چکیده

اندونزی در حال حاضر 269 میلیون نفر یا 3.49 درصد از کل جمعیت جهان را دارد و چهارمین کشور پرجمعیت جهان است. تجزیه و تحلیل وزارت فواید عمومی و مسکن عمومی اندونزی در سال 2010 نشان می دهد که ظرفیت زیستی جاوا در حال حاضر با کسری مواجه است. بنابراین برای کاهش کسری ها باید بهینه سازی انجام شود. هدف این مطالعه بهینه سازی و ارزیابی دقت تخصیص فضایی بر اساس تناسب کاربری/پوشش زمین است. در این مطالعه، ردپای اکولوژیکی (EF) به عنوان یک ارزیابی تخصیص فضایی بر اساس نیازهای فیزیولوژیکی استفاده می‌شود. هدف از مفهوم تناسب زمین، استفاده بهینه و پایدار از زمین است. همچنین مدل تناسب زمین با استفاده از ماشین بردار پشتیبان (SVM) انجام شد. SVM برای یافتن بهترین هایپرپلن با به حداکثر رساندن فاصله بین کلاس ها استفاده می شود. Hyperplane تابعی است که می تواند برای جداسازی انواع کاربری زمین/پوشش زمین استفاده شود. مدل دقت کلی مدل تناسب زمین 86.46 درصد با مقدار ضریب کاپا 0.812 بود. نتایج نهایی نشان می‌دهد که زمین‌های کشاورزی، مزارع و مرتع همچنان با کمبود مواجه هستند، اما مقداری کاهش وجود دارد. کاهش کسری برای زمین های کشاورزی به 510588.49 هکتار، 18986.14 هکتار برای مزارع و 1015.94 هکتار برای مراتع رسید. نتایج نشان می‌دهد که الگوریتم SVM در نقشه‌برداری مناسب کاربری زمین و بهینه‌سازی تخصیص فضایی کارآمد است. و مراتع هنوز با کمبود مواجه هستند، اما مقداری کاهش وجود دارد. کاهش کسری برای زمین های کشاورزی به 510588.49 هکتار، 18986.14 هکتار برای مزارع و 1015.94 هکتار برای مراتع رسید. نتایج نشان می‌دهد که الگوریتم SVM در نقشه‌برداری مناسب کاربری زمین و بهینه‌سازی تخصیص فضایی کارآمد است. و مراتع هنوز با کمبود مواجه هستند، اما مقداری کاهش وجود دارد. کاهش کسری برای زمین های کشاورزی به 510588.49 هکتار، 18986.14 هکتار برای مزارع و 1015.94 هکتار برای مراتع رسید. نتایج نشان می‌دهد که الگوریتم SVM در نقشه‌برداری مناسب کاربری زمین و بهینه‌سازی تخصیص فضایی کارآمد است.

کلید واژه ها:

تخصیص فضایی ; تناسب زمین ; ردپای اکولوژیکی ; SVM (ماشین بردار پشتیبانی)

1. مقدمه

زمین می تواند محصولاتی را در قالب کالا و خدمات (عرضه) برای رفع نیازهای انسانی (تقاضا) تولید کند. نیازهای مورد بحث شامل غذا، آب، هوا، هموستاز، استراحت و دفع به عنوان اساسی ترین نیازهای فیزیولوژیکی انسان است که باید بر اساس سلسله مراتب نیازهای مزلو برآورده شوند [ 1 ، 2 ، 3 ، 4 ]. محصولات تولید شده توسط زمین شامل مواد غذایی و فیبر و همچنین خدمات زیست محیطی مانند تامین آب، جریان آب و کنترل کیفیت هوا می باشد. توانایی زمین برای تولید این محصولات به کیفیت اکولوژیکی بستگی دارد [ 5 ، 6]. کاهش کیفیت اکولوژیکی تحت تأثیر فشارهای محیطی ناشی از تغییرات اکوسیستم برای برآوردن نیازهای انسان است، مانند تغییر در پوشش زمین، بازیابی و تخلیه منابع (مانند قطع درختان و صید بیش از حد)، دفع و آلودگی انتشارات، و تغییر و حرکت موجودات. [ 7 ، 8 ]. اثرات زیست محیطی ناشی از آن شامل تغییرات آب و هوایی، تخریب زمین، از دست دادن تنوع زیستی و آلودگی محیطی است، اما محدود به آن نمی شود [ 9 ، 10 ، 11 ]. این مشکلات اکولوژیکی بهره وری زمین را کاهش می دهد، که در دهه های اخیر به یک موضوع جهانی تبدیل شده است [ 3 ، 4 ]]. بنابراین باید برای توسعه پایدار در رفع نیازهای انسان برنامه ریزی کرد.
رفع نیازهای انسانی از طریق فعالیت های عمرانی مستلزم تخصیص زمین است. تخصیص فضایی نشان دهنده فرآیند تعیین مقدار زمین برای کاربری های خاص (یا استفاده نشده) از طریق مراحل قانونی و اداری است که منجر به اجرای برنامه ریزی می شود [ 12 ]. بنابراین، تخصیص فضایی عملکرد توسعه اقتصادی و کیفیت محیطی را تعیین می کند. زمین در اصطلاح تخصیص فضایی به اصطلاحات پوشش زمین و کاربری اراضی اشاره دارد. پوشش زمین مواد بیوفیزیکی مختلفی است که در زمین یافت می شود، مانند ساختمان ها، پوشش گیاهی و جاده ها. کاربری اراضی دارای تعریف متفاوتی است که با تنظیم و استفاده از چندین نوع پوشش زمین مشخص می شود [ 13 ، 14]. این تعریف از کاربری زمین، رابطه مستقیم بین پوشش زمین و فعالیت های انسانی را توصیف می کند. همزمان با توسعه درک پوشش زمین و کاربری اراضی، هنوز اختلاف نظر در مورد تقسیم بندی طبقه بندی وجود دارد. بنابراین، پوشش زمین و کاربری زمین اغلب در یک اصطلاح واحد استفاده می شود، حتی اگر آنها تعاریف متفاوتی داشته باشند [ 15 ، 16 ، 17 ]. این مطالعه سپس از اصطلاح کاربری زمین/پوشش زمین استفاده می کند.
چندین روش برای محاسبه تخصیص فضایی توسعه داده شده است. یکی از روش‌هایی که به آن اشاره می‌شود، تحلیل چرخه عمر (LCA)، ابزاری برای ارزیابی و اندازه‌گیری کل اثرات زیست‌محیطی بر اساس کل چرخه عمر یک کالا یا خدمات، از جمله مواد خام، فرآیندها، محصولات و فناوری یا فعالیت‌های مرتبط است. [ 18 ، 19]. به عنوان مثال، برنج از نظر اثرات زیست محیطی ناشی از کاشت بذر برنج، فرآیندهای کشت و نگهداری (آبیاری، آفت کش ها)، برداشت، آسیاب کردن دانه ها به دانه های برنج، پردازش مواد غذایی از برنج، مصرف و دفع زباله ارزیابی می شود. با این حال، این رویکرد بسیار خاص است، به طوری که هر کالایی فرآیند ارزش گذاری متفاوتی خواهد داشت. روش دیگری که به طور گسترده مورد استفاده قرار گرفته است، ردپای اکولوژیکی (EF) است. این رویکرد از شاخص های مبتنی بر زمین برای ارزیابی پایداری منابع استفاده می کند، به عنوان مثال، با مقایسه نیازهای زمین و در دسترس بودن برای برآوردن نیازهای جمعیت های خاص [ 5 ، 6 ]. EF دارای واحدهای متریک شفاف محاسبات، نیازهای داده‌ای عموماً در دسترس و روش‌های اندازه‌گیری استاندارد است [ 20 ، 21 ،22]. بر اساس پیشرفت های موجود، EF به یک روش محاسبه تخصیص فضایی جامع، اما ساده تبدیل می شود. بنابراین، در این مطالعه از رویکرد EF برای محاسبه تخصیص فضایی استفاده شده است.
در دسترس بودن زمین مولد و تولید منابع در هر سال محدود است. بنابراین، اندازه‌گیری خدمات اکوسیستمی مختلف و منابع اکولوژیکی از واحدهای متریک منطقه استفاده می‌کند [ 23 ]. گالی و همکاران (2015) توضیح داد که سه نوع واحد سطح در محاسبه ردپای اکولوژیکی وجود دارد که عبارتند از: هکتار جهانی (gha)، هکتار متوسط ​​جهانی (wha) و هکتار واقعی خاص ملت (ha) [ 24]. یک هکتار جهانی (gha) معادل یک هکتار با میانگین بهره وری بیولوژیکی جهانی از تمام کاربری ها/پوشش زمین برای یک سال معین است. میانگین جهانی هکتار (wha) مساحت کاربری خاص/پوشش زمین (مثلاً مساحت کشاورزی تالاب) با میانگین بهره وری جهانی آن (مثلاً متوسط ​​بهره وری جهانی کشاورزی تالاب) است. در نهایت، هکتارهای واقعی (هکتار) مساحت فیزیکی نوع خاصی از کاربری/پوشش زمین واقع در یک منطقه خاص است که با بهره وری در آن منطقه مشخص می شود. هکتارهای واقعی (هکتار) برای تجسم زمین فیزیکی اشغال شده برای یک فعالیت خاص مفید است. محاسبه ردپای اکولوژیکی شامل شش نوع/طبقه از زمین های مولد برای رفع نیازهای انسان، یعنی زمین های زراعی، چراگاه، جنگل، شیلات، زمین های انرژی و زمین های ساخته شده است.23 ، 25 ]. هر نوع کاربری/پوشش زمین مقدار تولید سالانه خاصی دارد که می تواند به رفع نیازهای انسان کمک کند.
رویکرد ردپای اکولوژیکی به مقیاس مکانی-زمانی استفاده شده بسیار حساس است. این ماهیت به دلیل تنوع در منابع تولید شده و مورد نیاز در کشورها یا مناطق مختلف است [ 26 ، 27 ، 28 ، 29 ، 30 ، 31 ]. اکثر تحقیقات در مورد ردپای اکولوژیکی از واحدهای هکتار جهانی (gha) استفاده می کنند. چندین مطالعه از هکتارهای واقعی (هکتار) متناسب با شرایط کشور یا منطقه استفاده می کنند [ 32 ، 33 ، 34 ، 35 ، 36 ، 37]. رویکرد ردپای اکولوژیکی با استفاده از واحدهای متریک gha و wha تعمیم یافته نمی تواند تفاوت بین عرضه و تقاضای زمین محلی را نشان دهد. در همین حال، ارزیابی ردپای اکولوژیکی با استفاده از هکتار واقعی (هکتار) می تواند تقاضای زمین را به صورت محلی محاسبه کند.
تخصیص فضایی کاربری/پوشش زمین در این مطالعه با استفاده از رویکرد ردپای اکولوژیکی، همانطور که توسط لین و همکاران انجام شد، انجام شد. (2014) [ 38 ، 39 ]. این مدل از هکتار واقعی (هکتار) استفاده می کند زیرا تخصیص فضایی برای منطقه مورد مطالعه با توجه به بهره وری زمین در جزیره جاوا و برای هر نوع کاربری/پوشش زمین خاص است. انواع کاربری/پوشش زمین تخصیص یافته از طبقه بندی شش نوع اصلی زمین مولد توسط اتحادیه جهانی حفاظت [ 40 ] اتخاذ شد.]. قابل ذکر است، در این مطالعه، کاربری/پوشش زمین با طبقه‌بندی زمین‌های کشاورزی (زمین‌های زراعی) به‌عنوان خاص‌تر، یعنی کشاورزی تالابی (شالیزار)، کشاورزی دیم و مزرعه، به هشت نوع/کلاس طبقه‌بندی می‌شود.
علاوه بر این، محاسبه تخصیص فضایی قطعاً نیاز به توجه به مناسب بودن آن دارد. هدف مفهوم تناسب زمین، استفاده بهینه و پایدار از زمین است [ 41 ]. هدف شناسایی مناسب ترین الگوهای فضایی برای استفاده از زمین در آینده است [ 42 ، 43 ]. بنابراین، تجزیه و تحلیل تناسب اراضی جزء ضروری برنامه ریزی و مدیریت شهری است. از ویژگی های زمین می توان برای ارزیابی تناسب زمین استفاده کرد، یعنی ویژگی های زمین که می تواند اندازه گیری یا تخمین زده شود، مانند شیب، بارندگی، بافت خاک و پوشش گیاهی [ 41 ].]. فرض بر این است که ویژگی های زمین در سیستم ارزیابی قادر به تعیین جهت تخصیص فضایی هستند. به طور خاص، ارزیابی تناسب زمین به تعاملات بین ویژگی های زمین توجه می کند. به عنوان مثال، زمین مناسب برای شالیزارها تنها با زاویه شیب تعیین نمی شود، بلکه بر اساس تعامل بین زاویه شیب، طول شیب، نفوذپذیری، نوع خاک، شدت بارندگی و سایر ویژگی ها تعیین می شود. با توجه به این مشکلات متقابل، توصیه می شود که ارزیابی تناسب کاربری/پوشش زمین از نظر کیفیت زمین انجام شود. کیفیت تشکیل اراضی یکی از تاثیرگذارترین پارامترها بر کیفیت ارزیابی تناسب اراضی و پایایی طرح‌های کاربری اراضی است [ 44 ].]. کیفیت خاک یک ویژگی پیچیده خاک است که دارای یک یا چند ویژگی خاک است. در دهه های اخیر، تجزیه و تحلیل تناسب زمین برای ارزیابی زمین های کشاورزی [ 45 ]، تعیین زمین به عنوان زیستگاه گونه های مختلف گیاهی و جانوری [ 46 ، 47 ]، ارزیابی و برنامه ریزی چشم انداز [ 48 ، 49 ]، همراه با برنامه ریزی منطقه ای اعمال شده است. و ارزیابی اثرات زیست محیطی [ 50 ، 51 ].
در این مطالعه، مدل تناسب زمین با استفاده از ماشین بردار پشتیبان (SVM) انجام شد. SVM برای یافتن بهترین هایپرپلن با به حداکثر رساندن فاصله بین کلاس ها استفاده می شود. Hyperplane تابعی است که می تواند برای جدا کردن کلاس ها استفاده شود [ 52 ]. SVM کلاس های تناسب زمین را بر اساس ویژگی های زمین که به عنوان پارامتر استفاده می شود، جدا می کند. اگرچه SVM به طور گسترده برای نقشه برداری زمین در سال های اخیر استفاده شده است، تنها تعداد کمی از SVM برای ترسیم تناسب زمین استفاده کرده اند [ 53 ، 54 ، 55 ، 56 .]. استفاده از SVM برای تناسب زمین در مطالعات قبلی نیز بیشتر بر زمین کشاورزی متمرکز بود، با دقت و کاپا به بیش از 75٪ یا معادل سطح بسیار بالایی از تناسب بین مدل و شرایط موجود. نتایج این مطالعات برای انتخاب SVM در نظر گرفته شده است. تازگی که این مطالعه را از تحقیقات قبلی متمایز می کند، استفاده از SVM برای ارزیابی تناسب زمین برای هفت کلاس کاربری/پوشش زمین است. نتیجه نهایی طبقه‌بندی اطلاعات ترسیمی را در مورد تناسب زمین فراهم می‌کند تا بتوان میزان تخصیص فضایی را محاسبه کرد. انتظار می رود که نتایج تحقیق یک نمای کلی از سیاست گذاری مربوط به برنامه ریزی کاربری اراضی ارائه دهد. بنابراین، سه هدف مشخص وجود دارد:

2. مواد و روشها

2.1. مواد

این مطالعه در جزیره جاوا، اندونزی انجام شد که 129438.28 کیلومتر مربع است ( شکل 1 ). این جزیره با بیش از 149 میلیون نفر سکونت دارد که آن را به پرجمعیت ترین جزیره اندونزی تبدیل می کند [ 57 ]. نرخ رشد جمعیت در جزیره جاوا در سال 2018 به 1.23٪ رسید، با تراکم جمعیت 1317 نفر در کیلومتر مربع ، و 56.7٪ از کل جمعیت در مناطق شهری زندگی می کنند [ 58 ]. جمعیت جزیره جاوه تقریباً با کل جمعیت جزایر دیگر اندونزی برابر است. مصرف انرژی در اندونزی در جزیره جاوا یا بیش از 60 درصد کل مصرف ملی متمرکز است، زیرا 57 درصد از مصرف کنندگان آن در جاوا هستند [ 59 ]]. بر اساس ارزیابی ردپای اکولوژیکی انجام شده توسط وزارت فواید عمومی جمهوری اندونزی [ 37 ]، ظرفیت زیستی جزیره جاوه یک کسری کلی دارد. این شرایط برای آزمایش مدل های تخصیص فضایی مناسب است. ظرفیت زیستی توانایی زمین برای تولید منابع طبیعی و جذب و فیلتر کردن سایر مواد مانند دی اکسید کربن از جو است. انتخاب این منطقه مورد مطالعه، درک عمیق‌تری را در رابطه با تخصیص و پایداری فضایی ارائه می‌دهد.
داده‌های جمع‌آوری‌شده در این پژوهش، داده‌های ثانویه هستند که بر اساس متغیرهای فرضیه شناسایی شده‌اند. داده ها عموماً از سازمان های دولتی و موسسات تحقیقاتی به دست می آیند. جدول 1 اطلاعات مربوط به انواع داده ها و منابع داده را نشان می دهد. طبق نظریه مزلو، نیازهای اساسی برای محاسبه تخصیص فضایی شامل غذا، پوشاک، مسکن، فضای عمومی و انرژی است، در حالی که مدل تناسب زمین با استفاده از ویژگی‌های زمین به عنوان پارامترها انجام می‌شود. ویژگی های زمین، بر اساس سازمان خواربار و کشاورزی (FAO)، ویژگی های زمین هستند که می توانند اندازه گیری یا تخمین زده شوند. ویژگی های زمین انتخابی عبارتند از: ارتفاع، شیب، منطقه بوم، دمای سطح زمین، بارندگی، نوع خاک، pH خاک، در دسترس بودن آب و محتوای آلی خاک.
برخی از داده‌های ثانویه جمع‌آوری‌شده در این پژوهش پیش پردازش شده بودند. ارتفاع و شیب از داده های ماموریت توپوگرافی رادار شاتل (SRTM) استخراج شد. دمای سطح زمین (LST) با استفاده از باندهای 4، 5 و 10 با الگوریتم ایجاد شده در ERDAS IMAGINE 2014 [ 60 ] بازیابی شد.]. ویژگی های زمین بر اساس مطالعات ادبیات و آزمون های معنی داری به عنوان پارامترهای تناسب زمین انتخاب شدند. نتایج آزمون آماری کولموگروف – اسمیرنوف برای تمامی پارامترها مقدار معنی داری بین 0 تا 024/0 را نشان داد. این مقادیر معنی‌داری نشان‌دهنده سطح اطمینان در فرضیه همبستگی بین پارامترها و کاربری زمین/پوشش زمین است که باید بین 0% و 0.024% رد شود (معنی‌داری <0.05%). بنابراین، برای سطح اطمینان 95 درصد، این فرضیه که همه پارامترها با کاربری زمین/پوشش زمین رابطه دارند پذیرفته می شود. این ویژگی‌های زمین می‌تواند کاربری/پوشش زمین مناسب را تعیین کند. واحد فضایی مورد استفاده در تصمیم‌گیری مکان کاربری زمین/پوشش زمین، شبکه‌ای با وضوح 30 × 30 اینچ (≈0.9 کیلومتر × 0.9 کیلومتر) است. هر شبکه دارای مقادیر این نه پارامتر است. عادی سازی بر روی پارامترهای تناسب زمین (محدوده ارزش 0-1) با روش نرمال سازی حداقل – حداکثر انجام شد. پر کردن مقدار هر پارامتر در هر شبکه با استفاده از روش حداکثر سطح ترکیبی (MCA) انجام شد. اصل MCA، یعنی نوع یا مقدار چند ضلعی ها (می تواند بیش از 1 باشد) در هر شبکه با بیشترین مساحت کل غالب، مقدار شبکه خواهد بود. تجسم پارامترهای تناسب زمین را می توان در مشاهده کردشکل 2 ، شکل 3 ، شکل 4 و شکل 5 .

2.2. مواد و روش ها

ماهیت این پژوهش، توصیفی- کمی است که ارتباط بین پدیده ها را به صورت سیستماتیک، واقعی و دقیق توصیف می کند. هدف این مطالعه تعیین تخصیص فضایی و تناسب کاربری زمین/پوشش زمین به صورت قیاسی است. به منظور حل مسئله تحقیق، چندین مرحله باید در شکل 6 انجام شود . این مراحل به طور کلی شامل موارد زیر است:
  • انجام محاسبه تخصیص فضایی کاربری/پوشش زمین بر اساس نیازهای فیزیولوژیکی با استفاده از رویکرد ردپای اکولوژیکی با داده‌های کاربری/پوشش زمین و داده‌های آماری. تخصیص فضایی نیز می تواند با استفاده از چندین سناریو برای رفع نیازها انجام شود.
  • تجزیه و تحلیل تناسب زمین را با استفاده از SVM با ترفند هسته انجام دهید. نه پارامتر و چندین نقطه نمونه وجود دارد. تعداد نقاط نمونه و روش نمونه گیری به استانداردهای تعیین شده برای اطلاعات مکانی، یعنی SNI ISO 19157 اشاره دارد.
2.2.2. محاسبه تخصیص فضایی با رویکرد ردپای اکولوژیکی (EF).
یک رویکرد پرکاربرد توسعه یافته برای محاسبه تخصیص فضایی، رویکرد ردپای اکولوژیکی (EF) است. این رویکرد از شاخص های مبتنی بر زمین برای ارزیابی پایداری منابع استفاده می کند، به عنوان مثال، با مقایسه نیازهای زمین و در دسترس بودن برای برآوردن نیازهای جمعیت های خاص [ 5 ، 61 ]. EF می تواند اطلاعاتی در مورد وضعیت اکولوژیکی بلند مدت و هشدار اولیه برای خطرات بالقوه زیست محیطی ارائه دهد. علاوه بر این، مزایای EF شامل واحدهای متریک شفاف محاسبه، نیازهای داده به طور کلی در دسترس، و روش های اندازه گیری استاندارد شده است [ 22 ، 62 ]. بر اساس تحولات موجود، EF یک روش ساده اما جامع برای پایداری محیطی است.
مفهوم EF چگونگی کاهش تأثیر جمعیت بر طبیعت را حداقل به دو روش مورد بحث قرار می دهد [ 63]. اول، ردپای اکولوژیکی کل هزینه اکولوژیکی (در محدوده زمین) عرضه همه کالاها و خدمات به جمعیت را اندازه گیری می کند. این هزینه نشان می دهد که ساکنان به طور مستقیم به زمین برای تولید کشاورزی، جاده ها، ساختمان ها و غیره نیاز دارند. با این حال، به طور غیر مستقیم، زمین نیز به تحقق کالاها و خدمات مصرف شده توسط جمعیت کمک می کند. به این ترتیب می توان از ردپای اکولوژیکی برای ساختار هزینه های اکولوژیکی فعالیت جمعیت استفاده کرد. دوم، ردپای اکولوژیکی یک شاخص پایداری است، یعنی ظرفیت تحمل محیطی، که حداکثر جمعیتی است که توسط یک منطقه خاص زمین پشتیبانی می‌شود. این مفهوم به تمام اعضای اکوسیستم اشاره دارد.

طبق نظریه مزلو، نیازهای اساسی انسان وجود دارد: غذا، پوشاک، سرپناه و فضای عمومی و انرژی. ردپای اکولوژیکی (EF) قادر به تعیین کمیت نیاز زمین برای رفع نیازهای انسان است [ 6 ]. نیاز زمین با استفاده از رویکرد EF بر اساس میزان مصرف سرانه جمعیت محاسبه می شود. هر نوع پوشش / کاربری زمین می تواند منابع خاصی را فراهم کند. بنابراین محاسبه هر کاربری/نیاز پوشش زمین به صراحت برای هر نیاز اساسی انجام می شود. به گفته واکرناگل و همکاران. (2019)، معادلات محاسبه ردپای اکولوژیکی در واحدهای جهانی هکتار (gha) یا جهانی m2 (gm2 ) به شرح زیر است :

Eاف = ∑منپمنYن،من×Yافن،من×Eسافمن=پمن×افمنمن×Yافن،من×Eسافمن

جایی که

EF = ردپای اکولوژیکی یا نیازهای زمین (gm 2 )؛
پ = تعداد نیازهای اولیه انسان (کیلوگرم)؛
Y = بهره وری (کیلوگرم/متر2) = 1FI;
FI = شدت ردپا (m2 / kg)؛
YF = ضریب بازده (wm 2 /m 2 )؛
EQF = ضریب هم ارزی (gm 2 /wm 2 ).
پیش پردازش بر روی چندین متغیر در معادله (1) انجام می شود. مقدار تولید تقسیم بر سطح برداشت شده ارزش بهره وری را می دهد. ارزش بهره وری با ردپای شدت رابطه معکوس دارد. مقادیر YF و EQF برای منطقه اندونزی برای دانلود در Ecological Footprint Explorer- https://data.footprintnetwork.org (در 10 مارس 2021 قابل دسترسی است) توسط شبکه جهانی ردپا [ 25 ، 64 ] موجود است.
2.2.3. مدل تناسب زمین با ماشین بردار پشتیبان (SVM)
ارزیابی تناسب اراضی جزء ضروری برنامه ریزی و مدیریت شهری است. هدف شناسایی مناسب ترین الگوهای فضایی برای استفاده از زمین در آینده است [ 42 ، 43 ]. کیفیت اطلاعات زمین یکی از تاثیرگذارترین پارامترها بر کیفیت ارزیابی تناسب زمین و پایایی طرح های کاربری اراضی است [ 44 ].]. یک رویکرد داده محور وجود دارد که معمولاً برای ارزیابی تناسب زمین استفاده می شود. رویکرد داده محور یک رویکرد کمی مبتنی بر رابطه بین متغیرهای وابسته (مناسب بودن هفت پوشش زمین) و متغیرهای مستقل (پارامترهای تناسب زمین) است. رویکرد داده محور که می تواند مورد استفاده قرار گیرد، یک رویکرد احتمالی نظارت شده، یعنی یادگیری ماشینی است. در دهه‌های اخیر، الگوریتم‌های یادگیری ماشین به طور گسترده در موارد مختلف طبقه‌بندی زمین مورد استفاده قرار گرفته‌اند. الگوریتم‌های یادگیری ماشین معمولی عبارتند از شبکه‌های عصبی مصنوعی (ANN)، k-نزدیک‌ترین همسایگان (kNN)، درخت‌های تصمیم‌گیری (DTs)، ماشین‌های بردار پشتیبان (SVM) و جنگل تصادفی (RF) [ 17 ، 65 ، 66 ، 67 ، 68 . ، 69، 70 ].

SVM یکی از روش های با دقت بالا برای طبقه بندی زمین است [ 17 ، 66 ]. SVM برای یافتن بهترین هایپرپلن با به حداکثر رساندن فاصله بین کلاس ها استفاده می شود. هایپرپلن تابعی است که می توان از آن برای تقسیم بین کلاس ها استفاده کرد. توابع مورد استفاده برای طبقه بندی بین کلاس ها در دوبعدی به عنوان یک خط و توابع سه بعدی صفحه نامیده می شوند. در مقایسه، توابعی که برای طبقه بندی در کلاس ابعاد بالاتر استفاده می شوند، هایپرپلن نامیده می شوند. نمونه گیری با رویکرد اسلووین قبل از طبقه بندی انجام شد. در مورد تناسب زمین در جاوا، 159757 شبکه وجود دارد، بنابراین نمونه گرفته شده 399 شبکه است. داده های نمونه در نمایش داده می شوند {(ایکس1،y1)،…(ایکسمن،yمن)…، (ایکس399،y399)}، جایی که ایکسمننشان دهنده ورودی نمونه و yمنخروجی نمونه (کاربری زمین/نوع پوشش زمین، به عنوان مثال، جنگل) را نشان می دهد. طبقه بندی داده های طبقه بندی نشده برای یافتن یک تابع (x) که حداکثر نزدیک به آن باشد حیاتی است yمن. علاوه بر این، بعداً می توان آن را برای یافتن تناسب زمین تعمیم داد. تابع برای وارد کردن حساسیت به بایاس (نویز) ابتدا به عنوان متغیری که برای تناسب با دقت مدل استفاده می‌شود، تعریف می‌شود. این تابع تلفات غیر حساس ε نامیده می شود که از تابع رگرسیون خطی استفاده می کند f(ایکس)=ω . ایکس+ب:

f(ایکس)=∑من=1متر(αمن*- αمن)(ایکسمن . ایکس)+ب
αمن*- αمنa از روش برنامه نویسی درجه دوم بر اساس تئوری بهینه سازی به دست می آید که در آن αمن*- αمن≠0نمونه در SVM است. ثابت b بر اساس شرط Karush-Kuhn-Tucker (KKT) برنامه نویسی چند ضلعی محدب درجه دوم تعیین می شود. این طبقه بندی تناسب زمین از یک ترفند هسته استفاده می کند زیرا نمونه های داده غیرخطی هستند. این تابع هسته برای نمایش یک تابع غیرخطی φ در فضایی با ابعاد بالا و سپس تشکیل یک جداکننده کلاس بهینه (هیپرپلن) استفاده می شود. تعداد پارامترهای تناسب زمین، بعد فضایی را تعیین می کند. تابع هسته به وجود تابع اشاره دارد ک(ایکس،ایکس”)=(φ(ایکس). φ(ایکس’))در تابع ورودی نمونه پس از انجام یک تبدیل غیر خطی، ایکسمن. ایکسjاز معادله (2) با ک(ایکسمن. ایکسj).

3. نتایج

3.1. تخصیص فضایی بر اساس نیازهای فیزیولوژیکی با استفاده از ردپای اکولوژیکی (EF)

تخصیص پوشش زمین / کاربری زمین در جاوا بر اساس نیازهای اساسی جمعیت محاسبه می شود. اکوسیستم این نیازها را از طریق انواع مختلف کاربری/پوشش زمین، یعنی جنگل، کشاورزی تالاب، کشاورزی دیم، مزارع، زمین های ساخته شده، مراتع، و زمین های ماهی داخلی ( جدول 2 ) تامین می کند. مساحت کاربری/پوشش زمین مورد نیاز برای برآوردن نیازهای اساسی انسان با استفاده از رویکرد ردپای اکولوژیکی در هر بخش محاسبه می‌شود [ 61 ، 71 ]. بخش هایی که در نظر گرفته می شوند شامل مواد غذایی، پوشاک/ منسوجات، زیرساخت ها و انرژی است. زمین مورد نیاز هر نفر در یک سال با رابطه (1) محاسبه می شود. جدول 3 مقادیر ضریب بازده (YF) و ضریب مساحت معادل (EQF) را نشان می دهد [ 64 ]]. علاوه بر این، نیازهای هر بخش با ضرب نیاز به ازای هر نفر در کل جمعیت جزیره جاوا به دست می‌آید.
  • بخش مواد غذایی اندونزی به هشت دسته گروه بندی می شود: غلات، غده ها، غذای حیوانی، روغن ها و چربی ها، میوه ها/دانه های روغنی، آجیل، شکر و سبزیجات و میوه ها [ 72 ، 73 ]. بخش غذا از کشاورزی تالابی، کشاورزی دیم و مزارع تولید می شود. نتایج محاسبه ردپای اکولوژیکی به ازای هر نفر برای بخش مواد غذایی در جدول 4 قابل مشاهده است.
  • بخش پوشاک / نساجی با مواد خام از الیاف طبیعی و الیاف مصنوعی تولید می شود [ 74 ، 75 ]. مواد خام منسوجات در اندونزی که از الیاف طبیعی (پنبه) استفاده می کند به 42 درصد می رسد و بقیه از الیاف مصنوعی تولید می شود [ 76 ، 77 ]. بنابراین، ماده اولیه پوشاک/ منسوجات که در این مدل در نظر گرفته شده، پنبه ساخته شده از زمین های مزرعه است. نتایج محاسبه ردپای اکولوژیکی به ازای هر نفر برای بخش پوشاک/ نساجی در جدول 5 قابل مشاهده است.
  • بخش زیرساخت شامل نیازهای ساکنان به مسکن و فضاهای عمومی است که در انواع زمین های ساخته شده طبقه بندی می شوند. محاسبه مساحت زمین ساخته شده مورد نیاز از استاندارد فضای مورد نیاز برای هر نفر استفاده می کند [ 78 ، 79 ]. زیرساخت هایی که نیاز به چوب دارند شامل زیرساخت هایی با ساختار فیزیکی یعنی اقامتگاه (خانه)، امکانات فرهنگی و تفریحی، مراکز خرید و تجاری، اماکن مذهبی، امکانات بهداشتی و آموزشی می باشد. بنابراین، نسبت تقاضای چوب برای ساختمان ها باید در این مدل در نظر گرفته شود (m 3 of wood / m 2از ساختمان ها). چوب به عنوان مصالح ساختمانی از زمین های جنگلی تولید می شود. نتایج محاسبه ردپای اکولوژیکی به ازای هر نفر برای بخش زیرساخت را می توان در جدول 6 مشاهده کرد.
  • بخش انرژی درگیر در مدل سازی شامل برق، گاز و نفت کوره است. مقدار انرژی مورد نیاز برای هر نفر میانگین کل انرژی مصرفی در جاوا است. داده های مصرف انرژی از آمار برق ارائه شده توسط وزارت انرژی و منابع معدنی جمهوری اندونزی به دست آمده است. بخش انرژی از زمین های ساخته شده و مراتع تولید می شود. نتایج محاسبه ردپای اکولوژیکی به ازای هر نفر برای بخش انرژی را می توان در جدول 7 مشاهده کرد.
تخصیص فضایی با ضرب ردپای اکولوژیکی به ازای هر فرد و جمعیت ایجاد می شود. کل جمعیت جزیره جاوا 171829900 نفر بود [ 80 ]. واحد سطح مورد استفاده هکتار (هکتار) می باشد. تخصیص فضایی به عنوان تقاضا باید با عرضه زمین مقایسه شود. تفاوت ها نشان می دهد که چندین نوع کاربری/پوشش زمین دارای کسری و مازاد هستند ( جدول 8 ). مازاد این شرط را نشان می دهد که مساحت عرضه زمین بیشتر از تقاضای زمین باشد.
در این میان، کسری نشان می دهد که مساحت عرضه زمین کمتر از تقاضای زمین است. آنهایی که هنوز کمبود دارند عبارتند از کشاورزی تالاب، کشاورزی دیم، مزارع، و مرتع. کاربری اراضی/پوشش زمین که دچار کسری است را می توان با تغییر مازاد پوشش زمین/زمین برطرف کرد. با این حال، تغییر کاربری/پوشش زمین باید به مناسب بودن زمین توجه داشته باشد.

3.2. طبقه بندی تناسب زمین با استفاده از SVM

انجام تخصیص کاربری/تخصیص پوشش زمین که هنوز با کسری مواجه است با در نظر گرفتن تناسب زمین انجام می شود. کاربری اراضی/پوشش اراضی که تخصیص مساحت آن کمتر از مساحت موجود (مازاد) است شامل جنگل، زمین ساخته شده و مناطق ماهیگیری داخلی است. در همین حال، چهار نوع دیگر کاربری/پوشش زمین دچار کسری می‌شوند. تخصیص فضایی بر اساس 9 ویژگی فیزیکی زمین در هر شبکه است. چهار نوع کاربری زمین/پوشش زمین که به مکان های اضافی نیاز دارند را نمی توان به انواع دیگر تبدیل کرد. این شرط برای مناطق حفاظت شده/حفاظت شده نیز اعمال می شود. شبکه‌های کاربری مازاد/پوشش زمین، مناسب برای کسری کاربری/پوشش زمین، کاندیدای مکان‌های اضافی هستند.
شکل 7مقایسه الگوهای کاربری/پوشش زمین در شرایط موجود با نتایج مدل‌سازی را نشان می‌دهد. از نظر بصری، این مدل همان الگوی استفاده از زمین/پوشش زمین موجود در سال 2016 را داشت. کشاورزی تالاب و مناطق کشاورزی دیم بر جاوا غالب است. این واقعیت به دنبال ویژگی های فیزیکی جزیره جاوا است. منطقه فتح شده توسط کشاورزی تالابی، دشتی رودخانه ای است که ماده تشکیل دهنده آن آبرفت است. مواد آبرفتی می توانند سفره های بالقوه با پشتیبانی مورفولوژی مسطح را تشکیل دهند تا آب فراوان در طول سال و خاک های حاصلخیز داشته باشند. مناطق تحت سلطه کشاورزی دیم دشت ها و تپه های ساختاری هستند. انواع خاک غالب لاتوسول و پودزولیک با سولوم عمیق و حاصلخیزی کم تا متوسط ​​است. بنابراین این منطقه برای کشاورزی و دامداری مناسب است.
دقت مدل‌سازی از ماتریس سردرگمی بین کاربری زمین/پوشش زمین و مدل به دست آمد ( شکل 8). این مدل همان الگوی استفاده از زمین/پوشش زمین (LULC) را دارد. کشاورزی دیم و تالاب گسترده ترین کاربری/پوشش زمین در جاوه است. با این حال، مساحت از مدل تناسب زمین با کسری هنوز کوچکتر از نیاز تخصیص LULC است، به ویژه برای مناطق مزرعه. سایت مناسب برای سطح زیر کشت بر اساس نتایج مدلسازی تنها 377052.80 هکتار است در حالی که نیاز 2581350.53 هکتار است. تفاوت مساحت بین مدل ها و مدل های موجود نشان دهنده دقت مدل تناسب زمین است. دقت کلی نتایج مدلسازی تناسب زمین 87.728 درصد است. مقدار ضریب کاپا از مدل سازی 0.812 با مقدار معنی داری 0.00 است. مقدار ضریب کاپا تطابق بسیار بالایی را بین کاربری/پوشش زمین موجود و مدل در ارزیابی تناسب زمین نشان می‌دهد.81 ]. مقدار معنی داری نیز کوچکتر از سطح معنی داری استفاده شده 5% است (0.00 < 0.05). بنابراین، توافق معنی‌داری بین کاربری/پوشش اراضی موجود و مدل در سطح معنی‌داری 5 درصد وجود دارد.

4. بحث

4.1. عملکرد کلی مدل تناسب زمین در جزیره جاوا

دقت موضوعی یکی از عناصر کیفیت داده های مکانی است [ 82]. دقت موضوعی به عنوان دقت ویژگی های کمی و ویژگی های غیر کمی در طبقه بندی ویژگی ها و رابطه بین ویژگی ها تعریف می شود. راه های مختلفی برای بررسی دقت موضوعی طبقه بندی وجود دارد. ماتریس سردرگمی امکان محاسبه برخی از معیارهای دقت، به عنوان مثال، دقت، دقت، یادآوری، و امتیاز F1 را می دهد. این شاخص ها برای ارزیابی عینی عملکرد مدل استفاده می شوند. طبقه‌بندی‌کننده، در این مورد، SVM، می‌تواند پیش‌بینی کند که کدام زمین برای یک نوع LULC خاص مناسب (واقعی-مثبت) و نامناسب (واقعی-منفی) است. طبقه‌بندی کننده SVM همچنین می‌تواند هنگام پیش‌بینی مکان‌های مناسب (مثبت کاذب) و نامناسب (منفی کاذب) برای انواع خاصی از LULC اشتباه یا خطا کند. اجزای ماتریس سردرگمی به شکل مثبت درست (TP)، درست منفی (TN)، مثبت کاذب (FP)،
جدول 9شاخص های ارزش یا معیارهای استاندارد را برای ارزیابی عملکرد مدل تناسب زمین در جزیره جاوا نشان می دهد. شاخص ها عبارت بودند از دقت، دقت، یادآوری، ویژگی و امتیاز F1 محاسبه شده برای هفت نوع LULC که مناسب بودن آنها پیش بینی شده است. سپس هفت نوع از نتایج محاسبه LULC برای اندازه‌گیری میانگین عملکرد کلان مدل تناسب زمین، میانگین‌گیری می‌شوند. بالاترین میزان دقت مربوط به اراضی مرتعی با ارزش تقریباً کامل است که 99.75 درصد است. دقت نشان دهنده توانایی مدل در پیش بینی مناسب و نامناسب بودن زمین است. نوع LULC با دقت بالا به این معنی نیست که دقت و مقادیر فراخوانی نیز به طور خودکار بالا خواهد بود. به عنوان مثال، زمین جنگلی دارای دقت 92.97٪ است، اما مقادیر دقت و یادآوری تنها 82.46٪ و 77.26٪ است. این شرایط با کشاورزی دیم نسبت معکوس دارد، جایی که دقت آن تنها 89.50 درصد است، اما مقادیر دقت و یادآوری بیشتر از زمین جنگلی است. مقدار دقت، سطح سازگاری طبقه بندی را نشان می دهد که با مقایسه نتایج طبقه بندی با شرایط موجود در این زمینه تعیین می شود. در مقایسه، یادآوری سطح صحت پیش‌بینی را برای همه اشیاء قابل شناسایی نشان می‌دهد. دقت و فراخوانی برای هر نوع LULC معینی معمولاً یکسان نیست. که در فراخوان سطح صحت پیش بینی را برای همه اشیاء قابل شناسایی نشان می دهد. دقت و فراخوانی برای هر نوع LULC معینی معمولاً یکسان نیست. که در فراخوان سطح صحت پیش بینی را برای همه اشیاء قابل شناسایی نشان می دهد. دقت و فراخوانی برای هر نوع LULC معینی معمولاً یکسان نیست. که درجدول 9 دقت مزارع 97.90% بود در حالی که فراخوان 77.87% بود. این واقعیت بدان معنی است که حتی اگر 97.90٪ از مناطق مزارع مرجع به درستی به عنوان مناسب برای “مزرعه” پیش بینی شده اند، تنها 77.87٪ از مناطقی که برای “مزرعه” در طبقه بندی مناسب پیش بینی شده اند، واقعا برای مزارع مناسب بودند.
شکل 9الگوهای توزیع دقت، دقت، و مقادیر یادآوری را برای هفت نوع LULC نشان می دهد. از نظر بصری، الگوی توزیع مقادیر دقت پایدارترین الگو را دارد، با مقادیر همیشه بالای 90%. در همین حال، مقادیر دقت و فراخوان الگوی مشابهی دارند. الگوی ارزش یادآوری به ویژه در مزارع و مرتع نوسان داشت. این شرایط باعث می شود که مقادیر ماکرو دقت و فراخوانی ماکرو زیر 90٪ باشد. این الگو نشان می دهد که ممکن است عدم تعادل طبقاتی وجود داشته باشد. علاوه بر این، امتیازات F1 برای ارزیابی عملکرد مدل محاسبه شد. امتیاز F1 میانگین دقت و یادآوری وزن است. بنابراین این امتیاز هم مثبت کاذب و هم منفی کاذب را در نظر می گیرد. F1 معمولاً مفیدتر از دقت است، به خصوص اگر توزیع کلاس نامتعادل وجود داشته باشد. Macro-F1 مدل افزایش در مقدار فراخوان کلان را نشان می دهد، اما هنوز زیر 80٪ است. بنابراین، محاسبه میانگین عملکرد خرد، مانند مقدار دقت کلی، ضروری است.
عملکرد متوسط ​​خرد، مشارکت همه انواع کاربری/پوشش زمین را برای محاسبه میانگین متریک جمع‌آوری می‌کند. دقت کلی نوعی عملکرد متوسط ​​خرد است. شاخص‌های دقت، یادآوری و امتیاز F1 در عملکرد میانگین خرد همیشه همان مقدار دقت کلی خواهند داشت ( جدول 10). دقت کلی اساساً از تمام سایت‌های مرجعی که نسبت‌های آنها به درستی ترسیم شده است، گرفته شده است. عناصر مورب در ماتریس سردرگمی نشان دهنده مناطقی است که به درستی طبقه بندی شده اند. دقت کلی با اضافه کردن تعداد سایت های طبقه بندی شده صحیح و تقسیم آن بر تعداد کل سایت های مرجع محاسبه شد. نتایج محاسبات نشان می دهد که دقت کلی مدل تناسب زمین 86.46 درصد است. این واقعیت به این معنی است که درصد خطای مدل به 13.54٪ (100٪ – دقت کلی) می رسد. این مدل همچنین دارای مقدار کاپا 0.812 یا معادل سطح بسیار بالایی از توافق بین مدل و شرایط موجود است.
عملکرد کلی مدل تناسب زمین، که در تمام آستانه های ممکن خلاصه می شود، توسط منحنی ویژگی های عملیاتی گیرنده (ROC) ارائه می شود. نام “ROC” تاریخی است و از نظریه ارتباطات گرفته شده است. منحنی های ROC برای دیدن توانایی طبقه بندی کننده، در این مورد، SVM، برای جداسازی کلاس های مثبت و منفی و شناسایی بهترین آستانه برای جداسازی آنها استفاده می شود. منحنی ROC با استفاده از نرخ مثبت کاذب (FPR) به عنوان محور X به دست آمده از ویژگی 1 و داده های نرخ مثبت واقعی (TPR) یا حساسیت به عنوان محور Y رسم می شود. Specificity همان تعریف ارزش فراخوانی را دارد. اگر منحنی حاصل به خط مبنا یا خطی که از نقطه 0.0 عبور می کند نزدیک شود، عملکرد مدل پایین تر و اگر منحنی به 0.1 نزدیک شود خوب است. شکل 10منحنی آبی را نشان می دهد که عملکرد امیدوارکننده ای را نشان می دهد زیرا مقدار TPR همچنان به 0.1 برای مقدار FPR از صفر تا 76.20% نزدیک می شود. علاوه بر این، محاسبه مساحت زیر منحنی (AUC) نیز انجام می شود. یک مدل عالی دارای AUC نزدیک به 1.0 است، به این معنی که معیار تفکیک پذیری خوبی دارد. مقدار AUC مدل تناسب زمین به 0.842 می رسد که می تواند به عنوان یک مدل عالی طبقه بندی شود.

4.2. تحقق تخصیص فضایی بر اساس تناسب زمین

نیازهای زمین (تقاضا) را می توان با استفاده از کاربری / پوشش زمین (عرضه) موجود برآورده کرد. مقایسه بین عرضه و تقاضای کاربری زمین/پوشش زمین (LULC) در جزیره جاوا نشان می‌دهد که چهار کلاس LULC کمبودهایی را تجربه می‌کنند. طبقات LULC که دارای کمبود هستند عبارتند از کشاورزی تالابی، کشاورزی دیم، مزارع و مراتع. در همین حال، کلاس های LULC که مازاد را تجربه می کنند، جنگل، زمین های ساخته شده و مناطق ماهیگیری داخلی هستند ( جدول 11 ). این نتایج همان الگوی مطالعه ردپای اکولوژیکی است که توسط وزارت فواید عمومی جمهوری اندونزی (2010) و ناتانیل (2020) انجام شد [ 83 ، 84 ]. کلاس های LULC که دارای کسری هستند باید برای رفع نیازهای جمعیت در جاوا برآورده شوند.
نتایج مدل‌سازی تناسب زمین می‌تواند برای یافتن مکان‌های کاندید جدید برای استفاده از زمین/پوشش زمین مورد استفاده قرار گیرد. کاربری زمین/پوشش زمین (LULC) که دچار کسری است نباید به نوع دیگری از کاربری/پوشش زمین تبدیل شود ( شکل 11 ). این محدودیت در مورد زمین های ساخته شده نیز اعمال می شود زیرا عمدتاً دائمی هستند. نتایج مدل‌سازی نشان می‌دهد که تمام انواع کاربری/پوشش زمین را نمی‌توان برای داشتن مکان مناسب برای کمبود LULC، که 8،191،106.50 هکتار است، تغییر داد. مابقی به صورت اراضی جنگلی و صیادی داخلی با 530590.57 هکتار می باشد. مساحت کل هنوز کمتر از تفاوت بین عرضه زمین و تقاضای زمین است، یعنی جنگل 487,807.35 هکتار < 2,151,490.77 هکتار و زمین های ماهیگیری داخلی 42,783.22 هکتار < 90,685.64 هکتار ( شکل 11 وجدول 11 ). این شرایط باید برای جلوگیری از افزایش وضعیت کسری در سایر انواع LULC تضمین شود. بنابراین، شبکه‌ها برای تبدیل به کشاورزی تالابی، کشاورزی دیم، مزارع و مرتع در دسترس هستند. Forestland به دلیل مناطق غالب آن در جزیره جاوا بیشترین سهم را در شبکه متغیر دارد. طبقه بندی اراضی جنگلی در این تحقیق شامل مناطق حفاظت شده/حفاظت شده نمی شود. طبقه‌بندی اراضی جنگلی شامل جنگل‌های خشک ثانویه، جنگل‌های مزرعه‌ای و درختچه‌ها است.
شبکه نامزد را می توان برای محاسبه مساحت تخصیص احتمالی کاربری زمین/پوشش زمین (LULC) استفاده کرد ( جدول 12).). تناسب زمین در جزیره جاوا تحت سلطه زمین های کشاورزی متشکل از کشاورزی تالابی، کشاورزی دیم و مزارع است. تحقق ممکن با فرمول عرضه زمین منهای LULC قابل تغییر به دست می آید، سپس با ناحیه شبکه نامزد اضافه می شود. LULC قابل تغییر شبکه(هایی) از نوع LULC مازاد است که برای تبدیل به نوع LULC کسری موجود است. کشاورزی دیم گسترده ترین شبکه های کاندید را دارد که 438045.11 هکتار یا معادل 5111 شبکه را پوشش می دهد. در همین حال، مراتع دارای شبکه های نامزد حداقل 1015.94 هکتار یا معادل 23 شبکه است. نتایج مدل‌سازی نشان می‌دهد که همه انواع LULC کمبود دارای مکان‌های نامزد جدید هستند، اما قادر به تغییر وضعیت کسری نبوده‌اند. تغییر LULC بر اساس محاسبه تحقق تخصیص احتمالی نیز تأثیر منفی اکوسیستم را کاهش می دهد.
تفاوت عرضه زمین با تقاضای زمین و تحقق احتمالی آن بر اساس تناسب آن نشان دهنده کاهش در مناطق کسری است ( جدول 13).). تعداد انواع LULC که کسری را تجربه می کنند پس از اضافه کردن شبکه های کاندید هنوز یکسان است. مساحت جنگل 22.62٪ کاهش یافته است که در چهار نوع LULC کسری پراکنده شده است. کاندیداهای اراضی جنگلی تحت سلطه کشاورزی دیم هستند که 14/436862 هکتار (56/89 درصد از مناطق جنگلی قابل تغییر) را پوشش می دهند. در مقایسه، مناطق ماهیگیری داخلی 42783.22 هکتار یا 26.26 درصد کاهش یافت که برای انجام تخصیص کشاورزی تالابی و کشاورزی دیم توزیع شد. مساحت کل کسری اولیه بر اساس اراضی موجود (عرضه) 5,263,905.19 هکتار بود که تحت سلطه مناطق زراعی بود. کاهش کسری با همین الگو به 4733314.62 هکتار رسید. پاسخگویی به نیازها با این سناریو قابل قبول است زیرا توانسته بود سطح کسری را کاهش دهد و به انواع LULC با وضعیت کسری اضافه نکند.
راه حل های متعددی برای غلبه بر کمبود کاربری زمین/پوشش زمین (LULC) وجود دارد. راه حل اول، یعنی همه کالاهای استفاده از زمین/پوشش زمین که با کسری مواجه هستند، با واردات از جزایر دیگر یا خارج از کشور پر می شوند. با این حال، این تنها مشکلات جدیدی به خصوص برای وضعیت اقتصادی کشور ایجاد خواهد کرد. وابستگی اندونزی به واردات یکی از دلایل تضعیف نرخ مبادله روپیه در برابر دلار ایالات متحده است [ 84 ]. بنابراین ارقام بالای واردات می تواند منجر به تورم شود. در همین حال، ارقام واردات اندونزی در حال حاضر بالا است، اگرچه نسبت به سال 2018 کاهش یافته است [ 85 ]]. راه حل دوم برنامه انتقال جمعیت از جزیره جاوه به جزایر دیگر اندونزی است. با این حال، برنامه انتقال در عصر توسعه کنونی مشکلات جدیدی ایجاد می کند. تازه واردها یا مهاجران سریعتر از جوامع محلی رشد می کنند. این مشکل منجر به شکاف های اجتماعی در جوامع محلی شده است. راه حل سوم، یعنی بهینه سازی کاربری زمین/پوشش زمین موجود، از جزایر دیگر یا خارج از کشور وارد خواهد شد. این آخرین راه حل در مقایسه با گزینه های راه حل دیگر بهترین است. بهینه‌سازی مکان-تخصیص کاربری/پوشش زمین می‌تواند با انجام تخصیص‌های LULC که هنوز در کسری هستند با استفاده از LULC مازاد انجام شود. به عنوان مثال، نیازهای کمبود PL مانند کشاورزی تالاب، کشاورزی دیم و مزارع را می توان تا حدی با تخصیص زمین جنگلی که هنوز مازاد است برآورده کرد. الزاماتی که باید برای یافتن محل LULC که در کسری هستند برآورده شود، مناسب بودن زمین است. هر مکان از نظر تئوری با چندین نوع LULC، اما با سطوح سازگاری متفاوت سازگار است. سطح تناسب PL را می توان در مقدار احتمال پسین نشان داد. بنابراین لازم است در مرحله بعد مناسب بودن PL را با مقدار احتمال پسین مدل سازی کنیم.
جدول 14مقایسه محاسبات مختلف نیاز زمین را با استفاده از رویکرد ردپای اکولوژیکی نشان می دهد. نیازهای زمین بر اساس نیازهای فیزیولوژیکی در سال 1395 به جز محاسبات وزارت فواید عامه در سال 1389 محاسبه شده است. مشاهده می شود که نتایج محاسبات سه مطالعه با هم تفاوت معنی داری دارند. این شرایط به این دلیل است که GFN نیازهای زمین را با مشتقات استانداردهای جهانی (میانگین بهره وری جهانی) محاسبه می کند. در همین حال، محاسبات انجام شده توسط وزارت فواید عامه و صفیتری و همکاران. استفاده از استانداردهای ملی وزارت فواید عامه نیز تعداد واردات و صادرات کالا را در نظر می گیرد. بنابراین، محاسبه وزارت فواید عامه برای زمین مورد نیاز کمتر از Safitri و همکاران است. نیاز زمین برای زمین زراعی در سه مطالعه دارای بالاترین ارزش است.

5. نتیجه گیری ها

تخصیص فضایی بر اساس نیازهای فیزیولوژیکی به دلیل متغیرهای پیچیده، بسته به منطقه مورد مطالعه، بسیار چالش برانگیز است. نیازهای فیزیولوژیکی بسیار به شرایط اجتماعی، اقتصادی و محیطی منطقه مورد مطالعه بستگی دارد. بنابراین لازم است مرزهای مشخصی در تعیین گروه های مورد نیاز وجود داشته باشد. این تحقیق از چهار بخش نیاز با پوشش منطقه ای جزیره جاوا استفاده می کند. طبقه بندی بخش نیازها زمانی که برای مناطق کوچکتر (یعنی نواحی/شهرها) استفاده شود، متفاوت و جزئی تر خواهد بود. در این مطالعه، نیاز زمین برای جذب آلاینده های تولید شده توسط هر بخش درگیر نشده است. در محاسبه نیازها نیز از استانداردهای ملی استفاده می شود. در واقع هر منطقه با شرایط اقتصادی-اجتماعی مختلف دارای استانداردهای محلی خواهد بود. از این رو، رویکرد ردپای اکولوژیکی برای اندازه‌گیری نیازهای زمین بر اساس الگوهای مصرف و ظرفیت محیطی برای تامین منابع ثابت شده است. به عنوان یک ابزار، دقت ردپای اکولوژیکی به کیفیت داده های محاسبه بستگی دارد.
علاوه بر این، SVM می تواند مدل های تناسب زمین بسیار دقیق (86.46٪) با سطح بسیار بالایی از توافق بین مدل و شرایط موجود (0.842) تولید کند. دقت مدل در این مطالعه بهتر از مطالعات قبلی است که تنها به حداکثر 85 درصد رسیده است. با این حال، این مدل تناسب زمین تنها از پارامترهای فیزیکی در قالب ویژگی های زمین استفاده می کند. اصولاً برنامه ریزی کاربری اراضی تنها در صورتی موفق است که بتواند در هر شرایط محلی اجتماعی، فرهنگی، سیاسی و اقتصادی اجرا شود. بنابراین لازم است برای ارزیابی تناسب زمین، پارامترهای اجتماعی، فرهنگی، سیاسی و اقتصادی لحاظ شود.
تحقق تخصیص فضایی با ترکیبی از ردپای اکولوژیکی و مدل‌های تناسب زمین در کاهش مساحت کسری بدون تغییر وضعیت زمین از مازاد به کسری موفق بوده است. این مدل تناسب زمین ثابت شده است که می تواند کسری زمین را تا 530590.57 هکتار یا معادل 10.08 درصد کسری اولیه کاهش دهد. لازم به ذکر است که تخصیص فضایی در این مطالعه فقط تناسب زمین را در نظر می گیرد. علاوه بر این، توسعه یک تحلیل تخصیص مکان برای غلبه بر ناکارآمدی الگوهای کاربری/پوشش زمین نیز ضروری است. این وضعیت باعث ایجاد مشکلات مختلف اجتماعی، اقتصادی و زیست محیطی می شود. این توسعه در راستای تئوری توسعه پایدار است.

منابع

  1. ابولف، یو. مقدمه: چرا ما در قرن بیست و یکم به مزلو نیاز داریم؟ Society 2017 , 54 , 508-509. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  2. فلاته، RHM; سید، جی. بررسی انتقادی سلسله مراتب نیازهای مزلو. در انگیزه کارکنان در عربستان سعودی ; پالگریو مک میلان: چم، سوئیس، 2018; صص 19-60. [ Google Scholar ] [ CrossRef ]
  3. Lane, M. توسعه یک مدل ارزیابی ظرفیت حمل برای زمینه اجتماعی و زیست محیطی استرالیا. پایان نامه دکتری، دانشگاه فناوری کوئینزلند، بریزبن، کوئینزلند، استرالیا، 2014. [ Google Scholar ]
  4. میدوز، دی. راندرز، جی. Meadows, D. Limits to Growth: The-30-Year Update ; Earthscan: لندن، انگلستان، 2005. [ Google Scholar ]
  5. بوروکه، ام. مور، دی. کرانستون، جی. گریسی، ک. ایها، ک. لارسون، جی. لازاروس، ای. کارلوس، جی. واکرناگل، ام. گالی، الف. حسابداری تقاضا و عرضه ظرفیت احیاکننده زیست کره: روش و چارچوب اساسی حساب‌های ردپای ملی. Ecol. اندیک. 2013 ، 24 ، 518-533. [ Google Scholar ] [ CrossRef ]
  6. واکرناگل، ام. لین، دی. هانسکام، ال. گالی، ع. ایها، ک. ردپای اکولوژیکی. دایره Ecol. 2019 ، 4 ، 270-282. [ Google Scholar ] [ CrossRef ]
  7. استفن، دبلیو. ساندرسون، RA; تایسون، پی.دی. جیگر، جی. Matson، PA; مور، بی.، III; اولدفیلد، اف. ریچاردسون، ک. Schellnhuber، HJ; ترنر، BL; و همکاران تغییرات جهانی و سیستم زمین: سیاره ای تحت فشار ، چاپ اول؛ Springer: برلین/هایدلبرگ، آلمان، 2005. [ Google Scholar ] [ CrossRef ]
  8. محیط زیست سازمان ملل متحد؛ برنامه محیط زیست سازمان ملل متحد (UNEP). چشم انداز جهانی محیط زیست 5—محیط زیست برای آینده ای که می خواهیم . برنامه محیط زیست سازمان ملل متحد (UNEP): نایروبی، کنیا، 2012. [ Google Scholar ]
  9. دالی، HE به سوی برخی از اصول عملیاتی توسعه پایدار. Ecol. اقتصاد 1990 ، 2 ، 1-6. [ Google Scholar ] [ CrossRef ]
  10. هیئت بین دولتی تغییرات آب و هوایی (IPCC). تغییرات آب و هوا 2014: گزارش ترکیبی. مشارکت گروه های کاری I، II و III در پنجمین گزارش ارزیابی پانل بین دولتی در مورد تغییرات آب و هوا ؛ Pachauri, RK, Meyer, LA, Eds. IPCC: ژنو، سوئیس، 2014. [ Google Scholar ]
  11. مانچینی، ام اس; گالی، ع. نیکولوچی، وی. لین، دی. باستیانونی، س. واکرناگل، ام. Marchettini، N. ردپای اکولوژیکی: پالایش محاسبه ردپای کربن. Ecol. اندیک. 2016 ، 61 ، 390-403. [ Google Scholar ] [ CrossRef ]
  12. بخش توسعه زمین و آب فائو برنامه ریزی برای استفاده پایدار از منابع زمین – به سوی یک رویکرد جدید . بولتن زمین و آب فائو: رم، ایتالیا، 1995; صص 1-8. [ Google Scholar ]
  13. Badan Standardisasi Nasional. Klasifikasi Penutup Lahan—Bagian 1: Skala Kecil Dan Menengah ; Badan Standarisasi Nasional: جاکارتا، اندونزی، 2014; پ. 51. [ Google Scholar ]
  14. دی گرگوریو، آ. هنری، م. دونگان، ای. فینگولد، ی. لاتام، جی. Jonckheere، I. کومانی، ر. سیستم طبقه بندی پوشش زمین: مفاهیم طبقه بندی — نرم افزار نسخه 3 ; سازمان غذا و کشاورزی سازمان ملل متحد: رم، ایتالیا، 2016. [ Google Scholar ]
  15. آکیلوئه، ن. د کاسرس، ام. فورتین، ام. پاییز، الف. یک روش تخصیص فضایی برای مدل‌سازی تغییرات کاربری/پوشش زمین: حسابداری فرآیندهای وقوع و گسترش. Ecol. مدل 2017 ، 344 ، 73-86. [ Google Scholar ] [ CrossRef ]
  16. Moser, SC یک ماژول آموزشی جزئی در مورد تغییر کاربری/پوشش زمین جهانی و منطقه ای: ارزیابی داده ها و جستجوی روابط عمومی. ژئوژورنال 1996 ، 39 ، 241-283. [ Google Scholar ] [ CrossRef ]
  17. Noi، PT; Kappas، M. مقایسه طبقه‌بندی‌کننده‌های ماشین تصادفی جنگل، k-نزدیک‌ترین همسایه و بردار پشتیبان برای طبقه‌بندی پوشش زمین با استفاده از تصاویر نگهبان-2. Sensors 2018 , 18 , 18. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  18. د آلوارنگا، RAF; دا سیلوا، معاون، جونیور؛ Soares، SR مقایسه ردپای اکولوژیکی و یک روش ارزیابی تأثیر چرخه زندگی برای مطالعه موردی در تولید خوراک جوجه‌های گوشتی برزیلی. جی. پاک. تولید 2012 ، 28 ، 25-32. [ Google Scholar ] [ CrossRef ]
  19. گینه، جی بی. هیجونگس، آر. هوپس، جی. زامگنی، ا. ماسونی، پ. بوونامیسی، آر. اکوال، تی. رایدبرگ، تی. ارزیابی چرخه زندگی: گذشته، حال و آینده. محیط زیست علمی تکنولوژی 2011 ، 45 ، 90-96. [ Google Scholar ] [ CrossRef ]
  20. Miao، CL; Sun، LY; یانگ، L. مطالعات ارزیابی کیفیت محیط زیست اکولوژیکی در استان آنهویی بر اساس ردپای اکولوژیکی. Ecol. اندیک. 2016 ، 60 ، 879-883. [ Google Scholar ] [ CrossRef ]
  21. گائو، جی. تیان، ام. تجزیه و تحلیل مصرف بیش از حد منابع طبیعی و کسری تجاری اکولوژیکی در چین بر اساس ردپای اکولوژیکی. Ecol. اندیک. 2016 ، 61 ، 899-904. [ Google Scholar ] [ CrossRef ]
  22. هاپتون، من؛ White, D. ردپای زیست محیطی ساده شده در مقیاس منطقه ای. جی. محیط زیست. مدیریت 2012 ، 111 ، 279-286. [ Google Scholar ] [ CrossRef ]
  23. واکرناگل، ام. موران، دی. گلدفینگر، اس. مونفردا، سی. ولش، آ. موری، ام. برنز، اس. کونیگل، سی. پک، جی. کینگ، پی. و همکاران اروپا 2005: ردپای زیست محیطی ; لیونز، جی.، اد. دفتر سیاست اروپایی WWF: کمبریج، انگلستان، 2005. [ Google Scholar ]
  24. گالی، A. در مورد منطق و سودمندی سیاست حسابداری ردپای اکولوژیکی: مورد مراکش. محیط زیست علمی سیاست 2015 ، 48 ، 210-224. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. لین، دی. هانسکام، ال. مارتیندیل، جی. بوروکه، ام. کوهن، ال. گالی، ع. لازاروس، ای. ذوکایی، جی. ایها، ک. Wackernagel، M. کتاب راهنمای کاری برای حساب‌های ردپای ملی . شبکه جهانی ردپای: اوکلند، کالیفرنیا، ایالات متحده آمریکا، 2018. [ Google Scholar ]
  26. ژائو، جی. مک.؛ ژائو، ایکس. وانگ، X. تحلیل دینامیکی فضایی-زمانی توسعه پایدار در چین بر اساس خانواده ردپایی. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2018 ، 15 ، 246. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  27. یین، ی. هان، ایکس. Wu, S. تغییرات مکانی و زمانی در ردپای اکولوژیکی در شمال غربی چین از سال 2005 تا 2014. پایداری 2017 ، 9 ، 597. [ Google Scholar ] [ CrossRef ][ Green Version ]
  28. وانگ، ی. جیانگ، ی. ژنگ، ی. وانگ، اچ. ارزیابی ظرفیت حمل اکولوژیکی بر اساس مدل بازبینی شده ردپای اکولوژیکی سه بعدی در مغولستان داخلی، چین. پایداری 2019 ، 11 ، 2002. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  29. لو، ی. لی، ایکس. نی، اچ. چن، ایکس. شیا، سی. جیانگ، دی. فن، H. تکامل زمانی-مکانی ردپای اکولوژیکی شهری بر اساس بهره‌وری خالص اولیه: مطالعه موردی منطقه مرکزی Xuzhou، چین. پایداری 2019 ، 11 ، 199. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  30. وو، دی. لیو، جی. ارزیابی مکانی و زمانی شدت ردپای اکولوژیکی استان جیانگ سو در مقیاس سطح شهرستان. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2020 ، 17 ، 7833. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  31. واکرناگل، ام. کرانستون، جی. مورالس، جی سی. گالی، الف. حساب‌های ردپای اکولوژیکی: انتقادات و کاربردها. در کتابچه راهنمای توسعه پایدار ، ویرایش دوم. Atkinson, G., Dietz, S., Neumayer, E., Agarwala, M., Eds. انتشارات ادوارد الگار: چلتنهام، انگلستان، 2014; صص 371-396. [ Google Scholar ] [ CrossRef ]
  32. ارب، ک. تقاضای زمین واقعی اتریش 1926-2000: تغییراتی در ارزیابی ردپای اکولوژیکی. سیاست کاربری زمین 2004 ، 21 ، 247-259. [ Google Scholar ] [ CrossRef ]
  33. Bicknell، KB; توپ، RJ; کالن، آر. Bigsby، HR روش جدید برای ردپای اکولوژیکی با کاربرد در اقتصاد نیوزلند. Ecol. اقتصاد 1998 ، 27 ، 149-160. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. چنگ کانگ، جی. داه، ج. دن، دبلیو. جاناتان، ی. محاسبه ردپای اکولوژیکی بر اساس روش اصلاح شده و تجزیه و تحلیل کمی عوامل تاثیر آن – مطالعه موردی شانگهای. چانه. Geogr. علمی 2006 ، 16 ، 306-313. [ Google Scholar ] [ CrossRef ]
  35. هابرل، اچ. ارب، ک. Krausmann, F. نحوه محاسبه و تفسیر ردپای اکولوژیکی برای دوره های زمانی طولانی: مورد اتریش 1926-1995. Ecol. اقتصاد 2001 ، 38 ، 25-45. [ Google Scholar ] [ CrossRef ]
  36. هوباچک، ک. Giljum, S. بکارگیری تحلیل فیزیکی ورودی- خروجی برای تخمین تخصیص زمین (ردپای اکولوژیکی) فعالیت های تجارت بین المللی. Ecol. اقتصاد 2003 ، 44 ، 137-151. [ Google Scholar ] [ CrossRef ]
  37. Van Vuuren، DP; بومن، LF بررسی تغییرات گذشته و آینده در ردپای اکولوژیکی برای مناطق جهان. Ecol. اقتصاد 2005 ، 52 ، 43-62. [ Google Scholar ] [ CrossRef ]
  38. لین، ام. داوز، ال. گریس، P. ملاحظات اسکالر در ارزیابی ظرفیت حمل: یک مثال استرالیایی. مردمی محیط زیست 2014 ، 36 ، 356-371. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. لین، ام. داوز، ال. گریس، P. پارامترهای اساسی یک مدل ارزیابی ظرفیت حمل مبتنی بر منابع: مطالعه موردی استرالیا. Ecol. مدل 2014 ، 272 ، 220-231. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  40. IUCN; UNEP; WWF. مراقبت از زمین: استراتژی برای زندگی پایدار . Munro، DA، Holdgate، MW، Eds. Earthscan: Gland، Switzerland، 1991. [ Google Scholar ]
  41. مک داول، RW; اسنلدر، تی. هریس، اس. لیلبرن، ال. Larned، ST; اسکارزبروک، ام. کرتیس، ای. هولگیت، بی. فیلیپس، جی. تیلور، ک. مفهوم تناسب کاربری زمین: معرفی و کاربرد این مفهوم برای اطلاع از بهره وری پایدار در محدودیت های محیطی. Ecol. اندیک. 2018 ، 91 ، 212-219. [ Google Scholar ] [ CrossRef ]
  42. روش‌های هاپکینز، LD برای تولید نقشه‌های تناسب زمین: ارزیابی مقایسه‌ای. مربا. Inst. طرح. 1977 ، 43 ، 386-400. [ Google Scholar ] [ CrossRef ]
  43. کالینز، ای. گالی، ع. پاتریزی، ن. ماریا، اف. یادگیری و آموزش پایداری: سهم ماشین حساب های ردپای زیست محیطی. جی. پاک. تولید 2018 ، 174 ، 1000-1010. [ Google Scholar ] [ CrossRef ]
  44. مظاهره، س. بصول، م. رویکرد Hamoor، DA GIS برای ارزیابی تناسب زمین برای جایگزین‌های مختلف کاربری زمین در محیط نیمه خشک در اردن: مطالعه موردی (Al Gadeer Alabyad-Mafraq). Inf. روند. کشاورزی 2019 ، 6 ، 91-108. [ Google Scholar ] [ CrossRef ]
  45. فیضی زاده، ب. Blaschke، T. تجزیه و تحلیل تناسب زمین برای شهرستان تبریز، ایران: یک رویکرد ارزیابی چند معیاره با استفاده از GIS. جی. محیط زیست. طرح. مدیریت 2013 ، 56 ، 1-23. [ Google Scholar ] [ CrossRef ]
  46. مولکین، سی جی; گیبسون-برابازون، اس. کارلین، سی. ویلیامز، سی دی; هیلی، ام جی; مکی، پی. به طور معمول، ارزیابی مناسب بودن زیستگاه MJ تالاب های ساخته شده برای نیوت صاف ( Lissotriton vulgaris [Linnaeus، 1758]): مقایسه ای با تالاب های طبیعی. Ecol. مهندس 2017 ، 106 ، 532-540. [ Google Scholar ] [ CrossRef ]
  47. بردلی، کارشناسی; اولسون، AD; وانگ، او. دیکسون، بی جی; پلک، ال. Sesnie، SE; Zachmann، LJ تشخیص گونه در مقابل تناسب زیستگاه: آیا ما مدل‌های مناسب زیستگاه را با داده‌های سنجش از دور سوگیری می‌کنیم؟ Ecol. مدل 2012 ، 244 ، 57-64. [ Google Scholar ] [ CrossRef ]
  48. Girvetz، EH; تورن، جی اچ. بری، AM; Jaeger، JAG ادغام تجزیه و تحلیل تکه تکه شدن چشم انداز در برنامه ریزی منطقه ای: مطالعه موردی چند مقیاسی در سراسر ایالت از کالیفرنیا، ایالات متحده. Landsc. طرح شهری. 2008 ، 86 ، 205-218. [ Google Scholar ] [ CrossRef ]
  49. برونتا، جی. موناکو، آر. سالیزونی، ای. سالوارانی، اف. یکپارچه سازی چشم انداز در توسعه منطقه ای: رویکردی چند رشته ای برای ارزیابی در سیاست های برنامه ریزی ترنتینو، ایتالیا. سیاست کاربری زمین 2018 ، 77 ، 613-626. [ Google Scholar ] [ CrossRef ]
  50. روجاس، سی. پینو، جی. Jaque, E. ارزیابی استراتژیک محیطی در آمریکای لاتین: یک پیشنهاد روش شناختی برای برنامه ریزی شهری در منطقه شهری Concepción (شیلی). سیاست کاربری زمین 2013 ، 30 ، 519-527. [ Google Scholar ] [ CrossRef ]
  51. رگا، سی. سینگر، جی پی. Geneletti، D. بررسی اثربخشی اساسی ارزیابی محیطی استراتژیک برنامه ریزی شهری: شواهدی از ایتالیا و اسپانیا. محیط زیست ارزیابی تاثیر Rev. 2018 , 73 , 60-69. [ Google Scholar ] [ CrossRef ]
  52. Vapnik، V. برآورد وابستگی ها بر اساس داده های تجربی ، ویرایش دوم. جردن، ام.، کلینبرگ، ج.، شولکوپف، بی.، ویرایش. Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 2006. [ Google Scholar ] [ CrossRef ]
  53. سرمدیان، ف. کشاورزی، ع. روین، ا. زاهدی، گ. Javadikia, H. ماشین‌های بردار پشتیبانی مبتنی بر مدل‌سازی تحلیل تناسب زمین برای کشاورزی دیم. جی. ژئوشی. Geomat. 2014 ، 2 ، 165-171. [ Google Scholar ] [ CrossRef ]
  54. سنگی، ک. جوآندو، ن. کامونی، ص. استفاده از طبقه‌بندی‌کننده تصادفی جنگلی موازی در پیش‌بینی تناسب زمین برای تولید محصول. جی. آگریک. به اطلاع رساندن. 2017 ، 8 ، 23-32. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  55. هرناندز، تحلیل تناسب زمین MFC برای ارزیابی پتانسیل زمین های خالی برای فعالیت های کشاورزی شهری. پایان نامه کارشناسی ارشد، دانشگاه نوا د لیسبون، لیسبون، 2020. [ Google Scholar ]
  56. تقی زاده مهرجردی، ر. نبی اللهی، ک. رسولی، ل. کری، آر. Scholten، T. ارزیابی تناسب زمین و پایداری تولید کشاورزی با استفاده از مدل‌های یادگیری ماشین. Agronomy 2020 , 10 , 573. [ Google Scholar ] [ CrossRef ]
  57. Badan Pusat Statistik اندونزی. آمار اندونزی 2019 ; Subdirektorat Publicasi and Kompilasi Statistik, Ed.; Badan Pusat Statistik: جاکارتا، اندونزی، 2019. [ Google Scholar ]
  58. Badan Pusat Statistik اندونزی. Statistik Indonesia 2018 ; Subdirektorat Publicasi and Kompilasi, Ed. Badan Pusat Statistik: جاکارتا، اندونزی، 2018. [ Google Scholar ]
  59. مدیر Jenderal Ketenagalistrikan Kementerian Energi dan Sumber Daya Mineral Republik اندونزی. Statistik Ketenagalistrikan 2016 ; Kementerian Energi dan Sumber Daya Mineral Republik اندونزی: جاکارتا، اندونزی، 2017. [ Google Scholar ]
  60. آودان، یو. Jovanovska, G. الگوریتم برای نقشه برداری خودکار دمای سطح زمین با استفاده از داده های ماهواره LANDSAT 8. J. Sens. 2016 ، 2016 ، 8. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  61. ریس، ما؛ Wackernagel، M. ردپای اکولوژیکی شهری: چرا شهرها نمی توانند پایدار باشند – و چرا آنها کلیدی برای پایداری هستند. محیط زیست ارزیابی تاثیر Rev. 1996 , 9255 , 223-248. [ Google Scholar ] [ CrossRef ]
  62. گالی، ع. ایها، ک. مورنو، اس. سرنا، م. آلوز، آ. ذوکایی، جی. لین، دی. مورتی، ا. واکرناگل، ام. ارزیابی ردپای اکولوژیکی و ظرفیت زیستی شهرهای پرتغال: نتایج مهم برای آگاهی زیست محیطی و مدیریت محلی. Cities 2020 , 96 , 102442. [ Google Scholar ] [ CrossRef ]
  63. مک دونالد، GW; اسمیت، نیوجرسی؛ کیم، جی. کرونین، اس جی. Proctor، JN “هزینه” مکانی و زمانی فوران های آتشفشانی: ارزیابی تأثیر اقتصادی، عدم عملکرد تجاری و توزیع فضایی خطر در منطقه اوکلند، نیوزیلند. گاو نر آتشفشان 2017 ، 79 ، 48. [ Google Scholar ] [ CrossRef ]
  64. ابتکار ردپای زیست محیطی دانشگاه یورک؛ شبکه جهانی ردپای حساب‌های ردپای ملی و ظرفیت زیستی، نسخه 2021. تولید شده برای Footprint Data Foundation و توزیع شده توسط Global Footprint Network. در دسترس آنلاین: https://data.footprintnetwork.org (در 30 دسامبر 2020 قابل دسترسی است).
  65. ناندا، MA; مادو، A. مطالعه مقایسه ای توابع هسته در ماشین بردار پشتیبان و کاربرد آن برای تشخیص موریانه. MDPI Inf. 2018 ، 9 ، 5. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  66. راچکو، ای. Zagajewski، B. مقایسه ماشین بردار پشتیبان، جنگل تصادفی و طبقه‌بندی شبکه عصبی برای طبقه‌بندی گونه‌های درختی در تصاویر APEX ابرطیفی هوابرد. یورو J. Remote Sens. 2017 ، 50 ، 144-154. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  67. ساماردیچ-پتروویچ، م. کواچویچ، م. باجات، بی. Dragićević، S. تکنیک های یادگیری ماشین برای مدل سازی تغییرات کوتاه مدت کاربری زمین. ISPRS Int. J. Geo Inf. 2017 ، 6 ، 387. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  68. واسو، دی. سریواستاوا، آر. پاتیل، NG; تیواری، پ. چاندران، پی. سینگ، SK ارزیابی مقایسه ای روش های ارزیابی تناسب زمین برای برنامه ریزی کاربری اراضی کشاورزی در سطح روستا. سیاست کاربری زمین 2018 ، 79 ، 146-163. [ Google Scholar ] [ CrossRef ]
  69. وانگ، اف. وانگ، ک. ارزیابی تأثیر شیوه‌های اکو شهر بر پایداری شهری با استفاده از مدل ردپای اکولوژیکی توسعه‌یافته: مطالعه موردی در شیان، چین. پایداری 2017 ، 9 ، 1591. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  70. واکرناگل، ام. Beyers, B. Ecological Footprint: Managing Our Biocacipity Budget , 1st ed.; ناشران جامعه جدید: جزیره گابریولا، QC، کانادا، 2019. [ Google Scholar ]
  71. بادان کتاهانان پانگان کمنتریان پرتانیان جمهوری اندونزی. Statistik Ketahanan Pangan 2016 ; Kementerian Pertanian Republik اندونزی: جاکارتا، اندونزی، 2017. [ Google Scholar ]
  72. بادان کتاهانان پانگان کمنتریان پرتانیان جمهوری اندونزی. Statistik Ketahanan Pangan 2019 ; جمهوری اندونزی Pertanian Kementerian: جاکارتا، اندونزی، 2020. [ Google Scholar ]
  73. نگوین، اچ. زاتار، دبلیو. Mutsuyoshi, H. خواص مکانیکی کامپوزیت پلیمری هیبریدی. در مواد ترکیبی پلیمری ; Thakur, VK, Thakur, MK, Gupta, RK, Eds. Elsevier Ltd.: Kiddlington, UK, 2017; صص 83-113. [ Google Scholar ] [ CrossRef ]
  74. عاصم، م. جواید، م. صبا، ن. Ramengmawii; نصیر، م. سلطان، MTH پردازش کامپوزیت های پلیمری هیبریدی – یک بررسی. در مواد ترکیبی پلیمری ; Thakur, VK, Thakur, MK, Gupta, RK, Eds. Elsevier Ltd.: Kiddlington, UK, 2017; صص 1-22. [ Google Scholar ] [ CrossRef ]
  75. جمهوری اندونزی پری صنعت کمنتری. اندونزی کورانگ بهان باکو تکستیل. در دسترس آنلاین: https://kemenperin.go.id/artikel/3983/Indonesia-Kurang-Bahan-Baku-Tekstil (دسترسی در 30 دسامبر 2020).
  76. Zikria, R. Outlook Kapas: Komoditas Pertanian Subsektor Perkebunan ; نوریاتی، ل.، نوویاتی، ص.، ویرایش. Pusat Data dan Sistem Informasi Pertanian, Kementerian Pertanian: Jakarta, Indonesia, 2015. [ Google Scholar ]
  77. منتری پرموکیمان و پراسارانا ولایت جمهوری اندونزی. Keputusan Menteri Permukiman Dan Prasarana Wilayah Nomor 403/KPTS/M/2002 Tentang Pedoman Teknis Pembagunan Rumah Sederhana Sehat (RsSEHAT) ; Kementerian Pekerjaan Umum dan Perumahan Rakyat Republik اندونزی: جاکارتا، اندونزی، 2002; پ. 298. [ Google Scholar ]
  78. بادان استانداردسازی ناسیونال. SNI 03-1733-2004 Tentang Tata Cara Perencanaan Lingkungan Perumahan Di Perkotaan ; Badan Standarisasi Nasional Republik اندونزی: جاکارتا، اندونزی، 2004; پ. 58. [ Google Scholar ]
  79. Badan Pusat Statistik اندونزی. Statistik Indonesia 2017 ; Subdirektorat Publicasi and Kompilasi Statistik, Ed.; Badan Pusat Statistik: جاکارتا، اندونزی، 2017. [ Google Scholar ]
  80. آلتمن، مدیرکل آمار در مجلات پزشکی: توسعه در دهه 1980. آمار پزشکی 1991 ، 10 ، 1897-1913. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  81. BSN; Badan Informasi Geospasial. SNI ISO/TS 19157:2015 Informasi Geografis—Kualitas Data ; دبیرخانه BSN: جاکارتا، اندونزی، 2015; پ. 170. [ Google Scholar ]
  82. Kementerian Pekerjaan Umum Republik اندونزی. ردپای اکولوژیکی اندونزی 2010 ; Kementerian Pekerjaan Umum Republik اندونزی: جاکارتا، اندونزی، 2010. [ Google Scholar ]
  83. ناتانیل، SP ردپای اکولوژیکی، استفاده از انرژی، تجارت و پیوند شهرنشینی در اندونزی. GeoJournal 2020 ، 7 ، 175. [ Google Scholar ] [ CrossRef ]
  84. سیلیتونگا، RBR؛ اسحاق، ز. مخلیس. پنگاروه اکسپور، ایمپور، دان اینفلاسی ترهاداپ نیلای توکار روپیه دی اندونزی. جی. اکن. پمبانگ. 2017 ، 15 ، 53-59. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  85. Badan Pusat Statistik اندونزی. آمار اندونزی 2020 ; Subdirektorat Publicasi and Kompilasi Statistik, Ed.; Badan Pusat Statistik: جاکارتا، اندونزی، 2020. [ Google Scholar ]
Ijgi 10 00259 g001 550
شکل 1. توزیع جمعیت جزیره جاوا در سال 2016.
Ijgi 10 00259 g002 550
شکل 2. پارامترهای توپوگرافی: ارتفاع ( a ) و شیب ( b ).
Ijgi 10 00259 g003 550
شکل 3. پارامترهای آب و هوا: بارندگی/بارندگی ( a ) و دما ( b ).
Ijgi 10 00259 g004 550
شکل 4. خصوصیات خاک: کربن آلی خاک (SOC) ( a )، pH خاک ( b )، نوع خاک ( c )، و اکو منطقه ( d ).
Ijgi 10 00259 g005 550
شکل 5. تامین آب.
Ijgi 10 00259 g006 550
شکل 6. گردش کار برای محاسبه تخصیص فضایی بر اساس نیازهای فیزیولوژیکی و تناسب زمین با استفاده از ترکیب ردپای اکولوژیکی و ماشین بردار پشتیبان (SVM). LULC، کاربری زمین/پوشش زمین.
Ijgi 10 00259 g007 550
شکل 7. مقایسه مدل تناسب زمین با شرایط موجود (سال 1395).
Ijgi 10 00259 g008 550
شکل 8. ماتریس سردرگمی استفاده از زمین/پوشش زمین (LULC) و مدل تناسب زمین: ( الف ) مدل تناسب زمین (هکتار) و ( ب ) مدل تناسب زمین (%).
Ijgi 10 00259 g009 550
شکل 9. نمودار دقت، دقت، و مقادیر یادآوری بر اساس میانگین هفت نوع کاربری/پوشش زمین.
Ijgi 10 00259 g010 550
شکل 10. منحنی ویژگی های عملکرد گیرنده (ROC) و سطح زیر منحنی (AUC) عملکرد کلی مدل تناسب زمین.
Ijgi 10 00259 g011 550
شکل 11. مساحت کل کاندیدای تغییرپذیر یا احتمالی کسری کاربری/پوشش زمین (LULC).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید