میانگین 0.2008 مقادیر عضویت پایینی را در اکثر نقاط منطقه مورد مطالعه ثبت کرد. این نتیجه مشاهدات با محدودیت تصمیم C1 را منعکس می‌کند، که به عنوان عامل محدودکننده اصلی مکان‌های مناسب برای توسعه مزرعه بادی در ایالت ناساراوا شناسایی شده است. همچنین یافته های [ 1 ] و [ 10 ] را تأیید می کند که همچنین سرعت باد را به عنوان عامل محدود کننده غالب تناسب زمین مزرعه بادی در مطالعات خود گزارش کردند.

3.2. شاخص تناسب (SI) برای سناریوهای اولویت سیاست

نتیجه نهایی شاخص تناسب برای سناریوی سه سیاستی در شکل 8-10 ارائه شده است. نقشه های سناریوی مربوطه درجات مختلفی از مناسب بودن سایت برای مزارع انرژی بادی را در منطقه مورد مطالعه نشان می دهد. این یافته نشان می دهد که مدل پشتیبانی تصمیم توسعه یافته مستعد تغییرات در اهداف سیاست است. مقادیر تناسب ترکیبی بین صفر {0}، مکان‌های نامناسب و یک {1}، مکان‌های بهینه، با مقادیر میانگین SI 0.2544 برای سناریوی 1 متغیر بود. 0.3118 برای سناریو 2; و 0.2102 برای سناریوی 3. جدول 11 کل مناطق رضایت بخش برای توسعه مزرعه بادی را تحت سناریوهای سیاست مربوطه نشان می دهد.

این یافته نشان می‌دهد که تقریباً نیمی از کل منطقه مورد مطالعه برای پروژه‌های مزرعه بادی قابل قبول تلقی می‌شود که هدف تضمین حداقل اثرات منفی زیست‌محیطی و اجتماعی باشد. زمانی که اولویت به حداقل رساندن هزینه های نصب و اطمینان از درآمد کافی پروژه باشد، زمین های کمتری برای چنین پروژه هایی در دسترس است. مقادیر جدول 11 به خوبی با مطالعات مشابه مقایسه شده و برای پروژه های توسعه مزرعه بادی در ایالت تحت سه سناریو سیاست قابل توجهی در نظر گرفته شده است. به عنوان مثال، در مطالعه [ 1 ]، منطقه شاخص تناسب بالا (SI ≥ 0.7) 2.2٪ از منطقه مورد مطالعه آنها را برای سناریوهای سیاست اقتصادی / فنی و 11.8٪ برای سناریوهای سیاست زیست محیطی / اجتماعی تشکیل می داد. همچنین [ 11] “مناسب ترین” منطقه را پیدا کردند (SI > 0.7) که کمتر از 0.1٪ از منطقه مورد مطالعه آنها را نشان می داد.

علاوه بر این، این مطالعه گزینه‌های مناسب‌تری را برای توسعه مزرعه بادی نسبت به گزارش [ 1 ] ارائه می‌کند. آنها دریافتند که تنها 12٪ از منطقه مورد مطالعه خود در یونان نشان دهنده مکان های “رضایت بخش” است (SI > 0.50). این تغییرات در کل مناطق زمین که در مطالعات مقایسه شده “رضایت بخش” تلقی می شود می تواند به دلیل تغییرات در میزان محدودیت ها / محدودیت های اعمال شده توسط هر معیار تصمیم گیری، به ویژه سرعت باد، در مناطق مختلف مطالعه باشد. دلایل اضافی می تواند تفاوت در وزن های اختصاص داده شده به عوامل تصمیم گیری مربوطه، وضوح فضایی داده های ورودی، بزرگی منطقه مورد مطالعه و اندازه سلول داده ورودی منظم مورد استفاده در تجزیه و تحلیل باشد.

3.3. مناطق اولویت دار برای توسعه مزرعه بادی

جدول 12 آمار LGAهای اولویت دار را برای سناریوهای سیاست مربوطه نشان می دهد. نام LGA ها را نشان می دهد. کل منطقه اداری

LGA ها؛ مساحت و درصد بسته مناسب (SI > 0.75) در LGA مربوطه.

شش LGA حوزه‌های اولویت‌دار تحت هر یک از سناریوهای خط‌مشی 1 و 2 را تشکیل می‌دهند. LGAها شامل Obi، Keana، Lafia، Nasarawa-Eggon و Awe هستند. Wamba و Kokona به ترتیب ششمین LGA در سناریوهای 1 و 2 هستند. اگرچه تنها چهار LGA حوزه‌های اولویت‌دار تحت سناریوی سیاست 3 را شامل می‌شوند، LGAها مشابه سناریوهای 1 و 2 هستند. به طور کلی، 7 LGA از 13 LGA در ایالت، حوزه‌های اولویت‌دار تمرکز در جستجوی مناسب‌ترین مکان‌ها را تشکیل می‌دهند. پروژه های مزرعه بادی در سراسر منطقه مورد مطالعه

مکان‌های مناسب، چشم‌انداز بالایی را برای یافتن مکان‌های بهینه مزرعه بادی در زمینه دنیای واقعی نشان می‌دهند. Obi LGA 16.36 درصد از مساحت خود را تحت شرایط مناسب بالا داشت و بیشترین پراکندگی (170.07 کیلومتر مربع) را به خود اختصاص داد ^.) منطقه با تناسب بالا در سناریوی 1. سایر LGAها با مناطق مناسب نسبتا بالا Kean (14.20٪) و Lafia (10.52٪) بودند. Wamba تنها 4.46٪ از مساحت خود را تحت شرایط مناسب داشت و آن را LGA با کمترین گسترش مناطق مناسب بالا می‌کرد. بنابراین، احتمال کمی برای یافتن مکان های بهینه مزرعه بادی در Wamba نسبت به Obi، Keana و Lafia وجود دارد. تمام شش LGA اولویت دار تحت سناریوی سیاست 2 چشم انداز بالایی برای شناسایی مکان های بهینه مزرعه بادی نشان دادند. بیش از 30 درصد مناطق اداری آنها از شرایط مناسب برخوردار بودند. Awe (66.625٪) و Keana (65.49٪) بیشترین گسترش را ثبت کردند، در حالی که Obi (38.21٪) و Kokona (38.21٪) کمترین گسترش را به خود اختصاص دادند. چهار LGA اولویت دار تحت سناریوی سیاست اقتصادی، پتانسیل کمی یا بدون پتانسیل برای یافتن مکان های ایده آل مزرعه بادی ارائه کردند. فقط 8.

مکان‌های مکانی LGAهای اولویت‌دار شناسایی‌شده در هر یک از سه سناریو خط‌مشی توسط شکل‌های 11-13 مشخص شده‌اند. ارزیابی بصری نقشه‌ها تغییرات جزئی را در مکان‌های جغرافیایی مناطق اولویت‌دار نشان داد. این تغییرات نقشه‌های شاخص تناسب نهایی را منعکس می‌کند و نشان می‌دهد که مدل پشتیبانی تصمیم توسعه‌یافته مستعد تغییرات در اهداف سیاست است. علاوه بر این، از نظر بصری قابل تشخیص است که تنها سه مورد از هفت LGA اولویت دار با تغییرات در اهداف سیاست سازگاری دارند. اینها عبارتند از: Lafia، Obi و Nasarawa-Eggon. طبق [ 13]، یکی از منابع مختلف عدم قطعیت در تجزیه و تحلیل تصمیم گیری چند معیاره، تخصیص وزن به عوامل تصمیم گیری فردی است. بنابراین، آنها استدلال کردند که هرگونه تلاش برای شناسایی مناطق اولویت دار، مکان هایی که مناسب بودن آنها مستعد تغییرات جزئی در وزن اهمیت نسبی معیارها هستند، بهترین گزینه ممکن را ارائه نمی دهند. تنها مناطقی که شرایط مناسب را در تمامی سناریوهای سیاستی بررسی شده حفظ کرده اند، در بهترین موقعیت برای تحلیل بیشتر هستند. در نتیجه، ضروری است که LGAهای Lafia، Obi و Nasarawa-Eggon بالاترین گزینه‌ها در میان مکان‌های اولویت‌دار برای توسعه مزرعه بادی در ایالت ناساراوا در نظر گرفته شوند.

3.4. مناسب ترین منطقه برای توسعه مزرعه بادی

شکل های 14-16 نقشه هایی از “مناسب ترین” مکان ها برای توسعه مزرعه بادی در ایالت ناساراوا را نشان می دهد. نقشه‌ها بسته‌های با مناسبت بالا را که مساحت یا بزرگ‌تر از 5 کیلومتر مربع ^هستند ، نشان می‌دهند . در سناریوی سیاست 1 (وزن های برابر)، در مجموع 13 قطعه زمین مناسب را پیدا کردیم. شش نفر در لافیا، 3 نفر در اوبی، 2 نفر در کیانا و 1 نفر در Awe و Nasarawa-Eggon هستند. هیچ بخشی از Wambe LGA شرایط انتخاب در میان مناسب ترین بسته ها را برآورده نکرد. همچنین، در سناریو

2، در مجموع 80 قطعه زمین پیدا کردیم که مناسب ترین شرایط را داشت. از این بسته ها، 20 بسته در کوکونا، 19 در لافیا، 14 در Awe و 13 در کیانا قرار داشتند. مابقی 14 قطعه زمین مرکز آنها در Nasarawa-Eggon (11) و Obi (3) LGA قرار داشت. در سناریوی 3، ما تنها دو قطعه زمین را یافتیم که مناسب ترین مکان برای توسعه مزرعه بادی در نظر گرفته شده است. آنها هر دو در لافیا قرار دارند. مناسب ترین قطعات زمین دارای موقعیت جغرافیایی تقریباً یکسانی بودند، اما تعداد آنها در مناطق دارای اولویت متفاوت بود. این یافته حاکی از حساسیت نسبتاً پایین مناسب‌ترین مکان‌های زمین به تغییرات در اهداف سیاست است. همچنین شبیه ابزار پشتیبانی تصمیم است که توسط [ 10 ] برای نیو ساوت ولز در استرالیا توسعه یافته است.

این یافته حاکی از آن است که لافیا بیشترین (27) مکان را داشته است که مناسب ترین مناطق در سه سناریو سیاست تلقی می شوند. از این رو، بهترین گزینه برای توسعه مزرعه بادی در ایالت است. همچنین، در جایی که حفاظت از محیط‌زیست از اهمیت بالایی برخوردار نیست، Kokona LGA چشم‌اندازهای امیدوارکننده‌ای را با 20 مکان مناسب در سناریوی سیاست 2 نشان می‌دهد. دیگر LGAهایی که پتانسیل‌های توسعه مزرعه بادی را در سناریوی 2 نشان می‌دهند، Awe، Keana و Nasarawa-Eggon هستند. Obi LGA در سناریوی 2 چشم انداز غیرممکنی را نشان داد. این چشم انداز ضعیف به تعداد قابل توجهی از ذخایر جنگلی در LGA نسبت داده می شود.

4. نتیجه گیری

این مطالعه مدل‌های پشتیبانی تصمیم را برای شناسایی مکان‌های بالقوه مزرعه بادی در ایالت ناساراوا، نیجریه توسعه داد. سرعت باد محدودیت های شدیدی را برای جستجوی مکان های مزرعه بادی پایدار در ایالت ایجاد کرد. علیرغم مانع تحمیل شده توسط سرعت باد، بخش های قابل توجهی از ایالت هنوز پتانسیل های توسعه زیادی برای مزارع انرژی بادی نشان می دهد، با توجه به اینکه 36.34٪، 42.44٪ و 21.22٪ از کل ایالت شرایط اساسی را تحت وزن های برابر، محیطی/اجتماعی و محیطی برآورده می کنند. سناریوهای سیاست اقتصادی، به ترتیب. Lafia، Nasarawa-Eggon، و Obi LGA مناطق دارای اولویت در سه سناریو سیاست بررسی شده هستند و بنابراین، به عنوان مناطق مورد علاقه خاص برای ارزیابی بیشتر در نظر گرفته می شوند. این مطالعه توصیه می کند که “مناسب ترین” مکان ها در Lafia، Nasarawa-Eggon، و Obi LGAها اولین توجه را برای توسعه مزرعه انرژی بادی در ایالت دریافت می کنند. نتایج این مطالعه می‌تواند برای دولت و دولت‌های محلی در انجام مدیریت زمین و ارزیابی ریسک مفید باشد.

تغییرات در جامعیت مجموعه داده های ورودی ممکن است بر دقت نتایج WLC مبتنی بر GIS تأثیر بگذارد. از این رو، توجه به این نکته ضروری می شود؛ (1) داده های مربوط به زیستگاه حیاتی مورد استفاده در این مطالعه مکان برخی از زیستگاه های حیاتی (باغ وحش، ذخایر بازی و پارک ها) را شامل نمی شود. افشای چنین مناطقی زیستگاه را در معرض تهدید قابل توجهی قرار می دهد. همچنین داده های ورودی سرعت باد در ارتفاع 50 متری از سطح زمین بود. داده ها در ارتفاعات بالاتر ممکن است منجر به مناطق بالقوه بالاتر برای مزارع انرژی بادی در منطقه مورد مطالعه شود. علاوه بر این، ماهیت خاص توربین های بادی به عنوان: اندازه و ارتفاع آنها در نظر گرفته نشد. هر پیشنهادی برای پروژه های مزرعه بادی در ایالت نیاز به تحلیل خاص تری دارد که متناسب با ویژگی های توربین های پیشنهادی باشد.

منابع

 

[ 1 ]	Latinopoulos، D. و Kechagia، K. (2015) ارزیابی چند معیاره مبتنی بر GIS برای انتخاب مکان مزرعه بادی. یک برنامه مقیاس منطقه ای در یونان. انرژی های تجدیدپذیر، 78، 550-560. https://doi.org/10.1016/j.renene.2015.01.041
[ 2 ]	ویزر، آر، یانگ، زی، هند، ام.، هومایر، او.، اینفیلد، دی، جنسن، پی اچ، نیکولایف، وی.، اومالی، ام.، سیندن، جی و زرووس، آ. (2011) انرژی باد. در: Edenhofer, O., Pichs-Madruga, R., Sokona, Y., Seyboth, K., Matschoss, P., Kadner, S., Zwickel, T., Eickemeier, P., Hansen, G., Schlomer , S. and von Stechow, C., Eds., IPCC Special Report on Renewable Energy, Sources and Climate Change Mitigation, انتشارات دانشگاه کمبریج, کمبریج, نیویورک, 535-608. https://doi.org/10.1017/CBO9781139151153.011
[ 3 ]	آنون (2014) تولید برق: حقایق و ارقام. وب سایت سازمان رودخانه ولتا https://www.vraghana.com/resources/facts
[ 4 ]	Mukasa، DE، Mutambatsere، Y. و Arvanitis، T. (2013) توسعه انرژی باد در آفریقا. سری مقاله کار شماره 170، بانک توسعه آفریقا، تونس.
[ 5 ]	احمد، ا. (2016) انرژی باد. https://www.slideshare.net/avaise/wind-power-69583552
[ 6 ]	Adedipe, O., Abolarin, MS and Mamman, R. (2018) مروری بر پتانسیل انرژی بادی خشکی و فراساحلی در نیجریه. سری کنفرانس های IOP: علم و مهندسی مواد، 413، شناسه مقاله: 012039. https://doi.org/10.1088/1757-899X/413/1/012039
[ 7 ]	انرژی های تجدیدپذیر بین المللی، آژانس، ابوظبی (2013) آینده تجدیدپذیر آفریقا: مسیری به سوی آینده پایدار. https://doi.org/10.4324/9781315074436
[ 8 ]	Baban, SMJ and Parry, T. (2001) توسعه و بکارگیری یک رویکرد به کمک GIS برای مکان یابی مزارع بادی در انگلستان. انرژی های تجدیدپذیر، 24، 59-71. https://doi.org/10.1016/S0960-1481(00)00169-5
[ 9 ]	Yahaya, H., Luka, EG, Onuk, EG, Salau, ES and Idoko, FA (2013) تولید برنج تحت طرح توانمندسازی جوانان در ایالت ناساراوا، نیجریه. مجله ترویج کشاورزی، 17، 167. https://doi.org/10.4314/jae.v17i2.21
[ 10 ]	Bobeck, M. (2017) تجزیه و تحلیل تصمیم گیری چند معیاره مبتنی بر GIS از مناسب بودن سایت مزرعه بادی در نیو ساوت ولز از دیدگاه توسعه پایدار. پایان نامه کارشناسی ارشد، کارشناسی ارشد در علوم اطلاعات جغرافیایی، گروه جغرافیای فیزیکی و علوم اکوسیستم، دانشگاه لوند، لوند.
[ 11 ]	Watson، JJW and Hudson، MD (2015) ارزیابی مناسب بودن مزرعه بادی و مزرعه خورشیدی در مقیاس منطقه ای با استفاده از ارزیابی چند معیاره به کمک GIS. منظر و شهرسازی، 138، 20-31. https://doi.org/10.1016/j.landurbplan.2015.02.001
[ 12 ]	آیدین، وای. بررسی های انرژی های تجدید پذیر و پایدار، 14، 364-373. https://doi.org/10.1016/j.rser.2009.07.023
[ 13 ]	Malczewski, J. and Rinner, C. (2015) پیشرفت در علم اطلاعات جغرافیایی. Springer Science + Business Media، نیویورک.
[ 14 ]	Malczewski، J. (2004) تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. پیشرفت در برنامه ریزی، 62، 3-65. https://doi.org/10.1016/j.progress.2003.09.002
[ 15 ]	Malczewski، J. (2006) تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS: بررسی ادبیات. مجله بین المللی علوم اطلاعات جغرافیایی، 20، 703-726. https://doi.org/10.1080/13658810600661508
[ 16 ]	Drobne, S. and Lisec, A. (2009) تجزیه و تحلیل تصمیم چند ویژگی در GIS: ترکیب خطی وزنی و میانگین وزنی مرتب. انفورماتیکا، 33، 459-474.
[ 17 ]	Steinar, F. (2006) The Essential Ian McHarg: Writings on Design and Nature. مطبوعات جزیره، واشنگتن دی سی.
[ 18 ]	کارور، اس. (1991) ادغام ارزیابی چند معیاره با سیستم های اطلاعات جغرافیایی. مجله بین المللی سیستم های اطلاعات جغرافیایی، 5، 321-339. https://doi.org/10.1080/02693799108927858
[ 19 ]	Baniya، MSN (2008) ارزیابی تناسب زمین با استفاده از GIS برای محصولات سبزیجات در دره کاتماندو/نپال. پایان نامه دکتری، دانشگاه هومبولت، برلین.
[ 20 ]	Saaty، RW (1987) فرآیند تحلیل سلسله مراتبی – چیست و چگونه استفاده می شود. مدلسازی ریاضی، 9، 161. https://doi.org/10.1016/0270-0255(87)90473-8
[ 21 ]	ساعتی، TL (1980) فرآیندهای سلسله مراتبی تحلیلی. مک گراو هیل، نیویورک
[ 22 ]	Brower, MC (2012) ارزیابی منابع باد. راهنمای عملی برای توسعه پروژه باد. وایلی، هوبوکن. https://doi.org/10.1002/9781118249864
[ 23 ]	دفتر گلخانه استرالیا و انجمن انرژی بادی استرالیا (2004) مسائل مربوط به مکان مزرعه بادی در استرالیا. توسط Sustainable Energy Australia برای انجمن انرژی بادی استرالیا و اداره گلخانه دولت استرالیا تهیه شده است. https://senergyaustralia.com.au/faq/
[ 24 ]	هانسن، HS (2005) تجزیه و تحلیل چند معیاره مبتنی بر GIS توسعه مزرعه بادی. در: Hauska, H. and Tveite, H., Eds., ScanGis 2005: مجموعه مقالات دهمین کنفرانس تحقیقاتی اسکاندیناوی در علم اطلاعات جغرافیایی، گروه برنامه ریزی و محیط زیست، استکهلم، 75-87.
[ 25 ]	Bennui, A., Rattanamanee, P., Puetpaiboon, U., Phukpattaranont, P. and Chetpattananondh, K. (2007) انتخاب مکان برای توربین بادی بزرگ با استفاده از GIS. کنفرانس بین المللی PSU-UNS در زمینه مهندسی و محیط زیست-ICEE-2007، پوکت، 10-11 می 2007، 184-561. https://www.uni.edu/apetrov/wind/Weighted/Bennui2007.pdf
[ 26 ]	زاده، ل (1965) مجموعه های فازی. اطلاعات و کنترل، 8، 338-353. https://doi.org/10.1016/S0019-9958(65)90241-X
[ 27 ]	جین، پی (2011) مهندسی انرژی بادی. مک گراو هیل، نیویورک
[ 28 ]	Tegou، LI، Polatidis، H. و Haralambopoulos، DA (2010) چارچوب مدیریت محیطی برای مکان یابی مزرعه بادی: روش شناسی و مطالعه موردی. مجله مدیریت محیط زیست، 91، 2134-2137. https://doi.org/10.1016/j.jenvman.2010.05.010
[ 29 ]	Van Haaren, R. and Fthenakis, V. (2011) انتخاب مکان مزرعه بادی مبتنی بر GIS با استفاده از تحلیل چند معیاره فضایی (SMCA): ارزیابی مورد برای ایالت نیویورک. بررسی های انرژی تجدیدپذیر و پایدار، 15، 3332-3340. https://doi.org/10.1016/j.rser.2011.04.010
[ 30 ]	نلسون، وی (2013) انرژی باد، انرژی های تجدیدپذیر، و محیط زیست. نسخه دوم، مطبوعات CRC، بوکا راتون.