نقشه برداری پتانسیل برای تولید سوخت زیستی در زمین های حاشیه ای: تفاوت در تعاریف، داده ها و مدل ها در مقیاس ها

چکیده

همانطور که سیاست های انرژی افزایش تولید انرژی زیستی را الزامی می کند، تحقیقات جدید از رشد مواد اولیه انرژی زیستی در زمین های حاشیه ای حمایت می کند. متعاقباً در کارهای منتشر شده که از سیستم‌های اطلاعات جغرافیایی (GIS) برای ترسیم در دسترس بودن زمین‌های حاشیه‌ای به‌عنوان نماینده‌ای برای پتانسیل زراعی انرژی زیستی استفاده می‌کنند، افزایش یافته است. با این حال، علیرغم شباهت در هدف بیان شده در بین این آثار، تعدادی ناسازگاری در بین مطالعات باقی مانده است که مقایسه و استانداردسازی را دشوار می کند. ما مجموعه‌ای از ادبیات اخیر را بررسی کردیم که پتانسیل انرژی زیستی را در زمین‌های حاشیه‌ای در مقیاس‌های مختلف ترسیم کرده بود، و دریافتیم که هیچ تعریف کاری مشترکی از زمین‌های حاشیه‌ای در همه این آثار وجود ندارد. به طور خاص، ما تفاوت های قابل توجهی را در نتایج نقشه برداری یافته یافتیم که ناشی از تفاوت در تعاریف، چارچوب مدل، ورودی داده، مقیاس و درمان عدم قطعیت. اکثر مقالاتی که در اینجا مرور می‌شوند از پوشش‌های نسبتاً ساده GIS معیارهای ورودی، آستانه‌های متمایز شناسایی زمین حاشیه‌ای و جزئیات کمی که دقت و عدم قطعیت را توصیف می‌کنند، استفاده می‌کنند. این تفاوت ها احتمالاً موانع عمده ای برای ادغام مطالعات نقشه برداری از زمین های حاشیه ای برای تولید انرژی زیستی هستند. ما پیشنهاد می‌کنیم که در آینده نیاز به مدل‌سازی فضایی انرژی زیستی وجود دارد، اما مطالعات بیشتری برای مقایسه بین کشورها و مقیاس‌ها برای درک پتانسیل جهانی برای محصولات بیوانرژی مورد نیاز است. این تفاوت ها احتمالاً موانع عمده ای برای ادغام مطالعات نقشه برداری از زمین های حاشیه ای برای تولید انرژی زیستی هستند. ما پیشنهاد می‌کنیم که در آینده نیاز به مدل‌سازی فضایی انرژی زیستی وجود دارد، اما مطالعات بیشتری برای مقایسه بین کشورها و مقیاس‌ها برای درک پتانسیل جهانی برای محصولات بیوانرژی مورد نیاز است. این تفاوت ها احتمالاً موانع عمده ای برای ادغام مطالعات نقشه برداری از زمین های حاشیه ای برای تولید انرژی زیستی هستند. ما پیشنهاد می‌کنیم که در آینده نیاز به مدل‌سازی فضایی انرژی زیستی وجود دارد، اما مطالعات بیشتری برای مقایسه بین کشورها و مقیاس‌ها برای درک پتانسیل جهانی برای محصولات بیوانرژی مورد نیاز است.

کلید واژه ها:

زمین حاشیه ای ; زمین تخریب شده/ متروکه ; GIS ; انرژی زیستی ; سوخت های زیستی ; تحلیل فضایی

1. مقدمه

با افزایش تقاضای انرژی در سطح جهان، فشار فزاینده ای برای منابع انرژی تجدیدپذیر برای کمک به برآوردن نیازها و به طور همزمان کاهش تغییرات آب و هوایی وجود دارد. در حالی که هیچ نوع واحدی از انرژی های تجدیدپذیر تمام نیازهای ما را برآورده نمی کند، انرژی زیستی نوید تبدیل شدن به بخش رو به رشد بازار انرژی را می دهد [ 1 ، 2 ، 3 ]. سیاست‌های انرژی در سرتاسر جهان به تدریج افزایش تولید انرژی زیستی را الزامی می‌کنند و بیشتر آنها نسل دوم سوخت‌های زیستی غیرغذایی را هدف قرار می‌دهند که وعده می‌دهند در صورت طراحی و طراحی، نسبت به سوخت‌های زیستی مبتنی بر محصولات زراعی نسل اول (مانند ذرت و سویا) از نظر زیست‌محیطی پایدارتر باشند. مدیریت مناسب [ 4 ، 5 ، 6 ، 7]. در سال 2007، کنگره ایالات متحده قانون استقلال و امنیت انرژی (EISA) را تصویب کرد، که استاندارد سوخت تجدیدپذیر تهاجمی تر (RFS2) را ایجاد می کند که حداقل 16 میلیارد گالن اتانول سلولزی را تا سال 2022 الزامی می کند [ 8 ]. بریتانیا همچنین مشوق های دولتی مانند طرح انرژی زراعی 2008 (ECS) را برای تشویق ایجاد محصولات بیوانرژی تصویب کرده است. علاوه بر این، در سال 2007، سیاست های چین تغییر به سمت سوخت های زیستی غیرغذایی را اعلام کرد که انتظار می رود تا سال 2020 از 12 میلیون تن فراتر رود [ 9 ]. با این حال، از آنجایی که این سیاست‌های جاه‌طلبانه که تولید سوخت زیستی را الزامی می‌کنند، اغلب جلوتر از ارائه اطلاعات قابل اعتماد و پاسخگو در مورد وسعت زمین‌های موجود برای چنین هدفی هستند [ 10 ]]. به عنوان مثال، تنها در ایالات متحده، چیزی بین 16 میلیون تا 21 میلیون هکتار (Mha) زمین غیر زراعی برای رسیدن به هدف EISA برای اتانول سلولزی تا سال 2022 مورد نیاز است [ 11 ، 12 ، 13 ]. نگرانی‌های بیشتری وجود دارد که در صورت تبدیل زمین‌های زراعی به سوخت در حال رشد، تولید انرژی زیستی ممکن است به قیمت محصولات غذایی تمام شود، یا در صورت استفاده از مناطق حفاظت‌شده برای کاشت انرژی زیستی، به هزینه زیستگاه حیات وحش یا امکانات فرهنگی آسیب برساند [ 6 ]. این معضل استفاده از انرژی زیستی دانشمندان را به چالش می کشد تا تعیین کنند دقیقاً کجا مواد اولیه بیوانرژی را برای برآورده کردن الزامات کاشت کنند، بلکه همچنین برای اطمینان از تولید مواد غذایی پایدار و حفاظت از محیط زیست [ 14 ، 15 ]، 16 ].

بسیاری استفاده از زمین‌های حاشیه‌ای را به‌عنوان راه‌حل پایدار ممکن برای معضل استفاده از زمین در انرژی زیستی پیشنهاد کرده‌اند، زیرا یکی از ویژگی‌های پایدار اولیه سوخت‌های زیستی نسل دوم، توانایی مستند آنها برای رشد در زمین‌های کشاورزی غیراصولی است [ 7 ، 17 ]. بسیاری از بحث های بزرگتر در حمایت از انرژی زیستی به عنوان یک منبع انرژی قابل دوام، به فراوانی جهانی “زمین های حاشیه ای” به عنوان یک راه حل عملی برای رشد انرژی زیستی اشاره می کند و در عین حال از رقابت با زمین های کشاورزی مولد و زیستگاه های حساس اجتناب می کند و به حداکثر رساندن خالص می شود. مزایای کربن [ 17 ]. در حالی که شک وجود دارد که تولید انرژی زیستی در مقیاس بزرگ در زمین های حاشیه ای امکان پذیر است [ 18 ]]، در واقع، «زمین‌های حاشیه‌ای» معمولاً برای راه‌حل‌های پیچیده‌تر برای معضل کاربری زمین پیرامون گفتگوهای انرژی زیستی مورد استفاده قرار گرفته‌اند.

این خوش بینی در سطح جهانی گسترده است، زیرا چندین کشور از جمله ایالات متحده، کانادا، بریتانیا، استرالیا، هند، اندونزی و چین سیاست هایی را اتخاذ کرده اند که توسعه محصولات سوخت زیستی غیرغذایی را در زمین های تخریب شده یا حاشیه ای الزامی می کند [ 19 ]. سیاست‌های چین به‌ویژه تاکید دارند که تولید انرژی زیستی با امنیت غذایی تداخل نداشته باشد. همراه با تعیین حداقل محدودیت ها برای زمین های قابل کشت، سیاست های اخیر چین مالیات استفاده از زمین های قابل کشت برای اهداف دیگر را پنج برابر کرد و در سال 2007 تغییری را برای حذف استفاده از غلات در تولید انرژی زیستی الزامی کرد [ 9 ].

کمی سازی زمین در دسترس برای محصولات بیوانرژی در ابتدا با تخمین های گسترده آغاز شد که در آن مطالعات از داده های گزارش شده از موجودی های پوشش زمین موجود استفاده کردند، در حالی که فرضیات جدیدی را اضافه کردند یا محدودیت هایی را در زمینه انرژی زیستی اعمال کردند [ 20 ]. برای مثال، هال و همکاران. [ 21 ] فرض کرد که 10٪ از محصول جهانی گزارش شده، جنگل و منطقه جنگلی ممکن است برای تولید انرژی زیستی در دسترس باشد. مطالعات دیگر برآوردهای خود را بر اساس مجموعه ای از ادبیات موجود استوار کردند. هوگویک و همکاران [ 22 ] برآوردهای گزارش شده در ادبیات منتشر شده توسط هال و همکاران را ترکیب کرد. [ 21 ] و Houghton و همکاران. [ 23] برای برآورد کلی 430 تا 580 مگا هکتار از زمین های تخریب شده در دسترس برای تولید زیست توده در سطح جهان. اخیراً، در چین دو مطالعه تخمینی از زمین های موجود برای سوخت های زیستی بر اساس ادبیات موجود و گزارش های دولتی ارائه کردند [ 9 ، 24 ]. با این حال، آنچه این مطالعات فاقد آن هستند، اطلاعات صریح فضایی در مورد مکان دقیق یافتن این زمین ها است.

برای تجسم الگوهای فضایی بالقوه تولید انرژی زیستی در زمین‌های حاشیه‌ای، کار منتشر شده افزایش یافته است که از مدل‌های کمی و فضایی صریح در سیستم‌های اطلاعات جغرافیایی (GIS) برای نقشه‌برداری در دسترس بودن زمین‌های حاشیه‌ای برای محصولات بیوانرژی استفاده می‌کند. با این حال، علیرغم شباهت در اهداف اعلام شده در بین این کارها – نقشه برداری از زمین های حاشیه ای برای تولید انرژی زیستی – تعدادی ناسازگاری در بین مطالعات وجود دارد که مقایسه و استانداردسازی را دشوار می کند و تا به امروز هیچ یک از روش های فعلی به طور گسترده پذیرفته نشده است [ 25 ].

در این مقاله، چالش عملی نقشه‌برداری پتانسیل انرژی زیستی در مقیاس‌ها را با مرور ادبیات اخیر که از فناوری فضایی برای نقشه‌برداری صریح از زمین‌های حاشیه‌ای، متروک یا تخریب‌شده به‌طور خاص به منظور کاشت محصولات انرژی زیستی استفاده می‌کند، روشن می‌کنیم. ما مقالاتی را بررسی کردیم که از تکنیک‌های مکانی برای پیوند مکانی مکان‌یابی تولید انرژی زیستی در زمین‌های حاشیه‌ای استفاده می‌کنند. ما از پایگاه داده Google Scholar و ردیابی استناد برای شناسایی مقالات مربوط به انرژی زیستی و زمین‌های حاشیه‌ای که طی یک دوره 20 ساله از سال 1993 تا 2013 منتشر شده‌اند، استفاده کردیم. کلمات جستجوی ما عبارتند از: انرژی زیستی، سوخت زیستی، زیست توده، بیودیزل، زمین حاشیه‌ای، زمین متروکه، زمین تخریب‌شده زمین، GIS، فضایی و مقیاس. اگر تمام معیارهای زیر را نداشتند، مقالات حذف شدند: (1) مواد اولیه انرژی زیستی نسل دوم هدف. (2) تمرکز بر زمین هایی که ممکن است به عنوان حاشیه ای طبقه بندی شوند. و (3) استفاده از تکنیک های فضایی صریح (GIS). مقالاتی که از نتایج نقشه‌برداری شده سایر مطالعات استفاده می‌کردند از فهرست حذف شدند (به عنوان مثال، ژوانگو همکاران [ 26 ] از کار منتشر شده توسط Cai و همکاران استفاده کنید. [ 27 ] در تحلیل خود از زمین های حاشیه ای برای تولید جلبک). معیارهای جستجوی ما، بررسی ما را به 21 مقاله از سال 2008 تا 2013 محدود کرد. از مطالعات مورد بررسی در اینجا، پنج مطالعه در مقیاس جهانی، هفت مورد ملی، هشت مقاله منطقه‌ای و یک مقاله در مقیاس محلی (شهر) انجام شد ( جدول ) 1). محصولات بیوانرژی خاص مورد هدف مطالعات نیز متفاوت بود. برخی به طور کلی انرژی زیستی را مورد توجه قرار دادند، برخی دیگر بر روی محصولات تکی تمرکز کردند و برخی دیگر بر روی مجموعه ای از محصولات خاص منطقه متمرکز شدند. برای برجسته کردن تنوع روش‌ها حتی برای یک منطقه جغرافیایی، ما چین را به‌عنوان یک مطالعه موردی مقایسه‌ای مورد بررسی قرار دادیم تا حدی به دلیل تعداد نسبتاً زیادی مطالعات در این منطقه با معیارهای ذکر شده در بالا. از طریق این لنز، چارچوبی را برای ارزیابی کار دیگر بر اساس چندین عامل ایجاد کردیم: ابتدا تعاریف مختلف زمین حاشیه ای ارائه شده را بررسی کردیم، سپس بررسی کردیم که چگونه هر تعریف کاری در مدل های فضایی از طریق انتخاب مدل، انتخاب داده، مقیاس، و درمان پیاده سازی می شود. از عدم قطعیت هدف ما ارائه چارچوبی برای کمک به محققان در ارزیابی بورس تحصیلی زمین حاشیه ای موجود بود.

جدول 1. خلاصه مقالات بررسی شده.

2. تعریف زمین حاشیه ای

اصطلاح “زمین حاشیه ای” در حال حاضر چنان با بحث های پیرامون انرژی زیستی در هم آمیخته است که ممکن است تعریف آن مشخص و قطعی فرض شود. با این حال، تعریف زمین حاشیه ای در طول زمان، مکان و نظم و انضباط برای دستیابی به اهداف مدیریتی متعدد متفاوت بوده است [ 25 ، 46 ]. مفهوم زمین حاشیه ای در قرن نوزدهم زمانی که دیوید ریکاردو تغییرات در مطلوبیت زمین را بر اساس نزدیکی آن به منابع ضروری، مانند عرضه آب یا بازارهای مواد غذایی شناسایی کرد، در ادبیات ظاهر شد [ 47 ].]. تئوری اجاره زمین ریکاردو این دیدگاه منطقی را مطرح کرد که واحدهای زمینی خاص اگر در مجاورت منابع ضروری قرار گیرند ارزش نسبتاً بالاتری دارند. به دنبال ریکاردو، اقتصاددان ریکاردو یوهان هاینریش فون تونن نظریه ارزش مکان را توضیح داد و در اوایل دهه 1900 یک مفهوم اقتصادی از زمین حاشیه ای پدیدار شد [ 48 ]. پترسون و گالبریت [ 49] زمین حاشیه ای را در یک چارچوب نظری مورد بحث قرار داد، که در آن تصمیمات منطقی استفاده از زمین ناشی از تغییرات در “حاشیه گسترده” است، جایی که درآمد برابر با هزینه های تولید است. آنها همچنین بر اهمیت عوامل اجتماعی-اقتصادی، از جمله هزینه زندگی، اندازه زمین، دسترسی به اعتبار، و سیاست های مالکیت زمین تأکید کردند. این مفهوم حاشیه گسترده از زمان [ 50 ، 51 ، 52 ، 53 ] به خوبی مورد مطالعه قرار گرفته است و هنوز هم توسط USDA به عنوان نقشی در تغییر کاربری زمین امروزه به رسمیت شناخته شده است [ 54 ].

اخیراً تعریف زمین حاشیه ای یک ویژگی فضایی صریح به خود گرفت. با شروع از اواخر دهه 60، محققان از اشکال غیر GIS پوشش فضایی برای ترسیم قابلیت زمین استفاده کردند [ 55 ]. در دهه 1980 چندین مطالعه شروع به نقشه‌برداری از زمین‌های حاشیه‌ای به‌منظور فهرست‌بندی زمین‌های کشاورزی کم‌مولد، اغلب با هدف خارج کردن زمین‌های آسیب‌پذیر و پرخطر از تولید شد [ 56 ]. این مطالعات عمدتاً مبتنی بر مکان یابی خاک هایی با محدودیت های فیزیکی و محدودیت های تولید بود. در سال 1988، یک مطالعه منطقه‌ای در مینه‌سوتا برای یافتن «زمین کشاورزی حاشیه‌ای» برای هدف‌گذاری برای برنامه کنار گذاشتن زمین‌های زراعی بر اساس خاک‌های فرسایش پذیر و بهره‌وری ضعیف زمین انجام شد [ 57 ].]. در سال 1990، Breuning-Madsen یک ارزیابی نقشه‌برداری پوششی از خاک‌های مرطوب و خشک و آن‌هایی که در شیب‌های شیب‌دار حاشیه‌ای برای استفاده کشاورزی در دانمارک هستند انجام داد تا مناطقی از کشور را که از نظر اقتصادی آسیب‌پذیرترین نسبت به عملکرد کم هستند، جدا کند [ 58 ]. یک دهه بعد، محققان در لهستان بر اساس ویژگی‌های بیوفیزیکی به ترتیب «زمین‌های کشاورزی حاشیه‌ای» و «مناطق کشاورزی کمتر مورد علاقه» را نقشه‌برداری کردند که بعداً به عنوان بخشی از الزامات موجودی اجباری قبل از پیوستن به اتحادیه اروپا [ 59 ، 60 ] . چنین مطالعاتی تنها بر تعاریف بیوفیزیکی زمین های حاشیه ای، از جمله خاک های ضعیف، زهکشی ضعیف، و شیب های تند تکیه داشتند.

در حال حاضر، اصطلاح زمین حاشیه ای اغلب در تحقیقات انرژی زیستی به کار می رود. این گفتگوی اضطراری توسط آمار جستجوی GoogleScholar نشان داده شده است، که نشان می دهد از سال 1993 تعداد فزاینده ای از مقالات در مورد زمین های حاشیه ای، سوخت های زیستی، GIS و هر ترکیبی از آنها وجود داشته است. در ادبیات، جهش اولیه را می‌توان به هال و همکارانش نسبت داد. (1993)، که مزایای بالقوه تولید زیست توده را برای بازسازی زمین های تخریب شده برجسته کرد. از آن زمان، علاقه به این موضوع پس از انتشار مقاله ای توسط تیلمن و همکاران گسترش یافت. [ 7 ]، و به ویژه در سال 2008 با ظهور بحث غذا در مقابل سوخت [ 61 ، 62 ،63 ] و در نهایت با انتشار اولین مطالعات برای نقشه برداری از گستره جهانی زمین های کشاورزی متروک یا تخریب شده برای تولید انرژی زیستی [ 28 ، 29 ]. با این حال، همانطور که موضوع در ادبیات به تمرکز فزاینده ای تبدیل می شود، تعاریف کاری زمین حاشیه ای به طور فزاینده ای متنوع می شود و مقایسه بین مطالعات و استانداردسازی برآوردها را دشوار می کند.

هر یک از مقالاتی که در اینجا بررسی می‌شوند، تعاریفی از زمین حاشیه‌ای را ارائه می‌دهند که به انرژی زیستی مربوط می‌شوند. با این حال، یک تمایز مشترک بین تعریف کلی زمین حاشیه ای که در مقدمه هر مقاله به آن اشاره شده است، و تعریف کاری زمین حاشیه ای که در روش ها از طریق انتخاب محصول، معیارهای ورودی و چارچوب مدل سازی اجرا می شود، وجود دارد. تعاریف عمومی زمین حاشیه ای طبیعتاً عمومی هستند و بنابراین در بین مطالعات نسبتاً سازگار هستند. تعریف ارائه شده توسط Gelfand و همکاران. [ 17 ] یک مثال معمولی است، جایی که آنها زمین های حاشیه ای را اینگونه توصیف می کنند:آنهایی که به دلیل بهره وری پایین به دلیل محدودیت های ادافیک یا آب و هوایی ذاتی یا به دلیل اینکه در مناطقی قرار دارند که هنگام کشت در برابر فرسایش یا سایر خطرات زیست محیطی آسیب پذیر هستند، برای محصولات غذایی مناسب نیستند . توافق کلی این است که اگرچه این زمین ها برای محصولات کشاورزی معمولی نامناسب هستند، اما برعکس برای محصولات بیوانرژی مناسب هستند (با وجود محدودیت های عمده مانند شیب های تند که مانع از کشاورزی مکانیزه می شود). به عنوان مثال، گوپالاکریشنان و همکاران. [ 40 ] زمین حاشیه ای را به عنوان ” حاشیه ای برای محصولات معمولی اما نه حاشیه ای برای محصولات سوخت زیستی یا سایر عملکردها، بر اساس معیارهای اقتصادی، بهداشت خاک و محیط زیست” تعریف می کند.. تعاریف عمومی عمدتاً زمین هایی را توصیف می کنند که برای محصولات معمولی مناسب نیستند، زیرا به دلیل بهره وری پایین ناشی از محدودیت های آب و هوا یا خاک، ریسک بالایی برای بازده اقتصادی دارند.

در مقابل، تعاریف کاری زمین حاشیه ای اجرا شده در مقالات به طور قابل توجهی بین مطالعات متفاوت است. تعاریف کاری زمین حاشیه ای بر اساس کشور و محصول هدف متفاوت است، که به نوبه خود معیارهای ورودی و چارچوب مدل سازی را هدایت می کند. بنابراین مقایسه مستقیم بین خروجی های منتشر شده دشوار است. علاوه بر این، مناطق کمی در جهان وجود دارد که با روش‌های متعدد برای مقایسه عملی نقشه‌برداری شده باشد. یک استثناء چین است که در حال حاضر تحت فشار شدید سیاست های انرژی و امنیت غذایی برای عدم کشت محصولات بیوانرژی در زمین های کشاورزی است. به همین دلیل، پتانسیل انرژی زیستی در چین چندین بار و به روش های مختلف نقشه برداری شده است. به عنوان مقدمه ای برای توسعه چارچوبی برای ارزیابی حجم بزرگتر کار،

3. مطالعه موردی مقایسه ای: نقشه برداری از زمین های حاشیه ای برای انرژی زیستی در چین

از میان مطالعاتی که در اینجا بررسی شد، پنج نتیجه برای جمهوری خلق چین گزارش شده است (سه مورد در مقیاس ملی و دو مورد در مقیاس جهانی). هر کدام از آنها تعاریف کاری متفاوتی از زمین حاشیه ای استفاده کردند: آنها بر محصولات مختلف تمرکز داشتند، از معیارهای ورودی، مدل ها و مفروضات مختلف استفاده کردند، و همه نتایج نقشه برداری متفاوتی داشتند.

لو و همکاران [ 35 ] پتانسیل ملی برای رشد پسته چینی ( Pistacia chinensis ) در زمین های حاشیه ای چین را ترسیم کرد. تعریف کلی آنها از زمین حاشیه ای این است که زمین ” نامناسب برای تولید محصول، اما ایده آل برای رشد گیاهان انرژی زا با مقاومت به تنش بالا”. این اراضی شامل کوه های بایر، زمین های بایر و زمین های قلیایی است.. آنها از تجزیه و تحلیل پوشش GIS استفاده کردند تا ابتدا کاربری های حاشیه ای مناسب برای کاشت محصولات انرژی زیستی، از جمله جنگل های کم آب، علفزارهای طبیعی و زمین های بلااستفاده (قلیایی، برهنه، زیرزمینی/زمین های پایین) را مورد هدف قرار دهند. سپس سه سطح مناسب برای تولید پسته چینی را بر اساس الزامات زیست محیطی (دما، بارش، خاک و شیب) مشخص کردند و نتایج خود را با محدودیت های اجتماعی، اقتصادی و زیست محیطی از جمله مناطق حساس و حفاظت شده، ذخایر ملی و کشت اصلاح کردند. زمین ها قبل از تولید نتایج نقشه‌برداری نهایی، آنها حداقل یک واحد نقشه‌برداری 200 هکتاری را به کار گرفتند. همه داده ها در جدول 2 ارجاع شده اند. این روش 19.9 مگا هکتار زمین در دسترس (2.08٪ از کل مساحت چین) را به همراه داشت.

جدول 2. خلاصه مطالعات سراسری برای محاسبه مساحت زمین حاشیه ای در چین.

ژوانگ و همکاران [ 26 ] پتانسیل ملی برای پنج گونه انرژی زیستی، از جمله کنگر فرنگی اورشلیم ( Helianthus tuberous L. )، پسته چینی، روغن کرچک چینی ( Jatropha curcas L. )، کاساوا ( Manihot esculenta )، و درخت تونگ ( Vernicia fordii ) را ترسیم کرد. آنها به طور کلی زمین حاشیه ای را به عنوان ” زمینی که شرایط طبیعی نسبتاً بدی دارد اما قادر به رشد گیاهان انرژی زا است یا زمینی که در حال حاضر برای تولید کشاورزی استفاده نمی شود اما می تواند گیاهان خاصی را پرورش دهد” تعریف کردند.. آنها از یک تجزیه و تحلیل پوشش GIS با آستانه های دوتایی استفاده کردند که ابتدا زمین های حاشیه ای را بر اساس کاربری زمین، زمین (شیب کمتر از 25٪ و ارتفاع خاص گونه ها)، آب و هوا (ویژه گونه ها) و خاک (شن و ماسه، خاک شنی، شور و خاک قلیایی و عمق خاک). سپس مکان بهینه را بر روی زمین های حاشیه ای شناسایی شده برای هر گونه بر اساس الزامات زیست محیطی مدل سازی کردند. کاربری‌های زمینی که برای انرژی زیستی مناسب در نظر گرفته می‌شوند شامل زمین‌های جنگلی (زمین بوته‌ها، زمین‌های جنگلی کم‌کم)، مراتع و زمین‌های بایر (شامل زمین‌های زیرزمینی، زمین‌های شور و قلیایی، و زمین‌های بایر) است ( جدول 2 ). نتایج نشان داد که 43.75 Mha برای این پنج گونه (4.57٪ از کل مساحت چین) در دسترس بود.

شویرز و همکاران [ 34 ] یک مطالعه ملی در چین انجام داد که پتانسیل تولید انرژی زیستی عمومی را در زمین های تخریب شده و متروک بررسی می کرد. آنها توضیح دادند که ” تخریب زمین یک از دست دادن طولانی مدت عملکرد و خدمات اکوسیستم، به ویژه تولید، ناشی از اختلالاتی است که سیستم نمی تواند بدون کمک از آن بازیابی کند.”. آنها از یک تجزیه و تحلیل پوشش GIS با معیارهای ورودی چندگانه استفاده کردند که زمین تخریب شده را به عنوان از دست دادن بهره وری اولیه خالص (NPP) بین سال های 1981 و 2003 تعریف کرد. آنها زمین های متروکه را با کم کردن حداکثر ارزش از درصد علفزار و زمین های زیر کشت بین 1700 تا 2000 از محاسبه کردند. این مقادیر در سال 2005، که در آن مقادیر تغییر منفی نشان دهنده زمین متروکه بود. اراضی مناسب برای محصولات بیوانرژی شامل پوشش اراضی با پوشش گیاهی و زمین زراعی مخلوط، پوشش اراضی با مرتع مخلوط، زمین جنگلی یا بوته ای، اراضی با اراضی بوته ای بسته به باز، اراضی با پوشش گیاهی علفی بسته به باز و اراضی با پوشش گیاهی کم است. پوشش های اراضی نامناسب برای محصولات زراعی انرژی زیستی شامل زمین های زراعی، مناطق جنگلی، تالاب ها، مناطق شهری، آب، برف و یخ، زمین های برهنه و تعریف نشده است. آنها همچنین مناطق حفاظت شده را حذف کردند،جدول 2 ). نویسندگان همچنین تأیید زمینی را در دو منطقه از جمله GPS، عکس‌ها و مصاحبه‌ها انجام دادند که 60 درصد از نقاط تأیید ارزیابی مناسب بودن از راه دور را تأیید می‌کردند. این روش 39.1 مگا هکتار برای محصولات بیوانرژی زمانی که مناطق حفاظت شده مستثنی نشدند، یا 20.2 Mha زمانی که مناطق حفاظتی حذف شدند (به ترتیب 2.11٪ یا 4.09٪ مساحت کل زمین چین) به دست آمد.

Milbrandt و Overend [ 31 ] پتانسیل گیاهان زیست توده لیگنوسلولزی را در زمین های حاشیه ای در کشورهای APEC، از جمله چین، ترسیم کردند، که به عنوان زمینی تعریف شده است که با آب و هوای ضعیف، ویژگی های فیزیکی ضعیف، یا کشت دشوار مشخص می شود. آنها شامل مناطقی با بارندگی محدود، دماهای شدید، خاک با کیفیت پایین، زمین های شیب دار یا سایر مشکلات کشاورزی هستند. آنها از یک تحلیل پوششی GIS استفاده کردند که از ترکیب خطی با معیارهای ورودی چندگانه با استفاده از آستانه های باینری استفاده می کرد. تجزیه و تحلیل عمدتاً بر روی پوشش زمین، خاک و شیب متمرکز بود ( جدول 2). مناطق برهنه و علفی (غیر مورد استفاده یا فقط با دامداری با شدت متوسط) هدف قرار گرفتند و اراضی با دامداری فشرده و گسترده حذف شدند. اراضی با شیب متوسط و تند و اراضی با مشکل خاک (مثلاً، خاکهای شنی، اسیدی) یا کم عمق، اراضی حاشیه ای مناسب برای کاشت محصولات بیوانرژی در نظر گرفته شدند. پس از نقشه برداری اراضی حاشیه ای بر اساس معیارهای فوق، زمین های حفاظت شده و همچنین بیابان ها، مناطق سردسیر، مناطق یخی/یخچال، آب نماها، جنگل ها، زمین های کشاورزی، مناطق شهری و همچنین زمین های علفی و بایر تحت پوشش فشرده و گسترده را حذف کردند. دامداری تجزیه و تحلیل پیش بینی کرد که 51 مگا هکتار (5.34 درصد از کل زمین چین) باید برای تولید انرژی زیستی در دسترس باشد.

در نهایت، کای و همکاران. [ 27 ] پتانسیل مواد اولیه سوخت زیستی نسل دوم و مخلوط‌های با تنوع بالا (LIHD) از گیاهان چند ساله بومی را برای اکثر نقاط جهان در زمین‌های کشاورزی حاشیه‌ای مدل‌سازی کرد که « بازده ذاتی پایین برای کشاورزی، مستعد تخریب است، و برای تولیدات کشاورزی ریسک بالایی دارد . در مقایسه با چهار مطالعه که قبلا ذکر شد، نویسندگان از مدل پیچیده‌تری استفاده کردند که از مدل‌سازی منطق فازی (FLM) و حذف پوشش زمین استفاده می‌کرد. مدل آنها اراضی با بهره وری حاشیه ای را بر اساس بهره وری خاک، شیب و آب و هوا (رژیم دمای خاک و شاخص رطوبت) شناسایی کرد ( جدول 2 ).). معیارهای ورودی با اعمال یک تابع عضویت برای هر معیار بر اساس دانش تجربی مورد ارزیابی قرار گرفت، در نتیجه مقادیر کمی را به رتبه‌بندی کیفی در سطح بهره‌وری زمین (کم، حاشیه یا منظم) تبدیل کرد. سپس معیارها در احتمالات مربوط به زمین به دسته ای از بهره وری زمین تجمیع شدند که امتیاز نهایی بهره وری زمین را به دست آورد. پس از نقشه برداری از زمین های حاشیه ای، نویسندگان چهار سناریو از زمین های حاشیه ای در دسترس برای محصولات بیوانرژی را توسعه دادند که به تدریج شامل: (1) محصول مخلوط و پوشش گیاهی طبیعی با مولد نهایی. (2) زمین‌های زراعی کم‌مولد. (3) علفزارها، ساوانا و درختچه‌های با تولید حاشیه‌ای (مناطق تولیدی منظم این مناطق را که برای مرتع یا محصولات آتی مستثنی می‌شوند) در نظر می‌گیرد.

به طور خلاصه، علی‌رغم شباهت هدف، این پنج مثال از چین تفاوت‌های قابل‌توجهی را در تعریف کاری، از جمله معیارهای ورودی، چارچوب مدل‌سازی، و نتایج نقشه‌برداری شده نشان می‌دهند. نتایج نقشه برداری شده از 2.08 تا 22.26 درصد از کل مساحت چین متغیر بود. از بین پنج پروژه، هر پنج پروژه از نوعی نمایش پوشش زمین استفاده کردند، اما هر مدل از مجموعه داده پوشش زمین متفاوتی استفاده کرد ( جدول 2 ). علاوه بر این، مطالعاتی که تقریباً از یک مجموعه داده استفاده می‌کنند (فقط با تاریخ‌های انتشار متفاوت، اما کلاس‌های موضوعی یکسان) در کدام کلاس‌های موضوعی حاشیه‌ای در نظر گرفته‌اند. برای مثال، در حالی که هر دو ژوانگ و همکاران. [ 26 ] و لو و همکاران. [ 35] در ابتدا زمین های بوته ای را به عنوان یک طبقه زمین حاشیه ای هدف قرار دادند، لو و همکاران. [ 35 ] بعداً در مطالعه خود طبقه بندی زمین های بوته ای را حذف کردند و به سیاست های چین در مورد جنگلداری اشاره کردند که زمین های بوته ای دولتی نباید برای اهداف دیگر اصلاح شوند. یکی دیگر از عوامل متمایز کننده در مورد پوشش زمین، شامل یا حذف زمین های زراعی موجود است. هر دو شویرز و همکاران. [ 34 ] و کای و همکاران. [ 27 ] زمین های زراعی را در تجزیه و تحلیل خود لحاظ کردند، در حالی که دیگران این کار را نکردند.

حتی در میان مطالعاتی که در داخل یک کشور نقشه برداری می کنند و با استفاده از منابع داده ملی یکسان، تفاوت های ظریف و بزرگی بین معیارهای ورودی و پارامترهایی وجود دارد که بر مساحت زمین نقشه برداری شده تأثیر می گذارد. در تحلیل حاضر، هر دو ژوانگ و همکاران. [ 26 ] و لو و همکاران. [ 35 ] از مجموعه داده‌های تقریباً یکسانی استفاده کردند (آنها یکی از نزدیک‌ترین مقایسه‌های مقالات بررسی شده در اینجا را ارائه می‌کنند)، اما نتایج نگاشت متفاوتی دارند: به ترتیب 43.75 و 19.9 Mha. این تا حد زیادی به دلیل این واقعیت است که اولی زمین های حاشیه ای را برای پنج گونه انرژی زیستی و دومی فقط برای یک گونه نقشه برداری کرد. با این حال، ممکن است تفاوت‌ها به واریانس در داده‌های ورودی و پارامترهای اعمال‌شده نیز نسبت داده شود. به عنوان مثال، لوو همکاران [ 35 ] از 2000 داده استفاده از زمین از RESDC استفاده کردند، در حالی که Zhuang و همکاران. [ 26 ] از داده های استفاده شده از زمین از یک منبع و در همان مقیاس استفاده می کند، اما برای سالی متفاوت – 2008. علاوه بر این، لو و همکاران. [ 35 ] در نهایت زمین های بوته ای را از تجزیه و تحلیل خود حذف کردند، در حالی که ژوانگ و همکاران. [ 26 ] درختچه ها را در تجزیه و تحلیل خود گنجانده اند. این دو مطالعه همچنین داده‌های خاک و زمین خود را از منابع یکسان دریافت کردند (RESDC برای خاک و SBSC برای زمین)، اما دو مقیاس نقشه‌برداری متفاوت، به ترتیب 1 کیلومتر و 1:100 k برای خاک و 1:250 k و 1 گزارش کردند. : 100 k، به ترتیب برای زمین. هنگام هدف قرار دادن زمین های حاشیه ای، لوو همکاران [ 35 ] و ژوانگ و همکاران. [ 26 ] هر دو شامل زمین های قلیایی هستند که در پایگاه داده استفاده از زمین RESDC نقشه برداری شده است. با این حال، ژوانگ و همکاران. [ 26 ] سپس “خاک قلیایی شده و خاک شور” را که در پایگاه داده خاک RESDC گزارش شده است، حذف کرد . از آنجایی که دو مطالعه برای گونه‌های مختلف نقشه‌برداری شده‌اند، نمی‌توان گفت که این تفاوت‌های اضافی در معیارهای ورودی چقدر تأثیرگذار هستند، با این حال ممکن است فرض شود که نتایج نقشه‌برداری شده هنوز یکسان نیستند.

4. نقشه برداری پتانسیل برای انرژی زیستی

این مثال‌ها از چین تفاوت‌های قابل‌توجهی را در نتایج نقشه‌برداری شده نشان می‌دهند که ناشی از تفاوت‌ها در تعاریف، چارچوب مدل و ورودی داده است. در مرحله بعد، ادبیات گسترده تر را ارزیابی کردیم و احتمالات مشترکات را بیشتر ارزیابی کردیم. بررسی ما شامل 21 مقاله از سال 2008 تا 2013 بود. پنج در مقیاس جهانی، هفت ملی، هشت منطقه ای و یک مورد در مقیاس محلی (شهر) انجام شد ( جدول 1 ).

4.1. انتخاب مدل

سیستم های اطلاعات جغرافیایی (GIS) مجموعه ای قدرتمند از ابزارها برای مدل های مناسب سایت هستند که مجموعه داده های ورودی متعددی را در خود جای داده اند [ 64 ، 65 ]. تجزیه و تحلیل مناسب سایت مبتنی بر GIS به طور فزاینده ای برای شناسایی مکان های بالقوه برای ادغام انرژی های تجدیدپذیر در چشم انداز استفاده می شود [ 66 ، 67 ]. اکثر این تحلیل‌ها بر اساس ارزیابی چند معیاره (MCE) هستند، که اصل اساسی آن ترکیب مشکلات پیچیده با بررسی همزمانی عوامل در میان متغیرهای چندگانه ثبت‌شده فضایی است [ 68 ].

تجزیه و تحلیل مناسب بودن GIS می تواند از همپوشانی های خطی بسیار ساده GIS با آستانه های باینری تا مدل های بسیار پیچیده که آستانه های binned، وزن ها، استانداردسازی، منطق فازی یا همه موارد فوق را در بر می گیرد، متغیر باشد. قدیمی‌ترین و متداول‌ترین شکل تحلیل تناسب زمین مبتنی بر GIS بر ترکیبات خطی معیارهای ورودی مرجع فضایی، که به عنوان پوشش‌های بولی نیز شناخته می‌شوند، متکی است. این روش شناسی سابقه ای طولانی دارد [ 69 ] و از مزایای شفاف و آسان بودن برخوردار است. این مدل‌ها معمولاً منجر به آستانه‌های مناسب مناسب می‌شوند، یک قطعه زمین یا برای کاشت محصولات بیوانرژی مناسب است یا نه. نقشه‌های تناسب حاصل اغلب با اعمال محدودیت‌ها محدودتر می‌شوند. به عنوان مثال، زمین های حاشیه ای که در غیر این صورت بالقوه برای محصولات انرژی زیستی مناسب هستند، با حذف زمین های نامناسب (مانند مناطق شهری یا آب) اصلاح می شوند. دسته دیگری از مدل‌های تناسب زمین مکانی آن‌هایی هستند که ترکیب خطی وزنی (WLC) را در خود جای داده‌اند [ 68 ]]. مدل‌هایی که از WLC استفاده می‌کنند، هر لایه معیار را استاندارد می‌کنند، که سپس می‌توان آن را بر اساس اهمیت آن‌ها که توسط ذینفعان و یا کارشناسان منتخب در این زمینه تصمیم می‌گیرد، وزن کرد. بنابراین هنگامی که ترکیب می شود، یک معیار با تناسب نسبی کم می تواند با نمره بالا دیگری جبران شود. برخلاف مدل‌های Boolean و WLC، که اغلب از آستانه‌های مناسبی مجزا استفاده می‌کنند، مدل‌هایی که تئوری مجموعه‌های فازی را در بر می‌گیرند، درجات پیوسته تناسب را تخصیص می‌دهند [ 70 ، 71 ]]. در یک مجموعه فازی، مفهوم تناسب یا «عضویت» قطعی نیست زیرا همه اشیا در درجات مختلف به مجموعه تناسب تعلق دارند. با استفاده از توابع تبدیل عضویت، به معیارهای ورودی مقادیر عضویت «فازی» استاندارد شده داده می‌شود که به طور مداوم بین 1 و 0 تغییر می‌کند. مقادیر نزدیک به 1 مناسب‌تر و مقادیر نزدیک به 0 کمتر مناسب در نظر گرفته می‌شوند. سایت هایی با مقدار 0 قطعا مناسب نیستند و سایت هایی با مقدار 1 قطعا مناسب هستند. در حالی که آستانه های مجموعه را می توان در مدل های فازی برای جایی که مقادیر 0 و 1 شروع می کنند نیز به کار برد، این رویکرد به طور واقعی تری ماهیت پیوسته متغیرهای بیوفیزیکی و اقتصادی را در بر می گیرد [ 68 ]]. برای هر دو مدل WLC و فازی، معیارهای حذف بولی نیز می‌تواند برای محدود کردن بیشتر نتایج به مناطق امکان‌پذیر استفاده شود.

اکثر مطالعات مورد بررسی در اینجا از مدل‌های تناسب GIS نسبتاً ساده استفاده می‌کنند که بر ترکیب‌های خطی معیارهای ورودی مرجع فضایی با آستانه‌های متمایز، یعنی همپوشانی‌های «بولی» متکی بودند. یک تفاوت اصلی بین مطالعاتی که از روش همپوشانی ترکیبی خطی استفاده کردند، صرفاً توالی است که در آن معیارهای ورودی به مدل اضافه شده‌اند. به عنوان مثال، پنج مطالعه از بیست و یک مطالعه بررسی شده در اینجا ابتدا برای مناسب بودن گونه بر اساس نیازهای بیوفیزیکی محصول، سپس برای دسترسی به زمین بر اساس حاشیه نقشه برداری شدند [ 32 ، 35 ، 38 ، 39]. سه مطالعه دیگر ابتدا زمین های حاشیه ای را ترسیم کردند و سپس مناسب بودن بالقوه آن زمین را برای گونه های انرژی زیستی خاص ترسیم کردند [ 26 ، 33 ، 37 ]. هشت مطالعه که برای گونه‌های انرژی زیستی عمومی نقشه‌برداری کردند، ابتدا زمین‌های حاشیه‌ای را ترسیم کردند، سپس از محدودیت‌های کاربری اراضی یا ماسک‌هایی استفاده کردند، جایی که محصولات انرژی‌زای زیستی نباید کاشته شوند [ 27 ، 28 ، 29 ، 30 ، 31 ، 34 ، 36 ، 45 ]. در نهایت، سه مطالعه ابتدا زمین‌های حاشیه‌ای را برای گونه‌های انرژی زیستی عمومی بر اساس معیارهای ورودی چندگانه مورد هدف قرار دادند، اما هیچ محدودیت پوشش زمین را به کار نگرفتند [ 13 ، 40 ]، 44 ]. به عنوان مثال، کانگ و همکاران. (2013) یک پوشش GIS “سلسله مراتبی” را در زمین های نقشه برداری متوالی انجام داد که از نظر فیزیکی حاشیه ای (با استفاده از شیب، قطعه سنگ، عمق سنگ بستر، سیل و حوضچه)، از نظر بیولوژیکی حاشیه ای (با استفاده از دما، رطوبت، فرسایش خاک، عمق خاک، شن و ماسه) در نظر گرفته شدند. محتوا، تولید، CEC، EC، سدیم بودن، pH، زهکشی، سطح آب و محدودیت خاک)، از نظر زیست محیطی-اکولوژیکی حاشیه ای (با استفاده از روند کربن آلی خاک، شیب، فرسایش، تالاب) و در نهایت زمین هایی که از نظر اقتصادی بودند.حاشیه ای (از قیمت سربه سر یا بازده). به این ترتیب آنها زمین های حاشیه ای را با تعریف آنچه که در نظر گرفته می شوند مورد هدف قرار دادند، اما هیچ محدودیت خاصی برای پوشش زمین به کار نرفت.

سه مطالعه باقی‌مانده که در اینجا بررسی شدند از روش‌های پیچیده‌تری برای نقشه‌برداری زمین حاشیه‌ای استفاده کردند. تنرلی و کارور [ 43] مجموعه ای از روش های مناسب بودن GIS را ترکیب کرد. پس از شناسایی انواع گیاهان زراعی انرژی زیستی (علفزارهای چندساله، جنگلداری با تناوب کوتاه و جنگلداری با تناوب کوتاه) و الزامات اکولوژیکی بر اساس گونه‌شناسی محصول، معیارهای ورودی استاندارد و وزنی را تعیین کردند. در همان زمان، آنها محدودیت‌ها (مثلاً مناطق ساخته‌شده، زیستگاه‌های طبیعی، زمین‌هایی با ارزش اکولوژیکی بالا، و زمین‌های کشاورزی بسیار پربار) را بر اساس یک ارزیابی دوتایی حذف کردند. این متغیرها (معیارهای استاندارد و وزن‌دار، محدودیت‌های دوتایی، و تحلیل‌های عدم قطعیت و حساسیت) سپس برای تولید شاخص قابلیت زمین به‌طور خاص برای محصولات بیوانرژی مورد مطالعه استفاده شدند. سپس این شاخص قابلیت زمین متناسب با طبقه بندی قابلیت زمین موجود ترکیب شد تا تخصیص نهایی زمین برای محصولات انرژی زیستی بدست آید.

تنها دو روشی که در اینجا مورد بررسی قرار گرفته اند، نظریه مجموعه های فازی را در مدل های مناسب خود گنجانده اند. وو و همکاران [ 39 ] از روش منطقه زراعی-اکولوژیکی فائو (AEZ) برای نقشه‌برداری از زمین‌های حاشیه‌ای برای جاتروفا استفاده کردند، و برای این کار نویسندگان از رویکرد عضویت فازی استفاده کردند. ابتدا سه شاخص کیفیت خاک را در پنج سطل متوالی مرتب کردند. سپس بر اساس نیازهای کیفی خاک محصول، بهترین محدوده مناسب هر یک از عوامل کیفیت خاک را با عضویت فازی برابر با 1.0 و منطقه انتقال با مقادیر عضویت بین 0.5 تا 1.0 شناسایی کردند. سپس آنها درجه عضویت در سه عامل کیفیت خاک را در یک شاخص با سه دسته زمین (مناسب، نسبتاً مناسب و نامناسب برای کاشت جاتروفا) تجمیع کردند. کای و همکاران[ 27] برای تحلیل خود بسیار عمیق تر به نظریه مجموعه های فازی پرداختند. همانطور که در بالا توضیح داده شد، نویسندگان ابتدا زمین با بهره وری حاشیه ای را با استفاده از یک مدل منطق فازی بر اساس شاخص رتبه بندی خاک برای رشد گیاه (SRPG) شناسایی کردند. این مدل یک عضویت فازی را به معیارهای ورودی مبتنی بر دانش تجربی یا کارشناسی اعمال کرد، در نتیجه مقادیر کمی بهره‌وری زمین را به رتبه‌بندی کیفی تبدیل کرد. سپس معیارها با استنباط قواعد فازی برای تعیین احتمالات زمین متعلق به یک دسته از بهره‌وری زمین جمع‌آوری شدند و یک شاخص نهایی بهره‌وری زمین تولید شد. مراحلی که مبتنی بر دانش تجربی یا تخصصی بودند، سپس به طور مکرر از طریق یک فرآیند یادگیری که کاربری زمین موجود را در بر می گرفت، کالیبره شدند.

یکی از گام‌های مدل‌سازی که معمولاً در میان مطالعات مورد بررسی در اینجا و به طور کلی در تحلیل‌های تناسب زمین مبتنی بر GIS استفاده می‌شود، اجرای محدودیت‌ها یا محدودیت‌های پوشش زمین بود – با این حال، همه معیارهای محدودیت یکسان نیستند. محدودیت هایی که یک منطقه را از تجزیه و تحلیل حذف می کنند، می توانند به عنوان “سخت” یا “نرم” طبقه بندی شوند [ 67 ، 72 ]. محدودیت‌های سخت عبارتند از پوشش‌های زمینی مانند مناطق شهری و یخ/برف – زمین‌هایی که به طور کلی می‌توان توافق کرد که مزارع بزرگ انرژی زیستی نمی‌توانندکاشته شود. به همین دلیل، محدودیت های سخت به طور کلی در میان مطالعات بررسی شده در اینجا سازگار بود. این برخلاف محدودیت‌های نرم است که ممکن است شامل زمین‌های زراعی، مرتع و زمین‌های بوته‌ای باشد – زمین‌هایی که ممکن است دلایل قانونی وجود داشته باشد که محصولات بیوانرژی نباید کاشته شوند، اما امکان پذیر است. به عنوان مثال، Lovett و همکاران. [ 32 ] ابتدا 9 عامل مطلق را ترسیم کردند که هر فرصتی برای کاشت محصولات انرژی زا را از بین می برد، سپس دو عامل ثانویه را ترسیم کردند، که در آن کاشت محصولات زیست توده چند ساله تشویق نمی شود ، اما لزوماً مستثنی نمی شود.. محدودیت‌های نرم ممکن است در طول زمان اصلاح شوند و همچنین می‌توانند به صورت منطقه‌ای متفاوت باشند (برای مثال، زمین‌های بوته‌ای ممکن است در چین به عنوان یک مهار سخت در نظر گرفته شوند، اما در جای دیگر یک محدودیت نرم در نظر گرفته می‌شوند)، که استانداردسازی آنها را سخت‌تر می‌کند، به ویژه در مقیاس بین‌المللی و جهانی [ 67 ].

4.2. داده های ورودی

4.2.1. ورودی داده های بیوفیزیکی

از مطالعات مورد بررسی در اینجا، خاک، پوشش زمین و توپوگرافی ( به عنوان مثال ، شیب) رایج ترین معیارهای ورودی مورد استفاده بودند. از این میان، پوشش زمین رایج‌ترین معیار ورودی بود (که توسط 18 مطالعه از 21 مطالعه استفاده شد)، و اغلب به‌عنوان یک عامل پوشاننده یا حذف در تجزیه و تحلیل استفاده شد. به عنوان مثال، به طور کلی فرض بر این بود که محصولات بیوانرژی در زمین هایی که به عنوان آب، یخ یا برف طبقه بندی می شوند، کشت نخواهند شد. متغیرهای خاک نیز یک عامل ورودی رایج بودند، به طوری که 17 مورد از 21 مطالعه در اینجا از حداقل یک متغیر خاک به عنوان معیار ورودی استفاده کردند. به عنوان مثال، Milbrandt و Overend [ 31 ] از 10 متغیر خاک برای هدف قرار دادن زمین های حاشیه ای که بالقوه مناسب برای محصولات انرژی زیستی هستند، از جمله بافت خاک، حاصلخیزی، pH و غیره استفاده کردند.توپوگرافی (به ویژه شیب) سومین عامل در نظر گرفته شده با بیش از نیمی (14 از 21) از مطالعات با استفاده از شیب به عنوان معیار ورودی برای تعیین حاشیه زمین بود. در درجه اول شیب های بسیار شیب دار برای کاشت محصولات انرژی زیستی حذف شدند، برای مثال سه مطالعه نقشه برداری از زمین های حاشیه ای در چین، شیب های > 25% را حذف کردند [ 26 ، 34 ، 35 ].

در بین 18 مطالعه که از پوشش زمین به عنوان معیار ورودی استفاده کردند، 13 مجموعه داده مختلف پوشش زمین و در بین 17 مطالعه برای استفاده از خاک، 16 مجموعه داده مختلف خاک استفاده شد ( جدول 3 ). علاوه بر این، برای مجموعه داده‌های پوشش زمین «جاری»، تاریخ انتشار بیش از یک دهه است که از «پایان هزاره گذشته» (منتشر شده در سال 1997) (IGBP Discover) تا 2008 (CDL) متغیر است.

4.2.2. داده های اجتماعی-اقتصادی ورودی

چندین مطالعه شامل عوامل «اجتماعی-اقتصادی» می‌شود – که معمولاً به عنوان محدودیت در مدل استفاده می‌شود – با این حال این داده‌ها اغلب به طور متناقض مورد استفاده قرار می‌گرفتند. به طور کلی معیارهای “اجتماعی-اقتصادی” شامل جنبه های مختلف کاربری زمین/پوشش زمین است که بر اساس محدوده و منطقه مطالعه تصمیم گرفته می شود. به عنوان مثال، Lovett و همکاران. [ 32 ] عوامل «اجتماعی-اقتصادی» زیر را در تجزیه و تحلیل مناسب بودن چند معیاره خود گنجانده است: مرزهای شهری و سایت‌های میراث فرهنگی شامل سبزی‌های آستانه، سبزه‌های هزاره، پارک‌ها و باغ‌های تاریخی، بناهای تاریخی، میدان‌های جنگ ثبت‌شده، و سایت‌های میراث جهانی. وو و همکاران [ 39] همچنین «محدودیت‌های اجتماعی-اقتصادی» را با حذف همه زمین‌های مورد استفاده برای تولید غذا به جز 2 درصد و همه زمین‌های جنگلی بایر، علف‌زار و باز به جز 50 درصد از نتایج نقشه‌برداری‌شده‌شان گنجانده است. تنها محدودیت اجتماعی-اقتصادی مورد استفاده توسط لو و همکاران. [ 35 ] زمین بوته ای بود، با استناد به اینکه این کاربری زمین را نمی توان برای اهداف دیگری بر اساس سیاست چین استفاده کرد. به طور خلاصه، معیارهای اجتماعی-اقتصادی مورد استفاده ذهنی و غیر استاندارد بودند. علیرغم استفاده متداول از اصطلاح «اجتماعی-اقتصادی»، این عوامل ممکن است بهتر به عنوان معیارهای پوشش زمین/استفاده از زمین طبقه بندی شوند.

4.2.3. داده های دیگر

تعداد کمی از مقالات از معیارهای ورودی دیگر استفاده کردند که کمتر در بین مطالعات رایج است. به عنوان مثال، مناطق آلوده در دو مقاله مورد بررسی قرار گرفته است. فهد و همکاران [ 37 ] اشاره می‌کند که برخی از زمین‌ها زمانی حاشیه‌ای می‌شوند که آلودگی بیش از حد توسط فرآیندهای تحت سلطه انسان (از جمله دفع غیرقانونی زباله‌های مایع و جامد) ایجاد می‌شود، بنابراین از مناطق آلوده به عنوان ورودی اولیه در مدل پوششی خود استفاده می‌کنند (فهد و همکاران ، 2011). در ایالات متحده، گوپالاکریشنان و همکاران. [ 40] در نقشه زمین های حاشیه ای خود آنچه را «زمین تخریب شده از نظر زیست محیطی» می نامیدند، شامل زمین هایی با مناطق قهوه ای، مناطق آلوده به آب و مناطقی با آبیاری بیش از حد را شامل می شود.

سایر لایه‌های ورودی کمتر رایج شامل مجموعه داده‌های بسیار محلی، مانند جاده‌ها و راهروهای ساحلی بود که توسط Gopalakrishnan و همکاران نقشه‌برداری شدند. [ 40 ]، اما فقط به صورت کیفی در جای دیگر ذکر شده است [ 44 ]. تغییرات پیش بینی شده در آب و هوا به ندرت مورد استفاده قرار گرفت. عوده و همکاران [ 33 ] ابتدا زمین های حاشیه ای در استرالیا را با جداسازی بارندگی سالانه به 300-600 میلی متر در سال ترسیم کرد و سپس بر اساس شش سناریوی انتشار، تنظیماتی را برای تغییرات آب و هوایی انجام داد.

4.2.4. انتخاب آستانه داده

حتی در میان مطالعاتی که از مجموعه داده‌های یکسانی برای معیارهای ورودی و کلاس‌های موضوعی دقیقاً یکسان استفاده می‌کنند، می‌توان هنگام تعیین آستانه‌های دقیق تعیین حاشیه‌سازی، تفاوت‌هایی ایجاد کرد. توپوگرافی (شیب) نمونه بارز این است که چگونه یک آستانه تعیین شده توسط نویسندگان یا “هیئت متخصصان” می تواند به طور گسترده ای بین مطالعات متفاوت باشد و بر نتایج نقشه برداری شده تأثیر بگذارد. در مطالعات بررسی شده در اینجا، در درجه اول شیب های بسیار شیب دار برای کاشت از تجزیه و تحلیل حذف شدند. با این حال، آستانه های دقیق می تواند ذهنی باشد و بنابراین نتایج به طور قابل توجهی متفاوت است. برای مثال، لاوت و همکاران در تعریف کاری خود از زمین های حاشیه ای. [ 32 ] شیب های > 15 درصد را حذف کردند ، در حالی که گوپالاکریشنان و همکاران. [ 40 ]شامل شیب های > 15٪. Milbrandt و Overend [ 31 ] شیب هایی بین 8 تا 30 درصد را شامل می شوند. Fiorese و Guariso [ 38 ] و Gelfand و همکاران. [ 17 ] شیب های بیش از 20 درصد و سه مطالعه در چین، از جمله Schweers et al. [ 34 ]، ژوانگ و همکاران. [ 26 ] و لو و همکاران. [ 35 ] شیب‌های بیش از 25 درصد حذف شدند. مطالعات با سطوح متعدد حاشیه، آستانه های متعددی برای شیب ها داشتند، از جمله کانگ و همکاران. [ 44] که از یک تعریف فیزیکی از زمین‌های حاشیه‌ای استفاده کرد که شیب‌های > 30 درصد را حذف کرد و یک تعریف زیست‌محیطی-اکولوژیکی که شیب‌های کمتر از 8 درصد را حذف کرد. کای و همکاران [ 27 ] هشت کلاس شیب را برای تجزیه و تحلیل فازی خود شناسایی کرد.

جدول 3. خلاصه مجموعه داده های اولیه استفاده شده.

4.2.5. انتخاب کلاس موضوعی

با در نظر گرفتن لایه‌های داده با موضوع و مقیاس یکسان، اغلب در بین مطالعات در کلاس‌های موضوعی مورد استفاده در تجزیه و تحلیل تفاوت‌هایی وجود داشت. اکثر مطالعات از خاک (17 از 21) و پوشش زمین (18 از 21) به عنوان معیارهای ورودی برای تعیین زمین حاشیه استفاده کردند، اما به روش های غیر استاندارد. به عنوان مثال، برخی از مجموعه داده‌های پوشش زمین، گاهی اوقات طبقه‌بندی‌های کمتر رایج دیگری را که فقط مختص آن مجموعه‌داده‌ها هستند، شامل می‌شوند که مقایسه‌ها را مشکل‌ساز می‌سازد. به عنوان مثال، تنرلی و کارور [ 43 ] و لاوت و همکاران. [ 32 ] از نقشه پوشش زمین (LCM) 2000 ( جدول 3 ) استفاده کردند، اما Lovett و همکاران. [ 32] تنها از طبقه‌بندی علفزار LCM2000 استفاده می‌کردند، اما تنرلی و کارور [ 43 ] از کلاس‌های پوشش زمین منحصربه‌فرد شامل غلات زراعی، باغبانی، مراتع بهبود یافته و علفزارهای کنار گذاشته شده استفاده کردند که منحصر به LCM2000 بود [ 73 ]. مطالعه ایتالیایی توسط فهد و همکاران. [ 37 ] از مجموعه داده پوشش زمین CORINE ( جدول 3 ) برای جداسازی زمین های قابل کشت غیر آبیاری استفاده کرد. در ایالات متحده، گوپالاکریشنان و همکاران. [ 40 ] از رزولیشن 56 متری 2007 USDA Cropland Layer Data Layer (CDL) ( جدول 3 ) استفاده کردند و مقوله موضوعی “زمین زراعی بیکار و آیش” را برای مدل خود مورد هدف قرار دادند، که آنها فرض کردند شامل زمین های برنامه ذخیره زراعی (CRP) است ( i). ه . زمین های واگذار شده). در مجموع، دسته بندی های ذکر شده در بالا معمولاً در همه مجموعه داده های پوشش زمین در دسترس نبودند، بنابراین مقایسه متقابل بین مطالعات را دشوار می کند.

یکی از رایج ترین معیارهای ورودی مرتبط با خاک در مطالعات مورد بررسی در اینجا، کلاس قابلیت زمین (LCC) بود. در ایالات متحده، خدمات حفاظت از منابع طبیعی (NRCS) LCC را به عنوان ” سیستمی از گروه بندی خاک ها عمدتاً بر اساس توانایی آنها برای تولید محصولات زراعی معمولی و گیاهان مرتعی بدون زوال در یک دوره زمانی طولانی ” توصیف می کند [ 74 ]. چندین انطباق از این سیستم در سراسر جهان استفاده شده است [ 55 ، 75 ]. در سراسر مجموعه داده ها، LCC از ترکیبی از معیارها، از جمله خطر فرسایش، عمق خاک، رطوبت، شیب و آب و هوا [ 76 ] مشتق شده است.]. مقادیر پایین LCC زمین های کشاورزی برتر را با محدودیت های کم و مقادیر بالاتر نشان دهنده زمین هایی با محدودیت های فزاینده برای تولید کشاورزی است. در مطالعات مورد بررسی در اینجا، LCC اغلب به عنوان یک لایه محدود کننده برای حذف زمین های کشاورزی اولیه از تجزیه و تحلیل استفاده می شود. با این حال کلاس های عددی متفاوتی اجرا شدند. به عنوان مثال، در انگلستان Lovett et al. [ 32 ] زمین حاشیه ای را به سطوح LCC 3 و 4 از طبقه بندی زمین کشاورزی (ALC)، در کانادا، لیو و همکاران، محدود کرد. [ 36 ] تجزیه و تحلیل خود را به سیستم رتبه بندی تناسب زمین (LSRS) طبقات 4 تا 6 و در ایالات متحده Gelfand و همکاران محدود کردند. [ 17] زمین های حاشیه ای را به سطوح 5 تا 7 NRCS LCC محدود کردند، و در ایتالیا، Tenerelli و Carver [ 43 ] نتیجه نقشه برداری نهایی خود را به کلاس های نقشه قابلیت زمین کشاورزی از پیش تعیین شده 3 تا 5 محدود کردند. در مجموع، هیچ یک از مطالعاتی که LCC را در خود پیاده سازی کردند مدل از همان کلاس های موضوعی استفاده می کرد.

4.2.6. مسائل مربوط به بازنمایی داده ها

در نهایت، بسیاری از مدل‌های تناسب GIS که در اینجا بررسی شدند، فرض کردند که معیارهای ورودی، مرزهای واضحی را بین آنچه که زمین حاشیه‌ای است و آنچه نیست، نشان می‌دهد. با این حال، همانطور که در مورد متغیرهای فیزیکی، مانند شیب، واقعیت اغلب پیوسته تر است. گاهی اوقات عدم قطعیت در آستانه‌هایی که زمین‌های حاشیه‌ای را مشخص می‌کنند را می‌توان در روش‌های تحلیل به‌عنوان راهی برای ترسیم معیارهای ورودی به صورت پیوسته مورد بررسی قرار داد. به عنوان مثال، تنرلی و کارور [ 43] معیارهای ورودی خود را با توجه به سازگاری آنها با نیازهای اکولوژیکی محصولات استاندارد کرد. بر اساس دانش تخصصی، معیارهای ورودی عددی (به عنوان مثال، درجه روز، pH، بارندگی و شیب) با استفاده از توابع سود مستمر یا هزینه و معیارهای ورودی اسمی (مثلا مقادیر کیفی عمق خاک و بافت خاک) با استفاده از رتبه بندی استاندارد شدند. رویکرد. به جای آستانه‌های دودویی، این روش‌ها از درجه‌های حاشیه‌ای پیوسته‌تری استفاده می‌کنند که دقیقاً شبیه ماهیت پیوسته داده‌های ورودی است.

4.3. مسائل مقیاس

مقالاتی که در اینجا بررسی می شوند، کار را در مقیاس جهانی، ملی، منطقه ای و محلی ارائه می دهند. همانطور که در اکثر مدل‌های GIS رایج است، واضح است که مقیاس تجزیه و تحلیل بر نحوه ساختاربندی تعریف کاری زمین حاشیه‌ای تأثیر می‌گذارد، زیرا بر انتخاب مدل، در دسترس بودن و انتخاب داده‌ها و وضوح تأثیر می‌گذارد. به عنوان مثال، مجموعه داده‌های موجود برای مطالعات ملی در محدوده تفکیک فضایی از 56 متر تا 1 کیلومتر بود، در حالی که مجموعه داده‌های جهانی در وضوح بین 300 متر تا 5 دقیقه قوس متغیر بودند. علاوه بر این، حالت‌های مختلف مقیاس، از جمله نسبت (1:100 k)، اندازه پیکسل (1 کیلومتر)، و وضوح فضایی (30 ثانیه قوس) گزارش شده‌اند که مقایسه مستقیم بین مطالعات را حتی دشوارتر می‌کند.

به طور کلی، مجموعه داده های جهانی با وضوح نسبتاً درشت در دسترس هستند و همچنین اغلب قدیمی هستند – گاهی اوقات بیش از یک دهه قبل از انجام مطالعه با استفاده از داده ها تولید می شوند. بزرگترین تفاوت ها در مجموعه داده های پوشش زمین در مطالعات جهانی بررسی شده آشکار بود، که در آن از چهار مجموعه داده جهانی پوشش زمین در بین پنج مطالعه جهانی مورد بررسی در اینجا استفاده شد. تجزیه و تحلیل توسط Cai و همکاران. [ 27 ] از مجموعه داده پوشش زمین برنامه بین المللی ژئوسفر-زیست کره (IGBP) که در سال 1997 منتشر شد [ 77 ، 78 ] استفاده کرد که در 30 ثانیه قوس در دسترس است. هر دو فیلد و همکاران و کمبل و همکاران [ 28 ، 29] هم استفاده از زمین گذشته و هم کاربری فعلی زمین (1700 تا 2000) را از پایگاه داده HYDE در 5 دقیقه قوس [ 79 ] برای نقشه برداری مراتع و زمین های زراعی متروکه، همراه با محصول پوشش زمین MODIS 2004 برای پوشاندن پوشش های نامناسب زمین فعلی استفاده کرد. نیسن و همکاران [ 30 ] از مجموعه داده جهانی پوشش زمین 2000 (GLC2000) با وضوح 1 کیلومتر استفاده کرد [ 80 ]. میلبراند و اورند [ 31] از 2000 داده پوشش زمین GAEZ در 5 دقیقه قوس استفاده کرد. در مجموع، از مجموعه داده‌های پوشش جهانی «جاری» مورد استفاده در مطالعات مورد بررسی در اینجا، یکی در سال 1997 منتشر شد، دو مورد دارای تاریخ انتشار 2000 هستند، و مطالعاتی که از مجموعه داده‌های MODIS استفاده می‌کردند، تاریخ‌های متفاوتی از جمله 2004، 2006 و 2008 داشتند. مثال‌ها چالشی را که مدل‌سازی جهانی در دستیابی به داده‌های به موقع دارد، نشان می‌دهد.

اشکال دیگر مطالعات جهانی وضوح درشت مجموعه داده ها است. Nijsen (2012) تلاش کرد تا با کوچک کردن پایگاه داده درشت خاک های GLASOD (پایگاهی از تخریب خاک ناشی از انسان از سال 1945 تا 1990) از مقیاس mmu 5652 کیلومتر ² تا 5 در دقیقه قوس، با استفاده از چندین پایگاه داده صریح فضایی با ریزمقیاس به این مسئله بپردازد. وضوح [ 30 ]. مطالعات دیگر بر مجموعه داده‌های خاک موجود در حال حاضر تکیه دارند، اما هیچ دو مطالعه جهانی که در اینجا مرور شده‌اند از مجموعه داده‌های یک منبع استفاده نکرده‌اند. کای و همکاران [ 27] از دو مجموعه داده، پایگاه داده جهانی خاک (HWSD) موجود در 30 ثانیه قوس برای به دست آوردن رتبه بهره وری خاک برای هر پیکسل و همچنین 16 شاخص در رژیم دمای خاک (STR) موجود در USDA-NRCS استفاده کرد. Milbrandt و Overend [ 31 ] از مجموعه داده خاکهای GAEZ با وضوح 5 دقیقه قوس استفاده کردند.

مطالعات جهانی تنها در این تفاوت ها نبودند. همچنین تفاوت‌های بین‌المللی بین مجموعه داده‌های ملی وجود داشت، زیرا روش‌های تولید مجموعه داده‌های ملی بر اساس کشور متفاوت است. به عنوان مثال، از مقالات مورد بحث در اینجا، بسیاری از مطالعات ملی از مجموعه داده های خاک در سطح ملی استفاده کردند. لاوت و همکاران [ 32 ] از پایگاه داده NatMap 1000 برای مطالعه خود در بریتانیا استفاده کردند. عوده و همکاران [ 33 ] از مجموعه داده های CISIRZ موجود برای استرالیا و Lu et al. [ 35 ] و ژوانگ و همکاران. [ 26 ] از نقشه خاک چین (RESDC) استفاده کرد ( جدول 2 ).

فقط یک مطالعه بررسی شده در اینجا در مقیاس محلی انجام شد. برای تجزیه و تحلیل سطح شهر خود در پیتسبورگ، Niblick و همکاران. [ 45 ] از مجموعه داده های بسیار محلی، مانند منطقه بندی تجاری در سطح بسته استفاده می کند [ 45 ]. تجزیه و تحلیل آن‌ها همچنین از یک کلاس ویژگی راه‌های سبز استفاده می‌کرد که شامل مزرعه‌های کشاورزی، دشت‌های سیل‌آلود جنگلی، راه‌های سبز تعیین‌شده، ویژگی‌های امانی زمین، رودخانه‌های حائل با 100 فوت، جریان‌های حفاظت‌شده با 50 فوت، شیب‌های حساس، تالاب‌هایی به مساحت 1 هکتار یا بیشتر با 50 متر حائل بود. فوت، زمین های گلف، پارک ها و مسیرهای پیاده روی. این نوع مجموعه داده، محدودیت‌های دنیای واقعی برای مزارع انرژی زیستی را بهتر نشان می‌دهد. با این حال، چنین داده‌هایی برای تحلیل‌های سطح جهانی در دسترس نیستند.

4.4. مسائل عدم قطعیت

حسابداری کامل خطا در هر تحلیل GIS مهم است، اما اغلب تکمیل نمی شود. مسائل مربوط به دقت، انتشار خطا و حساسیت به ویژه مهم هستند زیرا طرفداران تولید انرژی زیستی اغلب به این مطالعات استناد می‌کنند و اغلب کران بالایی را به جای کران پایین نتایج نقشه‌برداری شده نقل می‌کنند [ 81 ]. برای ترکیب بهتر خطا و عدم قطعیت در تجزیه و تحلیل تناسب زمین، چهار مولفه باید مورد بررسی قرار گیرد: (1) دقت معیارهای ورودی. (2) اعتبار سنجی نتایج نهایی؛ (3) انتشار خطا، یا ترکیب خطاها در مجموعه داده های ورودی از طریق مدل. و (4) حساسیت خروجی های مدل به ورودی ها [ 82 ، 83 ، 84 ، 85]. دو مورد اول، دقت و اعتبار بیشتر در ادبیات مورد استقبال قرار می گیرند. دو مورد آخر، تجزیه و تحلیل عدم قطعیت و تحلیل حساسیت، به طور فزاینده ای برای ارزیابی اثر انتشار خطا و عدم قطعیت های مدل، و همچنین اهمیت نسبی منابع عدم قطعیت [ 83 ، 84 ، 86 ، 87 ] مورد استفاده قرار می گیرند. این روش‌ها می‌توانند به تصمیم گیرندگان کمک کنند تا سودمندی داده‌های ورودی، و همچنین خطر فرض یک سناریوی مدل‌سازی‌شده خاص را ارزیابی کنند [ 83 ]. ما مقالات هدف خود را برای توجه آنها به این مسائل بررسی کردیم. حداقل هشت مطالعه بررسی شده در اینجا به هیچ وجه دقت یا عدم قطعیت را ذکر نکرده اند [ 13 , 17 , 26 , 35, 36 , 38 , 39 , 41 ]. از آنجایی که این مطالعات محصولاتی را که هنوز کاشته نشده اند ترسیم کردند، این تعجب آور نیست. با این حال، پروتکل های گسترده ای در رشته علوم GIS توسعه یافته است که روش های ارزیابی کیفیت معیارهای ورودی و درک احتمال انتشار خطا و حساسیت مدل را ترسیم می کند [ 82 ، 84 ، 88 ].

اگرچه بیشتر مطالعاتی که در اینجا بررسی می‌شوند، دقت مجموعه داده‌های ورودی خود را ذکر نمی‌کنند، ابرداده‌ها نشان می‌دهند که دقت گزارش‌شده مجموعه‌داده‌های پوشش زمین از 67.1٪ (GlobCover) تا 87٪ (CORINE) متغیر است ( جدول 2 ). دقت مجموعه داده های پوشش زمین می تواند تأثیرات عمیقی بر نتایج نقشه برداری داشته باشد. فریتز و سی [ 89 ، 90 ] عدم قطعیت موضوعی و همچنین عدم قطعیت فضایی را در نقشه‌های جهانی پوشش زمین برجسته کردند. هنگام مقایسه GlobCover با داده‌های پوشش زمین MODIS، هر دو معیار ورودی مورد استفاده در مطالعات مورد بررسی در اینجا، اختلاف جنگل و زمین زراعی ترکیبی را 893 Mha دریافت کردند (فریتز و همکاران ، 2011). همانطور که فیلد و همکاران. [ 29] اشاره کرد، مجموعه داده پوشش زمین MODIS بین مرتع و مرتع تمایز قائل نمی شود – یک تمایز بالقوه مهم برای کاشت محصولات انرژی زیستی.

با توجه به نتایج نقشه‌برداری نهایی، عدم قطعیت‌ها اغلب فقط به صورت کیفی در بحث یا نتیجه‌گیری مقاله مطرح می‌شوند. به عنوان مثال، فیلد و همکاران. [ 29 ] عدم قطعیت در نتایج خود را مشخص کرد و گفت که در حالی که ” توزیع منطقه ای کشاورزی و مراتع نسبتاً قطعی است، عدم قطعیت برای این برآورد منطقه متروکه قابل توجه است (احتمالاً 50٪ یا بیشتر) ” . [ 40] از نظر کیفی اذعان داشت که عدم قطعیت از طبقه‌بندی زمین‌های حاشیه‌ای و استفاده از لایه‌های داده در مقیاس‌های مختلف ناشی می‌شود (مقیاس‌های داده‌های ورودی مورد استفاده در تجزیه و تحلیل آنها از 10 متر جاده و بافرهای ساحلی تا داده‌های خاک با حداقل واحد نقشه‌برداری 617 هکتار است). به دلیل وضوح درشت ورودی ها، برخی از تحلیل های سطح جهانی، از جمله فیلد و همکاران. [ 29 ] و کمبل و همکاران. [ 28 ]، سلب مسئولیت ها را به نتایج نقشه برداری شده خود اضافه کردند، که نشان می دهد تخمین های کلی توزیع فضایی نباید در سطح محلی تجویز شود.

کای و همکاران [ 27 ] اظهار می‌دارد که نگرانی‌های مربوط به عدم قطعیت ذاتاً در روش‌های آن‌ها مورد توجه قرار می‌گیرد و می‌گوید: « FLM (مدل‌سازی منطق فازی) برای درمان عدم قطعیت مجموعه‌های داده‌های جهانی و ماهیت فازی ذاتی در طبقه‌بندی زمین بر اساس معیارهای متعدد استفاده می‌شود. ثابت شده است که FLM ابزار قدرتمندی برای رسیدگی به تنوع داده ها، عدم دقت و عدم قطعیت و درمان ابهام و عدم قطعیت موجود در تولید طبقه بندی های مستمر واقع گرایانه است. با این حال، تجزیه و تحلیل های سطح جهانی مانند این هنوز با یک مانع دشوار روبرو هستند که نتایج آنها با تجزیه و تحلیل های سطح محلی مقایسه شود. در یک مطالعه اخیر، نتایج نقشه برداری از Cai و همکاران. [ 27 ] توسط فریتز کالیبره شدندو همکاران [ 81 ]، که برآوردهای سال 2011 را بر اساس تنظیمات آماری حاصل از جمع‌سپاری تصاویر Google Earth کاهش داد. تخمین آنها بسته به سناریو، مساحت زمین موجود را بین 264 تا 376 مگا هکتار کاهش داد، که ممکن است نشان دهد که مطالعات جهانی زمین های موجود برای تولید انرژی زیستی را بیش از حد برآورد می کند.

یک مطالعه که در اینجا مرور شد، نتایج خود را با مجموعه داده‌های موجود تأیید کرد که ممکن است پروکسی برای زمین‌های حاشیه‌ای باشند. کانگ و همکاران (2013) نتایج خود را با زمین‌های موجود برنامه ذخیره‌سازی حفاظتی (CRP) و همچنین کلاس‌های قابلیت زمین 5 تا 8 مقایسه کردند و استدلال کردند که این نام‌گذاری‌ها در گذشته برای تعیین کمیت زمین‌های حاشیه‌ای استفاده شده‌اند. آنها استدلال کردند که تجزیه و تحلیل سلسله مراتبی آنها جامع تر از استفاده از زمین های LCC یا CRP به تنهایی بود، تا حدی به این دلیل که نتایج آنها نشان داد که مساحت بیشتری در حال نقشه برداری است. مطالعه دیگری توسط Schweers و همکاران. [ 34] با استفاده از داده‌های GPS، عکس‌ها، مصاحبه‌ها و داده‌های دولتی، بررسی‌های زمینی را برای تأیید نتایج نقشه‌برداری شده خود در دو منطقه انجام داد. آنها دریافتند که تنها 60 درصد از سایت های تأیید زمینی (از مجموع 19 مکان) کاملاً با ارزیابی سنجش از راه دور موافق بودند. آنها همچنین گزارش دادند که استفاده از داده‌های پوشش زمین در سال 2005، تغییرات کاربری زمین را که در بررسی میدانی سال 2009 مشاهده شد، نشان نداد، و وضوح DEM (30 ثانیه قوس) استفاده شده برای استخراج شیب برای آشکار کردن ظرایف ظریف کافی نیست. چشم انداز.

فقط یک مطالعه به صورت کمی به عدم قطعیت و حساسیت پرداخت. تنرلی و کارور [ 43] تجزیه و تحلیل حساسیت و عدم قطعیت گسترده ای انجام داد و اذعان داشت که نتایج می توانند تحت تأثیر خطاهای ورودی و مدل قرار گیرند و عدم قطعیت از معیارها و پارامترهای ورودی به خروجی نهایی منتشر می شود. برای ارزیابی انتشار خطا، تجزیه و تحلیل عدم قطعیت آنها از شبیه سازی مونت کارلو بر اساس دقت داده ها استفاده کرد. تجزیه و تحلیل حساسیت آنها، که ارزیابی کرد که هر ورودی چگونه بر مدل تأثیر می گذارد، شامل دو روش بود. اولی هر یک از معیارهای ورودی را یک به یک از طریق رویکرد جک نایف حذف کرد. مورد دیگر شبیه سازی حساسیت روی وزن معیارها بر اساس رویکرد مونت کارلو بود. نتایج نشان داد که کدام معیارها کم و بیش بر نتایج نگاشت شده تأثیرگذار هستند و هر معیار چقدر به پارامترهای ورودی از جمله وزن های اعمال شده حساس است.

5. بحث

ما مجموعه‌ای از ادبیات اخیر را بررسی کردیم که نقشه‌برداری پتانسیل انرژی زیستی را در فضا و مقیاس توصیف می‌کند. پروژه‌هایی که مواد اولیه انرژی زیستی نسل دوم را هدف قرار می‌دادند، روی زمین‌هایی متمرکز بودند که ممکن است به عنوان حاشیه‌ای طبقه‌بندی شوند، و از مدل‌های GIS صریح فضایی برای اشتراک‌ها و تفاوت‌ها در روش‌شناسی مورد ارزیابی قرار گرفتند. در حالی که بیشتر مقالات تعاریف کلی مشابهی را برای زمین حاشیه ای ارائه کردند، تعاریف کاری آنها – آنهایی که در چارچوب مدل سازی فضایی پیاده سازی می شوند – بسیار متفاوت بودند. مفهوم “زمین حاشیه ای” اغلب ثابت فرض می شود، اما بررسی ما نشان می دهد که این مفهوم بهتر به عنوان نسبی درک می شود: به نسبت یا در رابطه با چیز دیگری در نظر گرفته شود. به عنوان مثال، بسیاری از مقالات، زمین‌هایی را که در مقایسه با زمین‌های کشاورزی حاشیه‌ای هستند، بررسی کردند. این زمین ها در مقایسه با توانایی آنها در ارائه زیستگاه حیات وحش یا سایر خدمات اکوسیستمی ممکن است حاشیه ای نباشند. متناوبا، بسیاری از مقالاتی که در اینجا مرور می‌شوند در پاسخ به داده‌هایی که یک محقق می‌تواند به دست آورد، تعریف شده‌اند، که نشان می‌دهد که نقشه‌برداری دشوار است، اما با این وجود، ممکن است مناظر مهم در بحث غایب باشند.

ما هیچ تعریف کاری مشترکی از زمین حاشیه ای در تمام این مطالعات پیدا نکردیم، از جمله تفاوت های قابل توجه بین مدل ها، داده های ورودی، مقیاس ها و روش های اعتبار سنجی. یک کشور – چین – یک مطالعه موردی برای بررسی مقایسه‌های بالقوه ارائه کرد. با وجود شباهت بالقوه قصد، نمونه‌های چینی تفاوت‌های قابل‌توجهی را در نتایج نقشه‌برداری شده نشان می‌دهند که ناشی از تفاوت در انتخاب محصول، چارچوب مدل، ورودی داده، مقیاس و درمان عدم قطعیت است. این تفاوت ها در سراسر ادبیات گسترده تر تکرار شد.

5.1. چارچوب مدلسازی

چارچوب سیستم اطلاعات جغرافیایی یک چارچوب مفید و منعطف است که در آن می توان مدلسازی مناسب را انجام داد. اکثر مقالاتی که در اینجا بررسی می‌شوند از پوشش‌های GIS نسبتاً ساده با استفاده از ترکیب خطی معیارهای ورودی با آستانه‌های متمایز استفاده می‌کنند که زمین را به‌عنوان حاشیه‌ای یا غیر حاشیه‌ای شناسایی می‌کند. مدل هایی که درجات مختلف حاشیه را مشخص می کنند کمتر رایج بودند [ 27 ، 35 ، 39 ، 43]. با این حال، همانطور که این مطالعه نشان می‌دهد، آستانه‌های تعیین‌کننده حاشیه‌ای بین مطالعات بسیار متفاوت است و با دقت فاصله زیادی دارند. اگرچه همپوشانی های ساده GIS دارای مزیت شفاف و آسان برای تکرار هستند، ممکن است بهترین معیار برای مفهوم پویای زمین حاشیه ای نباشند. بنابراین، نیاز به ادغام تداوم طبیعی مجموعه‌های داده وجود دارد – چه با استانداردسازی معیارهای ورودی یا ادغام نظریه مجموعه‌های فازی – به روش‌هایی که این موضوع سیال را به طور مؤثرتری نشان دهد.

5.2. در دسترس بودن داده ها

ما طیف وسیعی را در انتخاب داده‌ها برای معیارهای ورودی پیدا کردیم، بنابراین جای تعجب نیست که انتخاب داده‌ها به ندرت در بین مطالعات سازگار باشد. به عنوان مثال، بیشتر مطالعات در مقیاس‌ها از نوعی از پوشش زمین و مجموعه داده‌های خاک استفاده می‌کردند، اما ما دریافتیم که 13 مجموعه داده پوشش زمین و 16 مجموعه داده مختلف خاک مورد استفاده قرار گرفته‌اند. این واقعیت به تنهایی برای تأثیر قابل توجهی بر نتایج نقشه برداری کافی است. علاوه بر این، تفاوت در آستانه داده ها، انتخاب کلاس موضوعی، و روش های نمایش داده ها به این معنی است که تجزیه و تحلیل با داده های یکسان می تواند نتایج متفاوتی به همراه داشته باشد. ما همچنین دریافتیم که فقدان داده‌های مناسب یک محرک اضافی برای تفاوت‌های بین مطالعات است. به عنوان مثال، کانگ و همکاران. [ 44] ابتدا 30 متغیر کلیدی را برای تجزیه و تحلیل خود شناسایی کرد، اما تنها 21 متغیر مورد استفاده قرار گرفت زیرا داده‌های مربوط به 9 متغیر مورد نظر دیگر (به عنوان مثال، از دست دادن مواد مغذی، تنوع زیستی، انعطاف‌پذیری، مقاومت، مناطق بافر یا کریدورها، و مکان‌گردان برای “محدودیت‌های دیگر”) مورد استفاده قرار گرفت. به آسانی در دسترس نیست یا به راحتی قابل اندازه گیری نیست. عوامل اجتماعی-اقتصادی کمترین رده معیارهای ورودی بودند که نشان می‌دهد استانداردسازی به‌ویژه در این مقوله وجود نداشت.

5.3. مقیاس تحلیل

ما پروژه هایی را بررسی کردیم که در مقیاس های جهانی، ملی، منطقه ای و محلی تمرکز داشتند. مقیاس تجزیه و تحلیل به وضوح بر روشی که در آن تعریف کاری از زمین حاشیه ای ساختار می شود تأثیر می گذارد، زیرا بر انتخاب مدل، در دسترس بودن و انتخاب داده ها و وضوح تأثیر می گذارد. در برخی از پروژه ها، داده ها با مقیاس تجزیه و تحلیل مطابقت داشتند، به روشی که مطالعات جهانی از مجموعه داده های جهانی استفاده کردند، اما در برخی پروژه ها، عدم تطابق وجود داشت. شویرز و همکاران [ 34 ] تجزیه و تحلیل خود را در مقیاس ملی انجام دادند، اما از آنجا که آنها در حال نقشه برداری از زمین های متروک بودند، از مجموعه داده های سطح جهانی استفاده کردند. این باعث می شود که نتایج بیشتر با برآوردهای جهانی قابل مقایسه باشند، اما کمتر با برآوردهای ملی قابل مقایسه باشند.

مطالعات ملی در پرداختن به سیاست های ملی و اهداف انرژی زیستی برتری دارند. آنها همچنین دارای انعطاف پذیری نقشه برداری برای گونه های انرژی زیستی خاص، به عنوان مثال، Miscanthus ، یا برای مجموعه ای از محصولات زیست انرژی عمومی، مانند علف های چند ساله یا جنگلداری با چرخش کوتاه هستند. معیارهای ورودی برای مطالعات ملی لزوماً در مقیاس ملی یا جهانی در دسترس هستند. بنابراین داده ها عموماً درشت تر از داده های موجود برای مطالعات منطقه ای هستند، اما می توانند وضوح بالاتری نسبت به مطالعات جهانی داشته باشند. مجموعه داده ها اغلب مختص کشور هستند و استاندارد بین المللی نیستند.

مطالعات انجام شده در مقیاس منطقه ای برای ترکیب مجموعه داده های دقیق، از جمله داده های خاک در مقیاس خوب (به عنوان مثال، پایگاه داده های جغرافیایی بررسی خاک (SSURGO)، 1:24000) و همچنین مرزهای جاده ها و ساحلی [ 40 ] بهترین مناسب هستند. مطالعات منطقه ای همچنین این مزیت را دارند که می توانند ورودی های اجتماعی-اقتصادی را در سطح واقعی تری از تجزیه و تحلیل ترکیب کنند [ 38 ]. این اجازه می دهد تا مطالعات منطقه ای به اهداف مدیریتی خاص و نقشه برداری برای گونه های انرژی زیستی خاص بپردازند. روش‌شناسی برای مطالعات در مقیاس‌های منطقه‌ای از روکش‌های استاندارد GIS باینری [ 37 ] تا تحلیل‌های بسیار پیچیده [ 43 ] متفاوت است.]. با این حال، مطالعات منطقه‌ای را می‌توان از این جهت محدود کرد که نتایج اغلب مختص محصول هستند و بنابراین برون‌یابی مدل‌ها به مناطق بزرگ‌تر دشوار است.

5.4. عدم قطعیت

بیشتر مقالاتی که در اینجا بررسی می‌شوند، جزئیات کمی را در مورد دقت و عدم قطعیت ارائه می‌کنند، که دامنه وسیعی را در آینده برای این نوع کار نشان می‌دهد. بررسی فراداده ها نشان داد که دقت داده های پوشش زمین ورودی از 67.1٪ تا 87٪ متغیر است، با این حال این اعداد به ندرت در خود آثار گزارش شده اند و تأثیرات انتشار خطا به ندرت مورد توجه قرار می گیرد. نتایج تحلیل‌های دقت و عدم قطعیت به‌ویژه مهم هستند، زیرا سطح بالای محدوده تخمین‌های نقشه‌برداری شده اغلب بیشترین استناد است. از آنجایی که این تخمین‌ها پتانسیل تأثیرگذاری بر سیاست‌گذاری و سرمایه‌گذاری‌های دنیای واقعی را دارند، به‌ویژه مهم است که اطمینان حاصل شود که آنها واقعاً نماینده منابع زمینی در دسترس هستند. در ابتدایی ترین سطح، مطالعات می‌توانند این عدم قطعیت‌ها را با ارائه طیف وسیعی از مناطق حاشیه‌ای نقشه‌برداری شده (که توسط محدودیت‌های نرم یا تحلیل‌های دقت تنظیم شده‌اند) که ممکن است به جای یک عدد دقیق برای محصولات بیوانرژی مناسب باشند، بیان کنند. با این حال هنوز این خطر وجود دارد که تنها بالاترین مقدار تخمین محدوده در ادبیات آینده ترویج انرژی زیستی ذکر شود.

6. نتیجه گیری

چالش‌های برنامه‌ریزی برای احکام بیوانرژی در سطح جهانی بزرگ و متعدد هستند. مهمترین آنها نیاز به تعیین محل کاشت مواد اولیه بیوانرژی برای برآورده کردن الزامات انرژی در عین حصول اطمینان از تولید مواد غذایی پایدار و حفاظت از محیط زیست است. وسعت پروژه‌هایی که در اینجا بررسی می‌شوند، زیربنای مزایای مدل‌سازی فضایی و GIS – حتی زمانی که به سادگی اجرا می‌شوند – در پیش‌بینی جایی که انرژی زیستی ممکن است کاشته شود، است. با این حال، تفاوت‌های قابل‌توجه در تعاریف، مدل‌ها و داده‌های نشان‌داده‌شده در این بررسی، پتانسیل محدودی را برای مقایسه در بین مطالعات، و همچنین برای کارهای سنتزی که پتانسیل سوخت زیستی جهانی را کمی‌سازی می‌کند، امکان‌پذیر می‌سازد. برخی از تفاوت های برجسته شده در این کار ممکن است با استانداردسازی، از طریق استفاده از مجموعه داده های مشابه و تجزیه و تحلیل های مشابه، به حداقل برسد. و برخی ممکن است با استفاده بهتر از پروتکل های موجود، مانند روش های رایج ارزیابی دقت، به حداقل برسد. بنابراین، نقشه‌برداری پتانسیل بیوانرژی برای یک متاآنالیز یا آزمایش‌های مشترک که از داده‌ها و پروتکل‌های مشترک استفاده می‌کنند، آماده است.

چالش‌ها همچنین در پرداختن مؤثر به معضل استفاده از زمین انرژی زیستی باقی می‌ماند. مطالعاتی که در اینجا به صورت جداگانه و به طور کلی بررسی می‌شوند، اهمیت پالایش تخمین‌های نظری تناسب انرژی زیستی با شرایط دنیای واقعی را تکرار می‌کنند که منعکس‌کننده درک صریح تعادل بین سوخت، غذا و حفاظت است. زمین‌هایی که ممکن است به‌عنوان حاشیه‌ای شناسایی شوند و صرفاً بر اساس شرایط فیزیکی نقشه‌برداری شوند، ممکن است با در نظر گرفتن عوامل اقتصادی، اجتماعی یا محیطی لزوماً برای کاشت انرژی زیستی در دسترس نباشند [ 91 ]]. با این حال، ترکیب این متغیرها در یک محیط GIS همیشه ساده نیست. استفاده از زمین که به سختی به تصویر کشیده می شود، مانند حضور دامداران، استفاده از زمین برای اهداف فرهنگی، یا برای حفاظت از تنوع زیستی، به سختی از طریق تکنیک های سنجش از دور (که در نقشه برداری پوشش زمین برتری دارند) به تصویر کشیده می شود و بنابراین اغلب در موارد گسترده گنجانده نمی شود. -مقیاس مجموعه داده های جغرافیایی این محدودیت‌های نقشه‌برداری، درک مؤثر مبادله بین غذا، سوخت و زمین را دست نیافتنی می‌سازد، اما با این وجود بسیار مهم است و ارزش تحقیقات بسیار کاربردی‌تری را دارد.

این مطالعه اولین مطالعه ای است که به طور سیستماتیک پروژه هایی را بررسی می کند که پتانسیل انرژی زیستی را در زمین های حاشیه ای ترسیم می کند. هدف ما ارائه چارچوبی برای کمک به محققان در ارزیابی بورس تحصیلی موجود در نقشه برداری از زمین های حاشیه ای بود. ما مناطقی را شناسایی کرده‌ایم که تفاوت‌های قابل درک در تعاریف، مدل‌ها، داده‌ها و برنامه‌های کاربردی منجر به تفاوت در نتایج نقشه‌برداری شده می‌شود. ما پیشنهاد می‌کنیم که در آینده نیاز فوق‌العاده‌ای برای مدل‌سازی فضایی انرژی زیستی وجود دارد، با این حال کار بیشتری باید انجام شود تا امکان کار مقایسه‌ای در بین کشورها و مقیاس‌ها و درک پتانسیل جهانی تجمعی برای محصولات بیوانرژی فراهم شود.

منابع

ناکیچنویچ، ن. آلکامو، جی. دیویس، جی. دی وریس، بی. فنهان، جی. گافین، اس. گریگوری، ک. گرابلر، آ. یونگ، تی. Kram, T. گزارش ویژه از گروه کاری III پانل بین دولتی در مورد تغییرات آب و هوا. در سناریوهای انتشار ; آزمایشگاه ملی شمال غرب اقیانوس آرام: ریچلند، WA، ایالات متحده; آزمایشگاه علوم مولکولی محیطی: ریچلند، واشنگتن، ایالات متحده آمریکا، 2000; پ. 570. [ Google Scholar ]
سامرویل، سی. یانگز، اچ. تیلور، سی. دیویس، SC; مواد اولیه SP طولانی برای سوخت های زیستی لیگنوسلولزی. Science 2010 , 329 , 790-792. [ Google Scholar ] [ CrossRef ]
یانگز، اچ. Somerville، C. توسعه مواد اولیه برای سوخت های زیستی سلولزی. F1000 Biol. Rep. 2012 , 4 . [ Google Scholar ] [ CrossRef ]
دیل، وی.اچ. Kline، KL; وینز، جی. Fargione, J. Biofuels: Implications for Use Land and Biodiversity ; انجمن اکولوژیک آمریکا: واشنگتن، دی سی، ایالات متحده آمریکا، 2010. [ Google Scholar ]
کیم، اس. دیل، BE تغییر غیرمستقیم کاربری زمین برای سوخت های زیستی: آزمایش پیش بینی ها و بهبود روش های تحلیلی. Biomass Bioenergy 2011 ، 35 ، 3235-3240. [ Google Scholar ] [ CrossRef ]
تیلمن، دی. سوکولو، آر. فولی، جی. هیل، جی. لارسون، ای. لیند، ال. پاکالا، اس. ریلی، جی. جستجوگر، تی. سامرویل، سی. و همکاران سوخت های زیستی مفید – سه راه غذا، انرژی و محیط زیست. Science 2009 , 325 , 270-271. [ Google Scholar ] [ CrossRef ]
تیلمن، دی. هیل، جی. Lehman, C. سوخت های زیستی کربن منفی از زیست توده مرتعی با تنوع بالا با ورودی کم. Science 2006 ، 314 ، 1598-1600. [ Google Scholar ] [ CrossRef ]
Sissine, F. استقلال انرژی و قانون امنیت 2007: خلاصه ای از مقررات اصلی . کتابخانه کنگره-سرویس تحقیقات کنگره: واشنگتن، دی سی، ایالات متحده آمریکا، 2007. [ Google Scholar ]
تیان، ی. ژائو، ال. منگ، اچ. سان، ال. Yan, J. برآورد پتانسیل زمین استفاده نشده برای توسعه سوخت های زیستی در () جمهوری خلق چین. Appl. انرژی 2009 ، 86 ، S77–S85. [ Google Scholar ] [ CrossRef ]
رابرتسون، GP; دیل، وی.اچ. Doering، OC; هامبورگ، SP; ملیلو، جی.ام. سرگردان، MM; Parton، W. سوخت های زیستی پایدار کشاورزی redux. علوم 2008 ، 322 ، 49-50. [ Google Scholar ] [ CrossRef ]
Perlack، RD; رایت، LL; Turhollow، AF; گراهام، RL; استوکس، بی جی; Erbach, DC Biomass به عنوان ماده اولیه برای صنعت انرژی زیستی و محصولات زیستی: امکان سنجی فنی عرضه سالانه یک میلیارد تن . آزمایشگاه ملی Oak Ridge: Oak Ridge، TN، ایالات متحده، 2005. [ Google Scholar ]
Schmer, MR; Vogel، KP; میچل، RB; پرین، RK انرژی خالص اتانول سلولزی از علف سوئیچ. Proc. Natl. آکادمی علمی 2008 ، 105 ، 464-469. [ Google Scholar ]
Swinton، SM; Babcock، BA; جیمز، LK; Bandaru, V. قیمت های بالاتر محصولات ایالات متحده باعث گسترش کمی منطقه می شود بنابراین زمین های حاشیه ای برای محصولات سوخت زیستی محدود است. سیاست انرژی 2011 ، 39 ، 5254-5258. [ Google Scholar ] [ CrossRef ]
الوبید، ع. هارت، سی. گسترش اتانول در بحث غذا در مقابل سوخت: کشورهای در حال توسعه چگونه خواهند بود؟ جی. آگریک. اندام صنایع غذایی. 2007 ، 5 ، 1-23. [ Google Scholar ]
کاسمن، KG; Liska، AJ غذا و سوخت برای همه: واقع بینانه یا احمقانه؟ سوخت زیستی Bioprod. Biorefining 2007 ، 1 ، 18-23. [ Google Scholar ] [ CrossRef ]
لام، MK; قهوهای مایل به زرد، KT; لی، KT; محمد، AR روغن نخل مالزی: زنده ماندن از مناقشه غذا در مقابل سوخت برای آینده ای پایدار. تمدید کنید. حفظ کنید. انرژی Rev. 2009 ، 13 ، 1456-1464. [ Google Scholar ] [ CrossRef ]
گلفاند، آی. سحاجپل، ر. ژانگ، ایکس. Izaurralde، RC; ناخالص، KL; رابرتسون، GP تولید انرژی زیستی پایدار از زمین های حاشیه ای در غرب میانه ایالات متحده. طبیعت 2013 ، 493 ، 514-517. [ Google Scholar ] [ CrossRef ]
Bryngelsson، DK; لیندگرن، ک. چرا تولید انرژی زیستی در مقیاس بزرگ در زمین های حاشیه ای غیرممکن است: یک تحلیل تعادل جزئی مفهومی. سیاست انرژی 2013 ، 55 ، 454-466. [ Google Scholar ] [ CrossRef ]
سازمان همکاری اقتصادی و توسعه (OECD)؛ سازمان خواربار و کشاورزی ملل متحد (فائو). چشم انداز کشاورزی OECD-FAO 2012-2021 ; انتشارات OECD و فائو: رم، ایتالیا، رم. [ Google Scholar ]
برندز، جی. هوگویک، ام. ون دن بروک، آر. سهم زیست توده در تامین انرژی جهانی آینده: مروری بر 17 مطالعه. Biomass Bioenergy 2003 ، 25 ، 1-28. [ Google Scholar ]
هال، انجام دهید. روزیلو-کاله، اف. ویلیامز، RH; Woods, J. Biomass for Energy: Supply Prospects. در انرژی های تجدید پذیر برای سوخت و برق ; مطبوعات جزیره: واشنگتن، دی سی، ایالات متحده آمریکا، 1993; صص 593-651. [ Google Scholar ]
هوگویک، ام. فائج، ع. ون دن بروک، آر. برندز، جی. جیلن، دی. ترکنبورگ، W. کاوش در محدوده پتانسیل جهانی زیست توده برای انرژی. Biomass Bioenergy 2003 ، 25 ، 119-133. [ Google Scholar ] [ CrossRef ]
هاتون، RA; Unruh، JD; Lefebvre, PA پوشش فعلی زمین در مناطق استوایی و پتانسیل آن برای جداسازی کربن. گلوب. Biogeochem.Cycles 1993 ، 7 ، 305-320. [ Google Scholar ]
تانگ، ی. Xie، J.-S. Geng، S. تولید انرژی زیست توده زمینی حاشیه ای در چین. جی. اینتگر. گیاه بیول. 2010 ، 52 ، 112-121. [ Google Scholar ] [ CrossRef ]
کانگ، اس. پست، WM؛ نیکولز، جی. وانگ، دی. غرب، TO; بندرو، وی. زمین های حاشیه ای روبرتو، سی. ایزارالد: مفهوم، ارزیابی و مدیریت. جی. آگریک. علمی 2013 ، 5 . [ Google Scholar ] [ CrossRef ]
ژوانگ، دی. جیانگ، دی. لیو، ال. Huang، Y. ارزیابی پتانسیل انرژی زیستی در زمین های حاشیه ای در چین. تمدید کنید. حفظ کنید. Energy Rev. 2011 , 15 , 1050-1056. [ Google Scholar ] [ CrossRef ]
کای، ایکس. ژانگ، ایکس. وانگ، دی. در دسترس بودن زمین برای تولید سوخت زیستی. محیط زیست علمی تکنولوژی کلمب 2011 ، 45 . [ Google Scholar ] [ CrossRef ]
کمپبل، جی. لوبل، دی بی؛ جنوا، RC; فیلد، CB پتانسیل جهانی انرژی زیستی در زمین های کشاورزی متروکه. محیط زیست علمی تکنولوژی 2008 ، 42 ، 5791-5794. [ Google Scholar ] [ CrossRef ]
فیلد، CB; کمپبل، جی. انرژی زیست توده لوبل، DB: مقیاس منبع بالقوه. Trends Ecol. تکامل. 2008 ، 23 ، 65-72. [ Google Scholar ] [ CrossRef ]
نیسن، م. اسمیتز، ای. Stehfest، E. Vuuren، DP ارزیابی پتانسیل جهانی تولید انرژی زیستی در زمین های تخریب شده. GCB Bioenergy 2012 ، 4 ، 130-147. [ Google Scholar ]
میلبراند، ا. در پایان، ارزیابی RP از منابع زیست توده از زمین های حاشیه ای در اقتصادهای APEC . آزمایشگاه ملی انرژی های تجدیدپذیر (NREL): Golden, CO, USA, 2009. [ Google Scholar ]
Lovett، AA; Sünnenberg، GM; ریشتر، جنرال موتورز; دیلی، AG; ریچ، AB; Karp، A. پیامدهای استفاده از زمین افزایش تولید زیست توده شناسایی شده توسط مناسب بودن مبتنی بر GIS و نقشه برداری عملکرد برای Miscanthus در انگلستان. بیوانرژی Res. 2009 ، 2 ، 17-28. [ Google Scholar ]
عوده، IOA; تان، DKY؛ Ancev، T. تناسب بالقوه و زنده ماندن محصولات بیودیزل انتخاب شده در زمین های کشاورزی حاشیه ای استرالیا تحت شرایط آب و هوایی فعلی و آینده. بیوانرژی Res. 2011 ، 4 ، 165-179. [ Google Scholar ] [ CrossRef ]
شورز، دبلیو. بای، ز. کمبل، ای. هننبرگ، ک. فریچه، U. مانگ، اچ پی؛ لوکاس، ام. لی، ز. اسکنلون، آ. چن، اچ. شناسایی مناطق بالقوه برای تولید زیست توده در چین: بحث در مورد رویکرد اخیر و چالش های آینده. Biomass Bioenergy 2011 ، 35 ، 2268-2279. [ Google Scholar ] [ CrossRef ]
لو، ال. جیانگ، دی. ژوانگ، دی. Huang, Y. ارزیابی منابع زمین حاشیه ای مناسب برای توسعه بیودیزل مبتنی بر پسته chinensis در چین. انرژی ها 2012 ، 5 ، 2165-2177. [ Google Scholar ] [ CrossRef ]
لیو، تی. ما، ز. مک کانکی، بی. کلشرشته، س. هافمن، تی. گرین، ام. لیو، جی. دو، ی. شانگ، جی. پتانسیل تولید انرژی زیستی در زمین حاشیه ای در کانادا. در مجموعه مقالات اولین کنفرانس بین المللی 2012 در مورد آگرو-ژئوانفورماتیک (آگرو-ژئوانفورماتیک)، شانگهای، چین، 2 تا 4 اوت 2012. صص 1-6.
فهد، س. فیورنتینو، جی. ملینو، اس. Ulgiati، S. زراعی بیوانرژی و بیومواد در زمین حاشیه ای: ارزش افزوده مفهوم پالایشگاه زیستی. انرژی 2012 ، 37 ، 79-93. [ Google Scholar ]
فیورس، جی. Guariso، G. یک رویکرد مبتنی بر GIS برای ارزیابی پتانسیل زیست توده از محصولات انرژی در مقیاس منطقه ای. محیط زیست مدل. نرم افزار 2010 ، 25 ، 702-711. [ Google Scholar ] [ CrossRef ]
وو، دبلیو. هوانگ، جی. دنگ، X. زمین بالقوه برای کاشت Jatropha curca به عنوان مواد اولیه برای بیودیزل در چین. علمی چین سر. 2010 ، 53 ، 120-127. [ Google Scholar ]
گوپالاکریشنان، جی. کریستینا نگری، م. اسنایدر، SW چارچوب جدیدی برای طبقه بندی زمین های حاشیه ای برای تولید مواد اولیه زیست توده پایدار. جی. محیط زیست. کیفیت 2011 ، 40 ، 1593-1600. [ Google Scholar ] [ CrossRef ]
کوک، ال. استوور، ا. مویست، پی. نورمتس، ام. روستالو، ح. سپ، ک. Suuster، E. ارزیابی منابع زمین کشاورزی رها شده برای تولید انرژی زیستی در استونی. Acta Agric. Scand. فرقه ب-علمی گیاه خاکی. 2010 ، 60 ، 166-173. [ Google Scholar ]
لیو، ال. ژوانگ، دی. جیانگ، دی. Huang, Y. ارزیابی پتانسیل منطقه کشت و کاهش انتشار گازهای گلخانه ای (GHG) اتانول سوختی مبتنی بر کاساوا در زمین های حاشیه ای در جنوب غربی چین. افر. جی. آگریک. Res. 2012 ، 7 ، 5594-5603. [ Google Scholar ]
تنرلی، پ. کارور، اس. تحلیل چند معیاره، چند هدفه و عدم قطعیت برای مدل‌سازی فضایی انرژی زراعی. Appl. Geogr. 2012 ، 32 ، 724-736. [ Google Scholar ] [ CrossRef ]
کانگ، اس. پست، دبلیو. وانگ، دی. نیکولز، جی. بندرو، وی. غرب، T. ارزیابی اراضی حاشیه ای سلسله مراتبی برای برنامه ریزی کاربری زمین. سیاست کاربری زمین 2013 ، 30 ، 106-113. [ Google Scholar ]
نیبلیک، بی. مونل، جی دی؛ ژائو، ایکس. Landis، AE استفاده از سیستم‌های اطلاعات جغرافیایی برای ارزیابی تولید محصولات سوخت زیستی بالقوه در زمین‌های حاشیه شهری. Appl. انرژی 2012 ، 103 ، 234-242. [ Google Scholar ]
خلاصه، خوب “زمین حاشیه ای” برای محصولات انرژی: کاوش در تعاریف و فرضیات تعبیه شده. سیاست انرژی 2013 ، 62 ، 19-27. [ Google Scholar ] [ CrossRef ]
ریکاردو، دی. در مورد اصول اقتصاد سیاسی و مالیات . SM Dent & Sons Ltd.: لندن، بریتانیا، 1817. [ Google Scholar ]
فون تونن، ایالت منزوی JH . ترانس. کارلا ام. وارتنبرگ. ; چاپ پرگامون: آکسفورد، انگلستان، 1966. [ Google Scholar ]
پترسون، جنرال موتورز؛ Galbraith, JK مفهوم زمین حاشیه ای. جی. اقتصاد مزرعه. 1932 ، 14 ، 295-310. [ Google Scholar ] [ CrossRef ]
بارلو، آر. اقتصاد منابع زمین: اقتصاد املاک و مستغلات ، ویرایش چهارم. Prentice Hall: Englewood Cliffs, NJ, USA, 1986. [ Google Scholar ]
هاردی، آی دبلیو. پارک ها، پی جی. ون کوتن، تصمیمات و سیاست استفاده از زمین GC در حاشیه های فشرده و گسترده. بین المللی سالب. محیط زیست منبع. اقتصاد 2004 ، 3 ، 101-138. [ Google Scholar ]
طاهری پور، ف. ژوانگ، س. تاینر، ما؛ Lu، X. سوخت های زیستی، گسترش زمین های زراعی، و حاشیه گسترده. پایداری انرژی. Soc. 2012 ، 2 ، 1-11. [ Google Scholar ]
فون تونن، ج.اچ. هاینریش، جی . دولت منزوی ; وارتنبرگ. آکسفورد: پرگامون، ترکیه، 1966. [ Google Scholar ]
Lubowski، RN; بوخولتز، اس. کلاسن، آر. رابرتز، ام جی. کوپر، جی سی. گوئورگیوا، آ. Johansson, R. اثرات زیست محیطی تغییر کاربری اراضی کشاورزی. در وزارت کشاورزی ایالات متحده ؛ خدمات تحقیقات اقتصادی: واشنگتن، دی سی، ایالات متحده آمریکا، 2006; صص 1-75. [ Google Scholar ]
بیبی، جی اس. مکنی، دی. طبقه بندی قابلیت استفاده از زمین ; ایستگاه آزمایشی Rothamsted: هارپندن، بریتانیا، 1969. [ Google Scholar ]
رانگ، CF; لارسون، ما؛ رولوف، جی. استفاده از اقدامات بهره‌وری برای هدف‌یابی برنامه‌های حفاظت: تحلیل مقایسه‌ای. J. حفظ آب خاک. 1986 ، 41 ، 45-49. [ Google Scholar ]
لارسون، GA؛ رولوف، جی. لارسون، ما رویکردی جدید برای طبقه‌بندی زمین‌های کشاورزی حاشیه‌ای. J. حفظ آب خاک. 1988 ، 43 ، 103-106. [ Google Scholar ]
برونینگ-مادسن، اچ. رینبرگ، ا. Holst، K. نقشه برداری از زمین های بالقوه حاشیه ای در دانمارک. مدیریت استفاده از خاک 1990 ، 6 ، 114-120. [ Google Scholar ] [ CrossRef ]
رویکرد Bielecka، E. GIS برای تعیین حدود مناطق کشاورزی کمتر مورد علاقه در لهستان. J. Water Land Dev. 2002 ، 6 ، 73-89. [ Google Scholar ]
Ostrowski, J. شناسایی وقوع زمین های کشاورزی حاشیه ای با GIS. J. Water Land Dev. 1999 ، 3 ، 7-20. [ Google Scholar ]
ایگناسیوک، آ. ورینگر، اف. روئیس، آ. ون ایرلند، EC رقابت بین زیست توده و تولید مواد غذایی در حضور سیاست های انرژی: تجزیه و تحلیل تعادل جزئی. سیاست انرژی 2006 ، 34 ، 1127-1138. [ Google Scholar ]
یوهانسون، دی جی؛ Azar, C. تحلیلی مبتنی بر سناریو از رقابت زمینی بین تولید مواد غذایی و انرژی زیستی در ایالات متحده. صعود چانگ. 2007 ، 82 ، 267-291. [ Google Scholar ] [ CrossRef ]
راثمان، آر. Szklo، A.; Schaeffer, R. رقابت استفاده از زمین برای تولید مواد غذایی و سوخت های زیستی مایع: تحلیلی از استدلال ها در بحث فعلی. تمدید کنید. انرژی 2010 ، 35 ، 14-22. [ Google Scholar ]
Caver, SJ ادغام ارزیابی چند معیاره با سیستم های اطلاعات جغرافیایی. بین المللی J. Geogr.Inf. سیستم 1991 ، 5 ، 321-339. [ Google Scholar ]
Jankowski، P. یکپارچه سازی سیستم های اطلاعات جغرافیایی و روش های تصمیم گیری چند معیاره. بین المللی J. Geogr.Inf. سیستم 1995 ، 9 ، 251-273. [ Google Scholar ]
وویونتاس، دی. آسیماکوپولوس، دی. مورلاتوس، ا. Corominas, J. ارزیابی پتانسیل انرژی تجدیدپذیر با استفاده از سیستم پشتیبانی تصمیم GIS. تمدید کنید. انرژی 1998 ، 13 ، 333-344. [ Google Scholar ]
آنجلیس-دیماکیس، ا. بیبراچر، م. دومینگز، جی. فیورس، جی. گادوچا، اس. گنانسونو، ای. گواریسو، جی. کارتالیدیس، ع. پانیچلی، ال. Pinedo، I. روشها و ابزارهای ارزیابی در دسترس بودن منابع انرژی تجدیدپذیر. تمدید کنید. حفظ کنید. انرژی Rev. 2011 ، 15 ، 1182-1200. [ Google Scholar ]
Malczewski، J. تجزیه و تحلیل مناسب کاربری زمین مبتنی بر GIS: مروری انتقادی. Prog. طرح. 2004 ، 62 ، 3-65. [ Google Scholar ] [ CrossRef ]
مک هارگ، IL; مامفورد، ال. طراحی با طبیعت . موزه تاریخ طبیعی آمریکا: نیویورک، نیویورک، ایالات متحده آمریکا، 1969. [ Google Scholar ]
جیانگ، اچ. Eastman, JR کاربرد معیارهای فازی در ارزیابی چند معیاره در GIS. بین المللی جی. جئوگر. Inf. سیستم 2000 ، 14 ، 173-184. [ Google Scholar ] [ CrossRef ]
Zadeh, LA Fuzzy sets. Inf. کنترل 1965 ، 8 ، 338-353. [ Google Scholar ] [ CrossRef ]
کالورت، ک. پیرس، جی.ام. Mabee، ما به سوی زیرساخت‌های اطلاعات جغرافیایی انرژی‌های تجدیدپذیر: کاربردهای علم GIS و سنجش از دور که ظرفیت سازمانی را ایجاد می‌کنند. تمدید کنید. حفظ کنید. انرژی Rev. 2013 ، 18 ، 416-429. [ Google Scholar ] [ CrossRef ]
فولر، RM; اسمیت، جنرال موتورز; ساندرسون، جی.ام. هیل، RA; Thompson، AG Land Cover Map 2000: توصیفی کلی از GIS برداری جدید بریتانیا بر اساس طبقه بندی داده های سنجش از دور. کارتوگر. J. 2002 ، 39 ، 15-25. [ Google Scholar ] [ CrossRef ]
خدمات حفاظت از منابع طبیعی USDA. کتاب ملی بررسی خاک – عنوان 430-VI. در دسترس آنلاین: http://soils.usda.gov/technical/handbook/ (دسترسی در 25 ژانویه 2013).
Munn, LC موجودی زمین کانادا. استفاده از زمین پتانسیل واقعی 1986 ، 10 ، 391-406. [ Google Scholar ] [ CrossRef ]
کلینگبیل، AA; مونتگومری، طبقه‌بندی PH Land-Capability ; خدمات حفاظت از خاک، وزارت کشاورزی ایالات متحده: واشنگتن، دی سی، ایالات متحده آمریکا، 1961. [ Google Scholar ]
بیرادار، سی ام; سپسکبیل، ص. نوجی پدی، پ. لی، ی. دیروات، وی. تورال، اچ. ولپوری، م. گوما، MK; Gangalakunta، ORP; Cai, XL نقشه جهانی مناطق زراعی دیم (GMRCA) در پایان هزاره گذشته با استفاده از سنجش از دور. بین المللی J. Appl.Earth Obs. Geoinf. 2009 ، 11 ، 114-129. [ Google Scholar ] [ CrossRef ]
لاولند، TR; رید، ق.م. براون، ج.اف. Ohlen، DO; زو، ز. یانگ، ال. Merchant، JW توسعه پایگاه داده خصوصیات پوشش زمین جهانی و IGBP DISCover از 1 کیلومتر داده AVHRR. Int.J. Remote Sens. 2000 , 21 , 1303-1330. [ Google Scholar ]
Goldewijk، KK برآورد تغییر کاربری زمین در 300 سال گذشته: پایگاه داده HYDE. بیوژئوشیمی جهانی چرخه. 2001 ، 15 ، 417-433. [ Google Scholar ] [ CrossRef ]
بارتولوم، ای. Belward، AS GLC2000: رویکردی جدید برای نقشه برداری جهانی پوشش زمین از داده های رصد زمین. Int.J. Remote Sens. 2005 ، 26 ، 1959-1977. [ Google Scholar ] [ CrossRef ]
فریتز، اس. ببینید، LM. ون در ولده، م. نالپا، ر. پرگر، سی. شیل، سی. مک کالوم، آی. شپاچنکو، دی. کراکسنر، اف. Cai, X. کاهش رتبه برآوردهای اخیر زمین های موجود برای تولید سوخت زیستی. محیط زیست علمی تکنولوژی 2013 ، 47 ، 1688-1694. [ Google Scholar ]
Congalton، RG دقت ارزیابی مجموعه داده های فضایی. در کتابچه راهنمای سیستم های اطلاعات جغرافیایی ; ASPRS: Bethesda، MD، ایالات متحده آمریکا، 2009; ص 225-233. [ Google Scholar ]
Foody، عدم قطعیت GM، کشف دانش و داده کاوی در GIS. Prog. فیزیک Geogr. 2003 ، 27 ، 113-121. [ Google Scholar ] [ CrossRef ]
کروستو، ام. تارانتولا، اس. Saltelli، A. تحلیل حساسیت و عدم قطعیت در مدل‌سازی فضایی بر اساس GIS. کشاورزی اکوسیستم. محیط زیست 2000 ، 81 ، 71-79. [ Google Scholar ] [ CrossRef ]
کروستو، ام. تارانتولا، اس. تجزیه و تحلیل عدم قطعیت و حساسیت: ابزارهایی برای پیاده سازی مدل مبتنی بر GIS. بین المللی جی. جئوگر. Inf. علمی 2001 ، 15 ، 415-437. [ Google Scholar ] [ CrossRef ]
موورر، HT انتشار عدم قطعیت از طریق فرآیندهای تخمین فضایی برای جنگل‌های نیمه‌آلپی قدیمی با استفاده از شبیه‌سازی گاوسی متوالی در GIS. Ecol. مدل. 1997 ، 98 ، 73-86. [ Google Scholar ] [ CrossRef ]
الیت، جی. Burgman، MA; ریگان، HM نقشه برداری عدم قطعیت های معرفتی و مفاهیم مبهم در پیش بینی توزیع گونه ها. Ecol. مدل. 2002 ، 157 ، 313-329. [ Google Scholar ] [ CrossRef ]
آربیا، جی. گریفیث، دی. Haining، R. مدل‌سازی انتشار خطا در شطرنجی GIS: عملیات همپوشانی. بین المللی جی. جئوگر. Inf. علمی 1998 ، 12 ، 145-167. [ Google Scholar ] [ CrossRef ]
فریتز، اس. ببینید، L. شناسایی و کمی سازی عدم قطعیت و اختلاف فضایی در مقایسه پوشش جهانی زمین برای کاربردهای مختلف. گلوب. چانگ. Biol. 2008 ، 14 ، 1057-1075. [ Google Scholar ] [ CrossRef ]
فریتز، اس. ببینید، L. مقایسه نقشه های پوشش زمین با استفاده از توافق فازی. بین المللی جی. جئوگر. Inf. علمی 2005 ، 19 ، 787-807. [ Google Scholar ] [ CrossRef ]
هوارد، دی سی; برگس، پی جی. باتلر، اس جی; کارور، اس جی. کوکریل، تی. کولبی، AM; دسته.؛ گودیر، سی جی; ون در هورست، دی. Hubacek، K. Energyscapes: پیوند سیستم انرژی و خدمات اکوسیستم در مناظر واقعی. Biomass Bioenergy 2013 ، 55 ، 17-26. [ Google Scholar ] [ نسخه سبز ]

© 2014 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/3.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب