SIMULACIJSKI MODEL PROMJENE ZEMLJIŠNOG POKROVA U … · Trendovi demografskih kretanja ne daju uporište optimizmu ni u budućnosti, tako da se očekuje daljnje pogoršanje biološke

Tomislav Jogun

SIMULACIJSKI MODEL PROMJENE ZEMLJIŠNOG

POKROVA U POŽEŠKO-SLAVONSKOJ ŽUPANIJI

Diplomski rad

predan na ocjenu Geografskom odsjeku

Prirodoslovno-matematičkog fakulteta Sveučilišta u Zagrebu

radi stjecanja akademskog zvanja

magistra geografije

Zagreb

2016.

II

Ovaj je diplomski rad izrađen u sklopu diplomskog sveučilišnog studija Geografija; smjer:

Geografski informacijski sustavi pri Geografskom odsjeku Prirodoslovno-matematičkog

fakulteta Sveučilišta u Zagrebu, pod vodstvom doc. dr. sc. Aleksandra Lukića.

III

TEMELJNA DOKUMENTACIJSKA KARTICA

Sveučilište u Zagrebu Diplomski rad

Prirodoslovno-matematički fakultet

Geografski odsjek

Simulacijski model promjene zemljišnog pokrova u Požeško-slavonskoj županiji

Tomislav Jogun

Izvadak: Predmet ovog rada su stohastični simulacijski modeli za promjene zemljišnog

pokrova. Prostorno-vremenski okvir istraživanja je Požeško-slavonska županija 1985. – 2027.

godine. Zemljišni pokrov i njegove promjene 1985. – 2013. godine utvrđene su hibridnom

nadziranom klasifikacijom Landsat snimki, uz visoku ostvarenu točnost. Glavni trend u tom

razdoblju bila je ekstenzifikacija zemljišnog pokrova. Tematske karte zemljišnog pokrova i

prostorne varijable bile su ulazni podaci za simulacijski model koji je bio implementiran u

dodatku MOLUSCE za QGIS. Pri kalibraciji simulacijskih modela korištene su umjetne

neuronske mreže (ANN) i logistička regresija (LR). Predviđanje je načinjeno metodom

ćelijskih automata (CA). Validacija testnih modela pokazala je da su uspješnije predviđali

količinu od lokacija promjena zemljišnog pokrova. Također, ANN su bile uspješnije od LR, a

fuzija pojedinačnih rezultata poboljšala je slaganje simulacija s referentnim podacima.

Konačni modeli predviđaju nastavak ekstenzifikacije zemljišnog pokrova 2013. – 2027.

godine. Prošle i buduće promjene zemljišnog pokrova odražavaju duboke razvojne probleme

Požeško-slavonske županije.

74 stranice, 24 grafička priloga, 13 tablica, 164 bibliografske reference; izvornik na hrvatskom jeziku

Ključne riječi: ćelijski automati, logistička regresija, MOLUSCE, Požeško-slavonska

županija, promjene zemljišnog pokrova, simulacijski model, umjetne neuronske mreže

Voditelj: doc. dr. sc. Aleksandar Lukić

Povjerenstvo: doc. dr. sc. Ivan Zupanc

dr. sc. Marin Cvitanović

Tema prihvaćena: 23. lipnja 2015.

Rad prihvaćen: 9. veljače 2016.

Rad je pohranjen u Središnjoj geografskoj knjižnici Prirodoslovno-matematičkog fakulteta

Sveučilišta u Zagrebu, Marulićev trg 19, Zagreb, Hrvatska.

IV

BASIC DOCUMENTATION CARD

University of Zagreb Master Thesis

Faculty of Science

Department of Geography

The simulation model of land cover change in the Požega-Slavonia County

Tomislav Jogun

Abstract: The paper focuses on the stochastic simulation models for land cover change.

Spatio-temporal framework of the research is the Požega-Slavonia County from 1985 to 2027.

The land cover and its changes from 1985 to 2013 were determined by the hybrid supervised

classification of Landsat imagery, with high accuracy achieved. The main trend in this period

was the extensification of the land cover. Thematic maps of the land cover and spatial

variables were input data for the simulation model which was implemented in the MOLUSCE

plugin for QGIS. Artificial neural networks (ANNs) and logistic regression (LR) were used

for the calibration of simulation models. The prediction was performed using cellular

automata (CA). Validation of the test models showed that they have more successfully

predicted quantity of the land cover change than its location. Also, ANNs were more

successful than LR, and the fusion of individual results improved agreement between the

simulation and reference data. The final models predict a continuation of the land cover

extensification from 2013 to 2027. The past and future land cover changes reflect profound

development problems of the Požega-Slavonia County.

74 pages, 24 figures, 13 tables, 164 references; original in Croatian

Keywords: cellular automata, logistic regression, MOLUSCE, Požega-Slavonia County, land

cover change, simulation model, artificial neural networks

Supervisor: Aleksandar Lukić, PhD, Assistant Professor

Reviewers: Ivan Zupanc, PhD, Assistant Professor

Marin Cvitanović, PhD

Thesis submitted: 23rd

June 2015

Thesis accepted: 9th

February 2016

Thesis deposited in Central Geographic Library, Faculty of Science, University of Zagreb,

Marulićev trg 19, Zagreb, Croatia.

V

Sadržaj

1. Uvod ....................................................................................................................................... 1

1.1. Predmet istraživanja ........................................................................................................ 1

1.2. Prostorno-vremenski obuhvat istraživanja ...................................................................... 1

1.3. Pregled dosadašnjih istraživanja ..................................................................................... 4

1.4. Zadaci i ciljevi istraživanja.............................................................................................. 6

1.5. Osnovne hipoteze istraživanja ......................................................................................... 7

2. Istraživački pristup i metodologija ..................................................................................... 8

2.1. Teorijski okvir razmatranja ............................................................................................. 8

2.1.1. Pojmovi i definicije .................................................................................................. 8

2.1.2. Faktori promjena zemljišnog pokrova ...................................................................... 9

2.1.3. Simulacijski modeli promjena zemljišnog pokrova ............................................... 11

2.2. Metode i tehnike istraživanja ........................................................................................ 19

2.2.1. Daljinska istraživanja ............................................................................................. 19

2.2.2. Izvori i obrada podataka ......................................................................................... 21

2.3. Struktura istraživanja ..................................................................................................... 22

3. Analiza promjena zemljišnog pokrova Požeško-slavonske županije 1985. – 2013.

godine ....................................................................................................................................... 23

3.1. Rezultati klasifikacije zemljišnog pokrova ................................................................... 23

3.1.1. Zemljišni pokrov Požeško-slavonske županije 1985. godine ................................ 23



3.2. Evaluacija točnosti klasifikacije zemljišnog pokrova ................................................... 26

3.3. Detekcija promjena zemljišnog pokrova ....................................................................... 29

3.3.1. Promjene zemljišnog pokrova Požeško-slavonske županije 1985. – 1999. godine 29

3.3.2. Promjene zemljišnog pokrova Požeško-slavonske županije 1999. – 2013. godine 30

3.4. Analiza varijabli promjena zemljišnog pokrova ........................................................... 32

VI

3.4.1. Varijable promjena zemljišnog pokrova Požeško-slavonske županije 1985. – 1999.

godine ............................................................................................................................... 32


godine ............................................................................................................................... 33

3.4.3. Konačne varijable promjena zemljišnog pokrova Požeško-slavonske županije

1985. – 2013. godine ........................................................................................................ 35

4. Testni simulacijski model promjena zemljišnog pokrova Požeško-slavonske županije

1999. – 2013. godine ................................................................................................................ 36

4.1. Kalibracija testnoga simulacijskog modela s podacima 1985. – 1999. godine ............. 36

4.2. Rezultati simulacije zemljišnog pokrova Požeško-slavonske županije 2013. godine... 37

4.3. Validacija simulacije zemljišnog pokrova Požeško-slavonske županije 2013. godine . 40

5. Konačni simulacijski model promjena zemljišnog pokrova Požeško-slavonske

županije 2013. – 2027. godine ................................................................................................ 44

5.1. Kalibracija konačnoga simulacijskog modela s podacima 1999. – 2013. godine ......... 44

5.2. Rezultati simulacije zemljišnog pokrova Požeško-slavonske županije 2027. godine... 44

6. Rasprava ............................................................................................................................. 50

6.1. Evaluacija primijenjenih metoda i tehnika .................................................................... 50

6.2. Evaluacija dobivenih rezultata ...................................................................................... 53

7. Zaključak ............................................................................................................................ 60

Literatura ................................................................................................................................ 62

Izvori ........................................................................................................................................ 73

Prilozi ..................................................................................................................................... VII

1

„We can be absolutely certain only about things we do not understand.“

Eric Hoffer, 1951.

1. Uvod

Simulacijski modeli predstavljaju jedan od najvećih istraživačkih dometa u geografiji

zato što uključuju sve elemente unutarnjeg predmeta njezina proučavanja (sadržaji, procesi,

veze, odnosi, zakonitosti, predviđanja). Dapače, „bez razvijanja metoda i tehnika predviđanja

procesa i odnosa u budućnosti i aplikacije dobivenih rezultata, geografija ostaje samoj sebi

svrha“ (Šterc, 2012, 62). Međutim, geografi u Hrvatskoj rijetko su obrađivali projekcijske

simulacijske modele zbog njihove izrazite složenosti i nepouzdanosti. Sukladno iznesenom,

ovaj rad ima motiv unaprijediti dosadašnju praksu.

1.1. Predmet istraživanja

Jedno od područja intenzivne primjene geografskih simulacijskih modela u svijetu jesu

promjene načina korištenja i pokrova zemljišta (LULC i LUC1) (Han i dr., 2015). Promjene

zemljišnog pokrova (pejzaža) vidljiv su odraz djelovanja složenih odnosa između prirodne

osnove i društvene nadgradnje, pa su pogodne za geografsko izučavanje (Jenerette i Wu,

2001; Brown i dr., 2002). Najveći poticaj proučavanju i modeliranju promjena zemljišnog

pokrova dale su globalne promjene okoliša, razvoj računala, daljinskih istraživanja i

geografskih informacijskih sustava (GIS-a) (Weng, 2002; Parker i dr., 2003; Manson, 2009;

Tayyebi, 2013).

Primarni predmet istraživanja ovog rada su stohastični simulacijski modeli i tehnike za

proučavanje promjena zemljišnog pokrova, njihova primjena u konkretnom prostoru (studija

slučaja) te evaluacija i tumačenje rezultata u kontekstu budućega regionalnog razvoja

istraženog prostora. Budući da simulacijski modeli imaju složenu strukturu i da za ostvarenje

zahtijevaju obilje podataka i analiza, postoje mnogobrojni sporedni predmeti istraživanja.

Među njih spadaju primjena daljinskih istraživanja, tematska klasifikacija i analiza promjena

zemljišnog pokrova, identifikacija i selekcija pokretačkih faktora tih promjena, problemi i

mogućnosti regionalnog razvoja.

1.2. Prostorno-vremenski obuhvat istraživanja

Požeško-slavonska županija smještena je u zapadnoj Slavoniji, tj. na međi Istočne i

Središnje Hrvatske (sl. 1). Na zapadu graniči sa Sisačko-moslavačkom, na sjeverozapadu s

1 Engl. Land use and land cover (LULC), Land use change (LUC).

2

Bjelovarsko-bilogorskom, na sjeveru s Virovitičko-podravskom, na istoku s Osječko-

-baranjskom, a na jugu s Brodsko-posavskom županijom. Površina Županije iznosi 1823 km2,

što obuhvaća 3,22 % kopnene površine Hrvatske (izvor: 1). Broj stanovnika prema Popisu

2011. godine bio je 78.034, što je tek 1,82 % stanovništva Hrvatske (izvor: 2). Izneseni podaci

svrstavaju Požeško-slavonsku županiju u red manjih hrvatskih županija.

Sl. 1. Geografski položaj, obuhvat i obilježja Požeško-slavonske županije

Po fizičkogeografskoj regionalizaciji Požeško-slavonska županija pripada panonskoj

megaregiji, a sastoji se od dvije odvojene cjeline: Požeške kotline (Slavonsko gromadno

gorje) i pakračko-lipičkog kraja (dio zavale sjeverozapadne Hrvatske) (Bognar, 1999). Treba

naglasiti da je istraženi prostor singularitet u ravničarskoj Slavoniji. Naime, reljef je dobro

raščlanjen, a u njemu prevladavaju brežuljkasta područja građena od tercijarnih naslaga, po

čemu taj dio Slavonije više nalikuje krajolicima peripanonske, nego panonske Hrvatske.

Požešku kotlinu omeđuju prigorja Psunja (984 m), Papuka (953 m) i Krndije (792 m), te

podgorja Požeške gore (616 m) i Dilj-gore (459 m), zbog čega kotlina ima izduženi ovalni

oblik u smjeru zapad – istok. Jezgre tih gora su prekambrijske, paleozojske i mezozojske

starosti, uglavnom pokrivene mlađim sedimentima. Sjeverni je masiv viši od južnog, a ujedno

predstavlja razvodnicu posavskog i podravskog slijeva. Kotlina je orljavačkim prodoljem,

kojim teče rijeka Orljava, nizinski otvorena prema jugu (prema Posavini i rijeci Savi). U

središnjem dijelu kotline prevladava pravi nizinski reljef formiran na kvartarnim naslagama,

3

što je povoljno za poljoprivredu. Na prisojnim podnožjima slavonskih gora česta su pojava

nasadi vinove loze, dok su viši dijelovi pokriveni šumama. U pakračko-lipičkom kraju

dominira reljef Psunja, Pakračke gore te doline Pakre i Ilove (Zelić i Crnjac, 2010; Opačić,

2012; Hruška, 2010).

Klima Požeško-slavonske županije slična je kao u ostatku panonske i peripanonske

Hrvatske. Dakle, riječ je o umjerenoj kontinentskoj klimi s toplim ljetima (Cfb prema

Köppenu) mjestimično modificiranoj reljefom i nadmorskom visinom (izvor: 3; Zelić i

Crnjac, 2010).

U strukturi ukupne površine raspoloživog zemljišta, prema katastarskim podacima iz

2002. godine, najveći udio zauzimale su poljoprivredne površine s 49,3 % (od toga obradivo

43,1 %), zatim šume (45,3 %) i neplodno zemljište (5,4 %) (izvor: 3). CORINE Land Cover

baza podataka, iako nije usporediva s katastarskim podacima, pokazuje da je 2012. godine

bilo najviše šuma (47 %), zatim poljoprivrednih površina (43,4 %) i neplodnog zemljišta (9,6

%) (izvor: 4).

Kao što je već rečeno, Požeško-slavonska županija imala je 2011. godine 78.034

stanovnika, odnosno opću gustoću naseljenosti od 43 st./km2. Rjeđe je naseljena u odnosu na

Hrvatsku koja je imala 76 st./km2. Broj naselja je velik (277) kao posljedica agrarnog

iskorištavanja, povijesnih i prirodnih uvjeta. Glavnina naselja ima manje od 200 stanovnika, a

čak ih 15 nema stanovnika. Ruralna naselja u nizinama morfološki su izdužena uz prometnice,

a u gorskim su područjima raštrkana. Udio gradskog stanovništva bio je 41,6 %, što je također

ispod hrvatskog prosjeka od 56 %, govoreći u prilog ruralnom karakteru prostora (izvor: 2).

Požeška kotlina ima vrlo dugu povijest naseljenosti te je sve do 18. stoljeća bila jedan

od najgušće naseljenih prostora Slavonije. Još za vrijeme rimske vladavine dobila je slikovit

naziv Zlatna dolina (lat. Vallis aurea) zbog svoje plodnosti. O srednjovjekovnoj naseljenosti

svjedoče ostatci brojnih utvrda na prigorskim lokacijama. U tursko doba i nakon njihova

povlačenja odvijale su se migracije stanovništva različitih narodnosti. Sve do druge polovice

20. stoljeća Požeška kotlina bila je atraktivno mjesto za brojne useljenike. No, nakon popisa

1971. do danas traje demografsko pražnjenje tog prostora. Zapadni dio Županije bio je osobito

pogođen Domovinskim ratom, čije se negativne demografske i gospodarske posljedice

osjećaju još danas. Trendovi demografskih kretanja ne daju uporište optimizmu ni u

budućnosti, tako da se očekuje daljnje pogoršanje biološke strukture stanovništva (starenje) i

pojačanje intenziteta depopulacije (Opačić, 2012).

Prema administrativnom uređenju Požeško-slavonska županija obuhvaća pet upravnih

gradova (Požega, Pakrac, Pleternica, Kutjevo i Lipik) i pet općina (Brestovac, Čaglin, Jakšić,

4

Kaptol i Velika). Glavno upravno, demografsko, gospodarsko i prometno središte je Požega

koja je 2011. godine imala 19.506 stanovnika (izvor: 1; 2; 3).

Vremenski obuhvat istraživanja najviše je uvjetovan dostupnošću satelitskih snimki i

dopunskih izvora (topografskih i digitalnih ortofoto karata). Kako bi se simulacijski model

mogao izvesti i testirati, potrebno je napraviti najmanje dvije simulacije, od kojih je jedna

načinjena za proteklu godinu u kojoj postoje referentni podaci (Pontius i dr., 2004). Tako su

najraniji podaci testnog modela iz 1985. godine, bazna godina je bila 1999., a simuliran je

pokrov za 2013. Konačni simulacijski model koristio je najranije podatke iz 1999., bazna

godina bila je 2013., a ciljna godina projekcije je 2027.

1.3. Pregled dosadašnjih istraživanja

Simulacijski modeli promjena zemljišnog pokrova iznimno su kompleksno

istraživačko područje jer obuhvaćaju analizu kulturnog pejzaža i zemljišnog pokrova,

primjenu daljinskih istraživanja, projekcijske simulacijske modele i njihovu aplikaciju na

održivi regionalni razvoj. Zbog toga postoji mnoštvo radova koji se tematski preklapaju s

predmetom interesa ovoga rada.

Jedan od prvih modela u geografiji općenito, koji se bavio utjecajem troškova ulaganja

i transporta na intenzitet agrarne proizvodnje i način iskorištavanja zemljišta je Izolirana

država (Der Isolierte Staat in Beziehung auf Landwirtschaft und Nationalökonomie) Johanna

Heinricha von Thünena iz 1826. godine. Osnovna pretpostavka bila je da s povećanjem

udaljenosti mjesta proizvodnje od tržišta rastu troškovi, zbog čega se smanjuje intenzitet

korištenja zemljišta (Crkvenčić i Malić, 1988; Cvitanović, 2014b).

Početkom 20. stoljeća američki geograf Carl Sauer ustanovio je kulturnu geografiju, a

glavni predmet njegova proučavanja bio je kulturni pejzaž, koji obuhvaća zemljišni pokrov i

način korištenja zemljišta (Williams, 2009). Najpoznatija djela su mu Morphology of

Landscape (Sauer, 1925) i Agricultural Origins and Dispersals (Sauer, 1952).

Simulacijski modeli u geografiji počeli su se znatnije razvijati od sredine 20. stoljeća,

kada su se pojavila prva računala (Manson, 2009). Pionir njihove primjene bio je Šveđanin

Torsten Hägerstrand koji je proučavao i modelirao prostornu difuziju inovacija pomoću

stohastične tehnike Monte Carlo2 u knjizi Innovation Diffusion as a Spatial Process (1953/

1967). Hägerstrandov rad bio je jedan od najvećih poticaja za „kvantitativnu revoluciju“ u

geografiji (Vresk, 1997). Budući da u geografskom prostoru ne postoje funkcionalni odnosi,

Monte Carlo simulacija ostala je aktualna do danas, uklopivši se u teoriju kaosa. Drugi

2 Naziv Monte Carlo asocira na kockanje, odnosno nepredvidljivost rezultata modela.

5

glasoviti simulacijski modeli bavili su se u osnovi stanovništvom. Interesantan poduhvat na-

pravio je Waldo Tobler, koji je simulirao kretanje stanovništva Detroita 1910. – 2000. godine,

koristeći pritom prvu zabilježenu animaciju kao sredstvo geovizualizacije (Tobler, 1970).

Istraživačka skupina iz Massachussets Institute of Technology (MIT) izradila je dugoročnu

simulacijsku projekciju stanovništva, proizvodnje hrane, prirodnih izvora, industrijske

proizvodnje i onečišćenja poznatu pod nazivom Granice rasta (engl. The Limits to Growth)

(Meadows i dr., 1972). Katastrofičan scenarij koji se nije (potpuno) ostvario, pokazao je

koliko su simulacije kompleksno i izazovno istraživačko područje (Manson, 2009).

Tijekom zadnja dva desetljeća u međunarodnoj geografskoj literaturi došlo je do

ekspanzije različitih simulacijskih modela, ponajviše u izučavanju promjena načina korištenja

zemljišta i zemljišnog pokrova, što potpuno korespondira s tematikom ovog rada (izvor: 5; 6;

7). Empirijski radovi najčešće su istraživali područja koja su doživjela izrazito dinamične

promjene zemljišnog pokrova u posljednjih nekoliko desetljeća uslijed urbanizacije,

demografskog porasta i gospodarskog razvoja. U prvom redu to su slabije razvijene države

Azije i Latinske Amerike (Rajan i Shibasaki, 2000; Almeida i dr., 2003; Wang i dr., 2012;

Yang i dr., 2012; Li i Yeh, 2002; Lourdes i dr., 2011; Wu, 2002; Yu i Xie, 2013; Weng, 2002;

Ibrahim i Ludin, 2015; Sivakumar, 2014; Wu i dr., 2006; Kaufmann i Seto, 2001; Han i dr.,

2015; Sun i dr., 2012; Verburg i dr., 1999; Jokar Arsanjani i dr., 2013). Osim zemalja u

razvoju, istraživanjima takve vrste dobro su pokrivena područja Sjedinjenih Američkih

Država i Zapadne Europe (Brown i dr., 2002; Pijanowski i dr., 2002; Moreno i dr., 2009;

Houet i Hubert-Moy, 2006; Mitsova i dr., 2011; Dragicevic i Marceau, 1999; Santé-Riveira i

dr., 2008; Zhu i Li, 2014; Brown i Duh, 2004; Hilfering i Rietveld, 1999; Pontius i dr., 2004).

Teorijski radovi bavili su se algoritmima simulacijskih modela (Wolfram, 1984; Clarridge,

2009), ulogom daljinskih istraživanja u modeliranju promjena zemljišnog pokrova (Sohl i

Sleeter, 2012), ulogom modeliranja u prostornom planiranju (van Lier, 1998; Herrmann i

Osinski, 1999; Matthews i dr., 1999; Farrow i Winograd, 2001), općenitim konceptima,

sistematskim podjelama i usporedbama modela promjena zemljišnog pokrova (Manson, 2009;

Verburg i dr., 2004; Verburg, 2006; Brown i dr., 2003; Parker i dr., 2003; Veldkamp i

Lambin, 2001; Pontius i dr., 2008; van Schrojenstein Lantman i dr., 2011; Mas i dr., 2014).

U domaćoj geografskoj literaturi ne postoji rad koji se eksplicitno bavio simulacijskim

modelima promjena zemljišnog pokrova, međutim, ima tematski sličnih radova. Prva detaljna

istraživanja promjena načina korištenja zemljišta i zemljišnog pokrova jesu doktorske

disertacije Prigorje planinskog niza Ivančice (Crkvenčić, 1957, 1958) i Velebitska primorska

padina (Rogić, 1957, 1958). Promjene agrarnog pejzaža i korištenja zemljišta u tim radovima

6

razmatrane su s historijskogeografskog aspekta, pod jakim utjecajem njemačke pejzažne škole

(Cvitanović, 2014a). Većina kasnijih radova imala je sličan pristup (Crkvenčić, 1951, 1982;

Vresk, 1968, 1972; Malić, 1983; Magaš i Faričić, 2002; Čuka i Magaš, 2003; Faričić i Magaš,

2004; Magaš i dr., 2006; Fürst-Bjeliš, 2002; Fürst-Bjeliš i Lozić, 2006; Fürst-Bjeliš i dr.,

2011; Durbešić, 2012). Najnoviji radovi koristili su daljinska istraživanja za klasifikaciju

zemljišnog pokrova (Valožić, 2014, 2015) i za analizu promjena zemljišnog pokrova (Valožić

i Cvitanović, 2011; Horvat, 2013; Cvitanović, 2014a, 2014b; Malešić, 2015). Jedini

geografski rad koji je proučavao kvalitativne scenarije budućega prostornog razvoja jest

doktorska disertacija Radeljak (2014). Međutim, treba naglasiti kako su promjene zemljišnog

pokrova u tom radu sporedni predmet interesa i da nisu načinjeni kvantitativni simulacijski

modeli promjena zemljišnog pokrova.

Kao poseban oblik simulacijskih modela mogu se izdvojiti projekcije stanovništva

Hrvatske od 2001. do 2031. (Nejašmić i Mišetić, 2004) i Gorskog kotara za razdoblje do

2021. godine (Lajić i Klempić Bogadi, 2010).

Značajan dio radova u hrvatskim znanstvenim časopisima koji su se bavili računalnim

simulacijskim modelima napisali su strani autori. Najsrodnija znanstvena područja geografiji

koja su primjenjivala i istraživala simulacijske modele jesu geofizika (Brzović i Jurčec, 1997;

Ferrarese i dr., 2009; Malačič i Petelin, 2006; Narayan, 2000; Orlić i dr., 2006), prometna

znanost (Li i dr., 2014; Munitić i dr., 2003) i šumarstvo (Brumec i dr., 2013; Kutnar i Kobler,

2011).

1.4. Zadaci i ciljevi istraživanja

Zadacima se u osnovi najavljuju postupci kojima se želi doći do konkretnih ciljeva i za

to se primarno koristi namjera, a ciljevi su krajnje točke razmatranja kojima se teži (Šterc,

2012).

Zadaci istraživanja:

Z 1 • Hibridnom klasifikacijom odrediti zemljišni pokrov Požeško-slavonske županije i

detektirati njegove promjene usporedbom klasificiranih scena 1985. – 1999. – 2013.

godine.

Z 2 • Izračunati povezanost između faktora i potencijala promjena zemljišnog pokrova u

Požeško-slavonskoj županiji 1985. –1999. – 2013. godine.

Z 3 • Kalibrirati i evaluirati stohastične simulacijske modele promjena zemljišnog pokrova s

različitim algoritmima i parametrima u odnosu na referentne podatke za Požeško-

-slavonsku županiju 1985. – 1999. – 2013. – 2027. godine.

7

Z 4 • Razmotriti rezultate simulacijskog modela promjena zemljišnog pokrova u kontekstu

budućega regionalnog i lokalnog razvoja Požeško-slavonske županije i usporediti ih s

važećim prostornim planovima i strategijama.

Ciljevi istraživanja:

C 1 • Dokazati da je hibridna klasifikacija pouzdana metoda utvrđivanja zemljišnog pokrova

i da je došlo do vidljivih promjena zemljišnog pokrova u Požeško-slavonskoj županiji

1985. – 1999. – 2013. godine.

C 2 • Dokazati da su prirodnogeografski i društvenogeografski faktori uvjetovali različit

smjer i intenzitet promjena zemljišnog pokrova u Požeško-slavonskoj županiji 1985. –

1999. – 2013. godine.

C 3 • Dokazati da različiti parametri i algoritmi proizvode različite simulacijske modele

promjena zemljišnog pokrova u Požeško-slavonskoj županiji 1985. – 1999. – 2013. –

2027. godine, uputiti na nedostatke pojedinih metoda te ponuditi prijedloge za njihovo

poboljšanje.

C 4 • Dokazati da su promjene zemljišnog pokrova indikator razvojnih tendencija u

Požeško-slavonskoj županiji, te da se prema simulacijskim scenarijima budućih

promjena zemljišnog pokrova mogu načiniti projekcije regionalnog i lokalnog razvoja.

1.5. Osnovne hipoteze istraživanja

Iz predstavljenih zadataka, ciljeva i na temelju dosadašnjeg poznavanja problematike

mogu se postaviti sljedeće, polazne hipoteze:

H 1 • Zemljišni pokrov u Požeško-slavonskoj županiji vidljivo se promijenio 1985. – 1999.

– 2013. godine.

H 2 • Postoji korelacija između faktora i dosadašnjih promjena zemljišnog pokrova u

Požeško-slavonskoj županiji na temelju koje se mogu simulirati njegove buduće

promjene.

H 3 • Postoji veza između trendova lokanog i regionalnog razvoja te promjena zemljišnog

pokrova u Požeško-slavonskoj županiji prema kojoj se mogu odrediti izazovi i

razvojne mogućnosti tog prostora.

Iznesene će se hipoteze u istraživačkom procesu potvrditi ili opovrgnuti, što će

poslužiti kao osnova za izvođenje zaključnih tvrdnji.

8

2. Istraživački pristup i metodologija

2.1. Teorijski okvir razmatranja

2.1.1. Pojmovi i definicije

Temeljni pojam land iz engleskog jezika prevodi se na hrvatski kao zemlja ili

zemljište, pri čemu oba pojma imaju više značenja.

FAO (1995, 6) definira zemlju kao „karakteristično područje Zemljine površine koje

sadrži sve atribute biosfere neposredno ispod ili iznad površine, uključujući klimu, tlo i

reljefne oblike, površinsku hidrologiju (plitka jezera i močvare), sedimentne slojeve blizu

površine i s njima povezane zalihe podzemnih voda, biljnu i životinjsku populaciju, sustav

ljudskih naselja i fizičke tragove prošlih i sadašnjih ljudskih aktivnosti (terasiranje,

akumulacije i sustavi za navodnjavanje, prometnice, zgrade i dr.).“

Zemljište u gospodarstvu podrazumijeva resurs za proizvodnju, razvoj i ostvarivanje

prihoda. Promatra li se s aspekta imovinskog prava, to je prostor Zemlje na kojemu postoje

interesi u obliku prava i tereta (dužnosti i obveze). Vrhovno pravo na zemljištu je vlasništvo

(Roić, 2012). Za potrebe ovog rada, zemljište je bliskoznačnica Zemljinoj površini, odnosno

fizičkoj osnovici geografskog prostora na kojoj se odvijaju najintenzivniji odnosi između

čovjeka i prirode (Šterc, 2012). Na pojam zemljišta nadovezuju se uporaba, način korištenja i

zemljišni pokrov koji mu daju određeni atribut (Malešić, 2015).

„Uporaba zemljišta podrazumijeva uživanje bez ulaganja rada i prihodovnih dobitaka“

(Roić, 2012, 41).

Korištenje zemljišta (engl. land use) je način na koji čovjek ulažući rad u zemljište s

njega ostvaruje probitke i osigurava svoju egzistenciju. Ono može biti urbano (poslovno,

stambeno, rekreacijsko...) i ruralno (obrađeno, pašnjaci, šume...) (Roić, 2012; Horvat, 2013).

Način korištenja zemljišta bio je uglavnom predmet interesa sociologa, ekonomista, geografa i

prostornih planera (Cvitanović, 2014b). Važno je naglasiti kako daljinska istraživanja nisu

dovoljna za proučavanje načina korištenja zemljišta, nego se moraju nadopuniti drugim

metodama: terenskim kartiranjem, anketiranjem i analizom podataka iz katastra (Brown i

Duh, 2004; Sohl i Sleeter, 2012).

Zemljišni pokrov (engl. land cover) je fizički materijal na Zemljinoj površini i

neposredno ispod nje (drveće, trava, vode, tlo, građevine), zbog čega je uglavnom u domeni

prirodnih znanosti (Brown i Duh, 2004; Horning, 2004; Roić, 2012; Horvat, 2013;

Cvitanović, 2014b; Malešić, 2015). Za razliku od socioekonomskog načina korištenja ze-

mljišta, kod proučavanja zemljišnog pokrova dovoljna su samo daljinska istraživanja (Brown

i Duh, 2004; Horning, 2004; Sohl i Sleeter, 2012; Horvat, 2013; Cvitanović, 2014a, 2014b).

9

Ponekad se termini zemljišni pokrov i način korištenja zemljišta rabe kao sinonimi ili

im se značenja preklapaju, naročito u urbanim područjima. To nije dobro jer se time narušava

dosljednost i mogućnost usporedbe klasifikacija (Brown i Duh, 2004; Horning, 2004; Horvat,

2013; Cvitanović, 2014b).

Namjena zemljišta (engl. land zoning) određuje se dokumentima prostornog

planiranja, čime se uspostavlja i kontrolira način korištenja zemljišta, a posredno i zemljišni

pokrov (Roić, 2012).

Model je pojednostavnjena apstrakcija dijela prostorne stvarnosti. Pri modeliranju je

nužno odstraniti sporedne detalje kako bi se fundamentalni, relevantni i interesantni aspekti

stvarnog svijeta pojavili u generaliziranom i razumljivijem obliku (Chorley i Haggett, 1967).

Simulacija danas uglavnom podrazumijeva oblik računalnog modeliranja, iako može

označavati fizičke modele (npr. simulatori leta). Najčešća definicija simulacije odnosi se na

proces prevođenja koncepcijskog modela nekog sistema u računalni model sistema,

implementiranih u obliku programa. Računalni program prihvaća ulazne podatke, programski

ih obrađuje i proizvodi izlazne podatke za analizu. Simulacijski model je sustav, odnosno

skup međusobno povezanih elemenata koji funkcioniraju na određeni način (Manson, 2009).

2.1.2. Faktori promjena zemljišnog pokrova

Kako bi se odredili uzroci promjena zemljišnog pokrova, treba razumjeti način

ljudskog donošenja odluka te utjecaj prirodnih i društvenih faktora koji utječu na nj. Pritom je

ključno uočiti da spomenuti faktori djeluju na više prostornih razina, od lokalnih do globalnih.

Faktori se zbog svoje složenosti obično dijele na izravne (neposredne aktivnosti na lokalnoj

razini) i neizravne (djeluju raspršeno, na više razina, utječući na izravne faktore) (Lambin i

Geist, 2007; Cvitanović, 2014b). Svaki faktor, ovisno o kontekstu, može imati višestruke i

često kontradiktorne učinke na zemljišni pokrov. Nijedan čimbenik nije izoliran, a veza

između uzroka i posljedica nije linearna ni jednosmjerna (Cvitanović, 2014b).

Broj varijabli kojima se operacionaliziraju prirodni i društveni faktori promjena

zemljišnog pokrova praktično je beskonačan. Izbor ograničenog broja varijabli koje najviše

utječu na promjene vrlo je važan za objašnjenje povijesnih trendova i simulacijsku projekciju.

Ako su nezavisne varijable međusobno jako povezane, teško je razlučiti koja od njih zaista

utječe na promjene zemljišnog pokrova, pa neke od njih treba isključiti. Uobičajene statističke

metode redukcije suvišnih varijabli su: koeficijenti korelacije (Pearsonov, Cramerov,

nepouzdanost udruženih informacija (engl. Joint Information Uncertainty – JIU)), regresijske

analize, težina dokaza (engl. Weight of Evidence – WoE) i dr. (Nti, 2013).

10

Pearsonov koeficijent korelacije je mjera linearne povezanosti između kontinuiranih

numeričkih varijabli, a računa se prema izrazu:

𝑟 =∑ (𝑥𝑖

𝑛𝑖=1 − 𝑥)(𝑦𝑖 − 𝑦)

√[∑ (𝑥𝑖 − �̅�)2𝑛𝑖=1 ] + [∑ (𝑦𝑖 − �̅�)2𝑛

𝑖=1 ] (1)

pri čemu je 𝑟 Pearsonov koeficijent korelacije; 𝑥𝑖 i 𝑦𝑖 vrijednosti i-tog člana varijabli 𝑥 i 𝑦; �̅� i

�̅� aritmetička sredina varijabli 𝑥 i 𝑦. Vrijednosti Pearsonova koeficijenta mogu biti od –1 do

1, a vrijednosti iznad ±0,7 najčešće se tumače kao snažna povezanost (Mukaka, 2012).

Cramerov koeficijent, nepouzdanost udruženih informacija i težina dokaza mogu se

primijeniti isključivo na kategoričke varijable, za razliku od Pearsonova koeficijenta. Zato se

za njihovo računanje treba načiniti reklasifikacija izvornih numeričkih vrijednosti. Pritom

treba imati na umu da dobiveni koeficijenti ovise o metodi klasifikacije (Nti, 2013).

Cramerov koeficijent (V) je normalizirana verzija hi-kvadrata (χ2) kojim se mjeri

distribucija vrijednosti članova niza, a računa se prema izrazu:

𝑉 = √𝜒2

𝑛(𝑘−1) , 𝜒2 = ∑

(𝑂−𝐸)2

𝐸 (2)

pri čemu je 𝑉 Cramerov koeficijent; 𝜒2 hi-kvadrat; 𝑛 ukupan broj opaženih vrijednosti (broj

ćelija); 𝑘 broj mogućih vrijednosti unutar varijable (broj kategorija); 𝑂 opažena frekvencija; 𝐸

očekivana frekvencija. Vrijednosti koeficijenta kreću se od 0 do 1, a ako su manje od 0,5,

varijable se mogu smatrati nezavisnima (Almeida i dr., 2003).

Težina dokaza (WoE) je kvantitativna metoda kombiniranja dokaza za potporu nekoj

hipotezi. Izvorno nije zamišljena za prostorne podatke, ali je tijekom 1980-ih iskorištena za

GIS kartiranje potencijalnih rudnih ležišta. Od tada se sve češće koristi za razne prostorne

analize, među kojima su i promjene zemljišnog pokrova. Težine su mjera prostorne

asocijacije između točkastih pojava u promatranom prostoru. Ako u nekom prostoru ima više

zabilježenih pojava od očekivanog, težina je pozitivna, a ako ima manje od očekivanog, onda

je negativna. Vrijednosti težine oko nule znači da su pojave slučajno razmještene, pa su ti

dokazi slabi. Izrazi za računanje težine dokaza su:

𝑊+ = 𝑙𝑛𝑃(𝐵|𝐷)

𝑃(𝐵|�̅�) i 𝑊− = 𝑙𝑛

𝑃(�̅�|𝐷)

𝑃(�̅�|�̅�) (3)

pri čemu su: 𝑊+ i 𝑊− težina dokaza; 𝑙𝑛 prirodni logaritam; 𝑃 vjerojatnost pojave; 𝐵 i �̅�

prisutnost ili odsutnost binarnoga prostornog uzorka (nezavisne varijable); 𝐷 i �̅� prisutnost ili

odsutnost prostorne pojave (promjene zemljišnog pokrova) (Bonham-Carter, 1994).

Dok se koeficijenti korelacije računaju uglavnom za mjerenje (ne)zavisnosti varijabli,

težina dokaza daje uvid u veze između varijabli i pojedinačnih promjena zemljišnog pokrova,

11

što omogućuje detaljniju analizu. Međutim, treba voditi računa kako statistička povezanost

između varijabli i promjena zemljišnog pokrova ne implicira nužno njihovu kauzalnost.

Kod inicijalnog izbora varijabli važna je dostupnost podataka, a najčešće se koriste

kvantitativni podaci dobiveni iz digitalnih modela reljefa, daljinskih istraživanja, topografskih

karata i popisa stanovništva (Manson, 2009). Budući da su zemljište i promjene njegova

pokrova kontinuirana pojava u prostoru, pri modeliraju se najčešće koristi rasterska struktura

podataka. Kada su faktori promjena zemljišnog pokrova apstraktni, kao npr. utjecaj tržišta,

obično se uvodi zamjenska varijabla u obliku zona kumuliranih udaljenosti od prometnice u

rasterskoj matrici, no takav pristup može prikriti kauzalne veze (Veldkamp i Lambin, 2001).

U proučenim modelima promjena zemljišnog pokrova najčešće je korišteno 10 – 15

varijabli, koje se mogu tematski podijeliti na fizičkogeografske i društvenogeografske. Među

fizičkogeografskim varijablama izdvajaju se: nadmorska visina, nagib, orijentacija padina,

razvedenost reljefa, vrsta tla, klimatski elementi, udaljenost od rijeka, obale i voda stajaćica,

udio susjednog zemljišta pokrivenog vegetacijom, vodom i građevinama. Društveno-

geografske varijable su: opća gustoća naseljenosti, agrarna gustoća, bruto društveni proizvod,

dobni i obrazovni sastav stanovništva, ukupno kretanje stanovništva, udaljenost od izgrađenih

dijelova naselja, gradova, rekreacijskih područja, cesta i željezničkih pruga (Pijanowski i dr.,

2002; Li i Yeh, 2002; Wu, 2002; Han i dr., 2015; Verburg i dr., 1999; Cvitanović, 2014b;

Brown i dr., 2002; Jokar Arsanjani i dr., 2013). Neke varijable su dinamične (npr. kretanje

stanovništva), dok su druge uglavnom statične (npr. nadmorska visina) (Nti, 2013).

2.1.3. Simulacijski modeli promjena zemljišnog pokrova

Simulacijski modeli promjena zemljišnog pokrova i načina korištenja zemljišta važni

su pri prostornom planiranju i upravljanju, kao i u znanstvenim istraživanjima, odnosno

obrazovanju (Li i Yeh, 2002; Yang i dr., 2012). Oni analiziraju uzroke i posljedice promjena,

te objašnjavaju funkcioniranje cijelog sustava zemljišnog pokrova. S druge strane, tumače

ulogu pojedinačnih socioekonomskih i biofizičkih faktora koji utječu na količinu i prostorni

uzorak promjena zemljišnog pokrova (Verburg i dr., 2004). Doprinose stvaranju novih

saznanja i otkrića jer na jedinstven način povezuju podatke, teoriju i empirijske dokaze

(Manson, 2009). Nadalje, mogu uputiti na buduće promjene zemljišnog pokrova u slučaju

nastavka postojećih trendova ili generirati različite „što-ako“ scenarije ovisne o ljudskom

ponašanju i uredbama zemljišne politike (Li i Yeh, 2002). Također, mogu rekonstruirati

povijesne promjene zemljišnog pokrova koje su povezane s propašću nekih civilizacija

(Manson, 2009). Simulacijski modeli mogu identificirati potencijalne probleme u promjeni

12

pokrova, npr. degradaciju staništa i zaštićenih prirodnih područja. Konačno, mogu podržavati

regionalno i urbano planiranje traženjem optimalnih uzoraka zemljišnog pokrova koji je u

skladu s održivim razvojem i ekološkom nosivošću prostora (Li i Yeh, 2002).

Tijekom posljednja dva desetljeća stvoreno je mnoštvo simulacijskih modela promjena

zemljišnog pokrova pod utjecajem globalne inicijative Land Use and Land Cover Change

(LUCC) koju provode International Geosphere-Biosphere Programme (IGBP) i International

Human Dimensions Programme (IHDP) (Brown i dr., 2003; Verburg, 2006; Han i dr., 2015).

Iako bi modeli trebali biti pojednostavnjena predodžba stvarnosti, porast snage računala

potiče izgradnju sve složenijih modela, što vodi prema zamagljivanju njihovih teorijskih

osnova. Teorijske osnove odnose se na temeljna načela koja se rabe za objašnjenje promjena

zemljišnog pokrova i koncepte koji se primjenjuju za provođenje tih načela u konkretne

algoritme i funkcionalne modele (sl. 2). Veliki broj modela koji često imaju preklopljene

teorijske osnove, usporedivi su po mnogim dimenzijama (razina analize, vremenska dinamika,

pokretački faktori, prostorna interakcija i utjecaj susjedstva, razina integracije), zbog čega ih

je teško klasificirati na jedinstveni način (Verburg i dr., 2004; van Schrojenstein Lantman i

dr., 2011; Brown i dr., 2003).

Sl. 2. Veza između procesa promjene zemljišnog pokrova i računalnih simulacijskih modela

Izvor: modificirao autor prema van Schrojenstein Lantman i dr., 2011.

Svi se simulacijski modeli promjena zemljišnog pokrova svode na najmanje jedno od

sljedećih temeljnih načela:

nastavak povijesnog razvoja;

prikladnost zemljišta (u novčanim ili drugim jedinicama);

rezultat odnosa sa susjedstvom;

rezultat odnosa aktera.

Premisa povijesnog načela je da se budući zemljišni pokrov može predvidjeti putem

povijesnih promjena, ukoliko će budućnost nalikovati prošlosti. Ekstrapolacija promjena

zemljišnog pokrova u budućnost je intuitivna i često korištena metoda (van Schrojenstein

13

Lantman i dr., 2011). Međutim, praksa pokazuje kako takav pristup ne funkcionira dobro u

budućnosti (Gibson i dr., 2000), niti je prenosiv na druga područja (Jenerette i Wu, 2001).

Prikladnost može obuhvaćati niz čimbenika, kao npr. kvalitetu tla, geografski položaj,

reljefna obilježja, udaljenost od tržišta i prometnica. Temeljna pretpostavka je da ljudi žele

povećati dobit, koja se može izraziti novčanim (kvantiteta) ili drugim jedinicama (kvaliteta).

Načelo susjedskih odnosa tvrdi da vjerojatnost promjene iz jednog u drugi pokrov

ovisi o pokrovu susjednih ćelija. Pokretač promjene može biti biofizički ili socioekonomski.

Glavna pretpostavka akterskog donošenja odluka je da je zemljišni pokrov rezultat

odnosa između aktera. Aktere najčešće predstavljaju agenti: pojedinačni entiteti ili grupa

aktera, ovisno o mjerilu modeliranja. Načelo pokušava objasniti i razumjeti socioekonomske

pokretače i razvojne politike koje utječu na promjene zemljišnog pokrova. Otegotna okolnost

je što nema dovoljno potrebnih podataka te ih je teško vrednovati. Iako je ovo načelo još u

začetku, čini se kao obećavajuće istraživačko oruđe (van Schrojenstein Lantman i dr., 2011).

Razni koncepti promjena zemljišnog pokrova nastali su iz pokušaja znanstvenog

rješavanja i prevođenja stvarnosti u model. Svi su koncepti izgrađeni na jednom ili više

prethodno opisanih temeljnih načela.

Ćelijski automati (engl. Cellular Automata – CA) su najpoznatiji koncept promjena

zemljišnog pokrova. Korišteni su u mnogim istraživanjima, europskom projektu MOLAND

(Monitoring Urban Land Cover Dynamics) i u ovom radu, pa će se podrobnije opisati.

Osnovna zamisao CA je da se promjena zemljišnog pokrova može objasniti trenutnim stanjem

ćelije i njihovim promjenama u susjedstvu. Prema tome, temeljen je na načelu nastavka

povijesnog razvoja i rezultata susjedskih odnosa (van Schrojenstein Lantman i dr., 2011).

CA su jednostavni dinamički modeli koje su izumili Ulam i von Neumann 1940-ih

kako bi stvorili formalni okvir za istraživanje ponašanja kompleksnih sustava (Moreno i dr.,

2009; Clarridge, 2009). Najglasovitiji primjer CA je The Game of Life koju je napravio John

Conway, a učinio poznatom M. Gardner (Wu, 2002; Clarridge, 2009; van Schrojenstein

Lantman i dr., 2011). Klasičnu matematičku formalizaciju predložio je Wolfram (1984), a u

geografiju ih je prvi uveo Tobler (1979).

Elementi CA su: 1) mreža ćelija na kojoj djeluje model; 2) stanja ćelija u mreži; 3)

pravila promjene koja uvjetuju prostornu dinamiku procesa; 4) susjedstvo koje utječe na

središnju ćeliju i 5) vremenski koraci (Moreno i dr., 2009; Clarridge, 2009; van Schrojenstein

Lantman i dr., 2011; Tayyebi, 2013).

CA modeli predočavaju geografski prostor kao mrežu pravilnih ćelija, a susjedstvo se

definira kao skup ćelija koje fizički graniče sa središnjom ćelijom (Moreno i dr., 2009). Von

14

Neumannovo susjedstvo sastoji se od četiri, a Mooreovo susjedstvo od osam ćelija (sl. 3)

(Clarridge, 2009).

Sl. 3. Von Neumannovo (lijevo) i Mooreovo susjedstvo (desno)

CA počinje u vremenu t = 0 sa svim ćelijama koje su u jednom od n mogućih stanja,

gdje je n konačan broj. Samo ograničeni broj ćelija može biti u ne-praznom stanju. Ovo

općenito stanje poznato je kao početna konfiguracija. Svaka ćelija ima vlastitu funkciju

promjene, čiji su ulaz stanja njihovih susjeda, a izlaz je jedno od mogućih stanja ćelije. U

vremenskom koraku t, svaka ćelija koristi stanja svojih susjeda kao ulaz za funkciju promjene

stanja, a izlaz funkcije je novo stanje ćelije u vremenu t + 1. Cijeli CA obnavlja se

sinkronizirano i iterativno na taj način (Wolfram, 1984; Clarridge, 2009).

Razlikuju se dva osnovna tipa CA: uvjetovani i neuvjetovani. Kod uvjetovanih CA

količina promjena u određenoj klasi ograničena je stručnom procjenom ili je izračunata iz

povijesnih promjena. Neuvjetovani su „pravi“ CA, jer koriste isključivo pravila promjene za

računanje zemljišnog pokrova (van Schrojenstein Lantman i dr., 2011). Neuvjetovani CA su

nepredvidljivi, odnosno stohastični, zbog čega se integriraju s metodom Monte Carlo (Wu,

2002). Slučajni odnosi između pojedinačnih ćelija prenose se odozdo prema gore, gdje se

samoorganiziraju u složene makro-uzorke. Ishod svake prethodne iteracije ima učinak na

ishod sljedeće iteracije, a ponekad se dobiju neočekivana obilježja (Wolfram, 1984; Li i Yeh,

2002; Wu, 2002).

Markovljev lanac (engl. Markov chain) je diskretni slučajni proces s Markovljevim

svojstvom gdje razdioba vjerojatnosti za sustav u sljedećem i svakom budućem koraku ovisi

samo o trenutnom stanju sustava, a ne o stanju sustava u prethodnim koracima (Guan i dr.,

2008; Yang i dr., 2012). Temelji se na načelu nastavka povijesnih promjena, a u analizi se

koriste matrice kako bi se izračunale vjerojatnosti promjena između kategorija zemljišnog

pokrova (van Schrojenstein Lantman i dr., 2011). Nedostatak metode je što nije prostorna, tj.

15

ona predviđa količinu promjena, ali ne otkriva gdje bi se one mogle dogoditi (van

Schrojenstein Lantman i dr., 2011; Mitsova i dr., 2011; Yang i dr., 2012).

Umjetne neuronske mreže (engl. Artificial Neural Networks – ANN) su oblik strojnog

učenja koje se sve više primjenjuju uslijed napretka računala i fleksibilnih softvera. Mnoga

istraživanja pokazuju kako su ANN jedan od najefikasnijih sustava za modeliranje složenih

sustava promjena zemljišnog pokrova. Naročito dobro rješavaju probleme s kompleksnim

nelinearnim vezama te nepotpunim i pogrešnim podacima (Pijanowski i dr., 2002; Li i Yeh,

2002; van Schrojenstein Lantman i dr., 2011).

Sl. 4. Osnovna struktura umjetne neuronske mreže s višestrukim izlaznim neuronima

Izvor: modificirao autor prema Li i Yeh, 2002.

ANN se sastoje od slojeva i neurona koji oponašaju strukturu ljudskog mozga. Uzorci

podataka se sortiraju, a učenje se provodi metodom pokušaja i pogrešaka, čime se otkrivaju

veze između podataka. Prva i najjednostavnija umjetna neuronska mreža zvala se perceptron,

a sastojala se od jednog čvora koji je primao ulazne podatke i davao rezultate prema

određenim pravilima (Pijanowski i dr., 2002). Danas je najčešće korišteni oblik ANN multi-

-layer perceptron (MLP) koji su opisali Rumelhart i dr. (1986). MLP se sastoji od tri sloja:

ulaznog, skrivenog i izlaznog (sl. 4), kako bi mogle identificirati veze koje su po naravi

nelinearne. Neuroni ili čvorovi, koji su temeljne jedinice obrade signala, raspoređeni su po

slojevima. U prvom (ulaznom) sloju, svaki čvor prihvaća jednu vrijednost koja odgovara

16

elementu u sortiranom skupu ulaznih podataka (opažanja). Zatim svaki čvor u ulaznom sloju

generira izlaznu vrijednost (signal) koja se može proslijediti kao ulazni podatak za sve

čvorove u sljedećem sloju. Signali se prenose od čvora do čvora, a ponderirani su težinom

pridruženom svakoj vezi, koja označava jakost veze. Prijemni čvor zbraja ponderirane ulazne

podatke iz svih neurona s kojima je povezan u prethodnom sloju. Izlaz ovog čvora računa se

kao funkcija njegovog ulaza, a naziva se „aktivacijska funkcija“. Podaci napreduju od

čvorova do čvorova s kumuliranim težinama, sve dok ne dođu do izlaznog sloja (Rumelhart i

dr., 1986; Pijanowski i dr., 2002; Li i Yeh, 2002). Određivanje težina je ključno za uspješno

funkcioniranje neuronskih mreža. Težine se računaju korištenjem algoritma za treniranje, od

kojih je najpopularniji algoritam povratnog prenošenja (engl. Back Propagation – BP). Taj

algoritam nasumično bira početne težine i zatim uspoređuje izlaznu vrijednost s očekivanom

izlaznom vrijednosti za dano opažanje. Razlika između očekivanih i izračunatih izlaznih

vrijednosti za sva opažanja iskazuje se srednjim kvadratnim odstupanjem. Nakon što se sva

opažanja podastru neuronskoj mreži, težine se korigiraju prema generaliziranom delta pravilu

(engl. Generalized Delta Rule) tako da se ukupna pogreška raspodijeli na različite čvorove u

mreži. Proces unaprijednog upravljanja signala i povratnog prenošenja pogrešaka ponavlja se

iterativno sve dok se pogreška ne stabilizira na niskoj razini (Rumelhart i dr., 1986;

Pijanowski i dr., 2002).

Statistička analiza informacija dobivenih iz karata zemljišnog pokrova može biti

temeljena na sva četiri osnovna načela. Za analizu statističkih veza između nezavisnih i

zavisnih varijabli te modeliranje promjena zemljišnog pokrova koriste se razni oblici

logističkih funkcija (linearna regresija, binomni i polinomni modeli). Logistička analiza daje

interpretativan rezultat, a omogućuje analizu vjerojatnosti promjene, ovisno o raznim

čimbenicima i stručno zadanim uvjetima (van Schrojenstein Lantman i dr., 2011; Tayyebi,

2013). Problemi nastaju u slučaju međusobne korelacije prostornih faktora, loših i nepotpunih

podataka te nelinearnih trendova u promjenama zemljišnog pokrova (Li i Yeh, 2002).

Agentno bazirani sustavi temelje se na načelu interakcije aktera, a osobit razvoj

doživljavaju tijekom posljednjih godina. Unutar agentno baziranih sustava mogu se razlučiti

četiri potkategorije: 1) agentno bazirani modeli; 2) individualno bazirani modeli i

mikrosimulacije; 3) modeli bazirani na aktivnosti i 4) stručno utemeljena pravila odlučivanja.

Od nabrojenih potkategorija, najčešće se koriste agentno bazirani modeli (ABM)

(Rajan i Shibasaki, 2000; van Schrojenstein Lantman i dr., 2011; Tayyebi, 2013). Oni se

sastoje od dvije ključne komponente: karte istraživanog područja i modela s agentima koji

predstavlja ljudsko donošenje odluka. Sklonosti agenata mogu se definirati stručnom

17

procjenom, anketiranjem ili umjetnim neuronskim mrežama. Više-agentni sustav je skup

agenata koji međusobno djeluju u zajedničkom vanjskom okolišu. Agent predstavlja aktera u

procesu promjene zemljišnog pokrova, a to može biti pojedinac ili grupa. Agenti obično imaju

jedinstvene osobine, tako da ih drugi agenti mogu identificirati (slično kao npr. otisak prsta).

Odnosi između aktera mogu biti:

odnosi između prostornih objekata okoliša i aktera;

odnosi između prostornih objekata;

odnosi između aktera i prostornih objekata; i

odnosi između aktera (van Schrojenstein Lantman i dr., 2011).

Ostali koncepti koji se navode u literaturi su: višekriterijsko vrednovanje (engl. Multi-

Criteria Eva-luation – MCE; Tayyebi, 2013), genetski algoritmi (engl. Genetic Algorithms –

GA; Tayyebi, 2013), „fuzzy“ logika (Dragicevic i Marceau, 1999), metoda potpornih vektora

(engl. Support Vector Machines – SVM; Vapnik, 1998), metoda scenarija (Sun i dr., 2012;

Han i dr., 2015), optimizacija kolonije mrava (engl. Ant Colony Optimization – ACO; Yang i

dr., 2012) itd.

Svaki od koncepata ima svoje prednosti i nedostatke. Integracija metoda preporučuje

se radi postizanja najboljih rezultata, a takvi modeli zovu se hibridni (Verburg i dr., 2004;

Manson, 2009; Yang i dr., 2012; Tayyebi, 2013). Benenson i Torrens (2004) predlažu da se

cijela paradigma integriranih modela za simulaciju u prostornom kontekstu nazove

geosimulacija.

Programska implementacija koncepata promjene zemljišnog pokrova rezultira

konkretnim računalnim simulacijskim modelima. Neki od najčešće korištenih softvera za

simulaciju promjena zemljišnog pokrova su: CLUE (CLUE-s, Dyna-CLUE), MOLAND,

LUMOS, SLEUTH, UrbanSim, Dinamica EGO, CA_MARKOV u IDRISI-u, Land Change

Modeler, Land Transformation Model (LTM), GEOMOD2, IMAGE, CORMASS, LanduseSim,

LUCAS, MOLUSCE za QGIS itd. (van Schrojenstein Lantman i dr., 2011; Mas i dr., 2014).

Posebno mjesto u razvoju svakog modela zauzimaju kalibracija i validacija. Nejasno

razgraničenje tih pojmova otežava procjenu kvalitete predviđanja modela (Pontius i dr.,

2004). Kalibracija je „procjena i prilagodba parametara i uvjeta modela kako bi se poboljšalo

slaganje između izlaznog rezultata modela i stvarnih podataka“ (Rykiel, 1995, 232).

Validacija je pak „demonstracija da model unutar svoje domene primjene posjeduje

zadovoljavajuću razinu točnosti konzistentnu s namjeravanom primjenom modela“ (Rykiel,

1995, 233). Kalibracija i validacija mogu se razdvojiti vremenski i prostorno. Kod

18

vremenskog razdvajanja, dio cijelog skupa podataka između vremena t1 i t2 izabere se

nasumično za treniranje modela (treniranje kalibracije), te se svi podaci iz vremena t1 koriste

za simulaciju pokrova u proteklom vremenu t2. Potom se simulirani pokrov iz vremena t2

usporedi sa stvarnim pokrovom u vremenu t2 (testiranje kalibracije). Validacija se postiže

vrednovanjem kvalitete predviđanja modela u trećem vremenskom koraku, koji je također

prošao i za koji postoje referentni podaci. Tek tada se pristupa simulaciji pokrova za vrijeme u

budućnosti. Prostorno razdvajanje izvodi se treniranjem i testiranjem kalibracije u jednoj

regiji za dva protekla trenutka, a validacija se provodi u drugoj regiji usporedbom simuliranog

i stvarnog pokrova (Pontius i dr., 2004; Tayyebi, 2013). Najjednostavnija metoda validacije

simulacije je pomoću nul-modela. Simulacijski model se kalibrira s podacima iz t1, a

validacija se provodi usporedbom simuliranog pokrova sa stvarnim stanjem u t2. Nul-model

pretpostavlja da u vremenu između t1 i t2 uopće nije došlo do promjena pokrova. Ako je nul-

-model (pokrov iz t1) sličniji stvarnom pokrovu u t2 od simuliranog, to upućuje da simulacija

nije pouzdana. Međutim, iskustva pokazuju da većina simulacijskih modela ima lošije

predviđanje od nul-modela (Pontius i dr., 2004). Povrh toga, u mnogim istraživanjima

nedostaje bilo kakva validacija (Pontius i dr., 2004; Pontius i dr., 2008; Verburg i dr., 2004).

Validacija simulacijskih modela promjena zemljišnog pokrova sastoji se od dva

elementa: validacije prostornog i kvantitativnog slaganja izlazne karte s referentnom kartom

te validacije slaganja opisanog procesa promjene zemljišnog pokrova. Prostorno slaganje

odnosi se na razmještaj promjena, a kvantitativno slaganje na površinsku zastupljenost

kategorija zemljišnog pokrova. Općenito se može reći da induktivni modeli (pokretani

podacima) dobro simuliraju uzorke zemljišnog pokrova (slaganje razmještaja i količine), dok

deduktivni modeli (pokretani teorijom) bolje objašnjavaju zašto i kako će se dogoditi

promjena zemljišnog pokrova (slaganje procesa). Za donositelje odluka i prostorne planere

važnije je poznavati procese koji dovode do promjena, nego prostorni razmještaj promjena

(van Schrojenstein Lantman i dr., 2011).

Budući da su sustavi zemljišnog pokrova i načina korištenja zemljišta izrazito složeni i

nepredvidljivi, a simulacijski modeli tek su na početku razvoja, postoje mnoge prepreke koje

još treba istražiti i riješiti (Wang i dr., 2012). Velika skupina poteškoća odnosi se na prostorno

mjerilo istraživanja. Univerzalan je problem promjenjive veličine prostornih jedinica

(MAUP3), pri čemu različit oblik i veličina jedinica agregiranja podataka dovodi do drukčijih

rezultata. Do ekološke zablude dolazi u agentnim modelima, gdje se karakteristike pojedinih

3 Engl. Modifiable Area Unit Problem.

19

agenata izvode iz procjene temeljene na agregiranim prostornim jedinicama (Chou, 1993;

Brown i dr., 2003; Cvitanović, 2014b). Važan problem mjerila je kvantifikacija procesa koji

djeluju na višestrukim razinama, odozdo prema gore ili odozgo prema dolje. Utjecaj

susjedstva također treba uzeti u obzir, pri čemu treba postići ravnotežu između utjecaja

direktnog susjedstva i prostorne autokorelacije na promjenu zemljišnog pokrova (Verburg i

dr., 2004; Brown i dr., 2003). Broj tematskih klasa zemljišnog pokrova utječe na složenost

simulacije. Najjednostavnije su simulacije promjena između dviju kategorija (npr. urbano i

ne-urbano), dok se povećanjem broja klasa uvelike otežava simulacija (Li i Yeh, 2002; van

Schrojenstein Lantman i dr., 2011). Vremenskoj dinamici procesa nije posvećena dovoljna

pozornost, premda ona utječe na prostorno mjerilo i tematsku klasifikaciju. Nijedan

simulacijski model promjene zemljišnog pokrova ne bi smio biti statičan, nego bi trebao

uzimati u obzir prošle promjene. Neki od problema vezanih uz vrijeme su nelinearne

promjene i vremensko zaostajanje promjena zemljišnog pokrova (Verburg i dr., 2004; Brown

i dr., 2003). Kada su promjene na zemljištu male i spore, treba povećati vremenski interval

istraživanja (van Schrojenstein Lantman i dr., 2011). Poboljšanju simulacijskih modela može

doprinijeti uključivanje mehanizma povratne sprege i mjere elastičnosti promjena zemljišnog

pokrova (Verburg i dr., 2004; Verburg, 2006). Međutim, nije poželjno stvoriti presložene

modele jer postoji bezbroj čimbenika koji se mogu uzeti u obzir, tako da modeli ponekad

pokušavaju dohvatiti ono čega nema. Također, pretjerano baždarenje modela za neko

područje može značiti da model neće funkcionirati u drugom području. Jednostavni modeli

primjenjivi su na više različitih regija, te je lakše protumačiti njihove rezultate (van

Schrojenstein Lantman i dr., 2011).

2.2. Metode i tehnike istraživanja

2.2.1. Daljinska istraživanja

„Fotogrametrija i daljinska istraživanja jesu vještina, znanost i tehnologija dobivanja

pouzdanih kvantitativnih informacija o fizičkim objektima na Zemlji i okolišu – procesom

zabilježbe, mjerenja, analiziranja i interpretacije fotografskih snimaka i scena

elektromagnetskoga zračenja, dobivenih senzorskim sustavima“ (International Society of

Photogrametry and Remote Sensing prema Bušljeta-Vdović, 2006, 248).

Satelitske snimke dobivene daljinskim istraživanjima bogat su izvor prostornih

podataka za mnoge znanstvene discipline, uključujući i geografiju (Valožić, 2014, 2015).

Njihove su prednosti što omogućuju relativno brz i neposredan uvid u stanja i procese na

Zemljinoj površini, a budući da sateliti kontinuirano snimaju Zemlju već četiri desetljeća,

20

mogu se analizirati povijesne promjene zemljišnog pokrova na regionalnoj i globalnoj razini.

Prisutni su pozitivni trendovi povećanja kvalitete snimaka uz istodobno smanjenje

financijskih i vremenskih zahtjeva istraživanja (Campbell, 2006; Cvitanović, 2014a, 2014b).

Karakteristike koje opisuju kvalitetu satelitskih snimki su: geometrijska, spektralna,

radiometrijska i vremenska razlučivost. Geometrijska razlučivost označava najmanji detalj na

zemljištu koji se može registrirati na snimci, a obično se izražava veličinom ćelije (piksela) .4

Spektralna razlučivost upućuje na raspon valnih duljina i broj kanala snimljenog emitiranog

ili reflektiranog elektromagnetskog zračenja. Prije su se koristile optičke kamere za snimanje

vidljive svjetlosti, no danas se snimaju i ultraljubičasto, infracrveno i mikrovalno zračenje.

Takvi sustavi zovu se multispektralni, odnosno hiperspektralni. Radiometrijska razlučivost

iskazuje se brojem nijansi svjetline koje senzor može razlikovati (dubina bita). Vremenska

razlučivost je učestalost snimanja istog područja (Bušljeta-Vdović, 2006; Campbell, 2006).

Obrada i klasifikacija snimki provodi se u svrhu interpretacije prostornih sadržaja.

Obrada uključuje geometrijsku, radiometrijsku, atmosfersku i topografsku korekciju,

preuzorkovanje, reprojiciranje, spajanje itd., kako bi se stvorili preduvjeti za klasifikaciju

(Girard i Girard, 2003; Horvat, 2013). Klasifikacija je proces razvrstavanja spektralnih

vrijednosti ćelija u skupine sa zajedničkim karakteristikama koje predstavljaju kategoriju

zemljišnog pokrova. Metode klasifikacije, s obzirom na angažman stručnjaka, mogu se

podijeliti na nenadzirane i nadzirane. U nenadziranim metodama zadaje se samo broj klasa i

algoritam prema kojem se vrši klasifikacija. Kod nadzirane klasifikacije, operater ručno

definira uzorke klasa prema kojima se softver „trenira“ i klasificira ostatak scene ili se pak

(rijetko) provodi potpuna ručna klasifikacija cijele scene (Horning, 2004). Ovisno o primarnoj

jedinici klasifikacije, razlikuju se metode bazirane na ćelijama i objektima. Objekti nastaju

grupiranjem bliskih ćelija sa sličnim vrijednostima pomoću segmentacije (Blaschke, 2010;

Valožić, 2015). Suvremeni trendovi pokazuju kako se sve češće koristi objektni pristup jer

postiže veću točnost u klasifikaciji slika visoke prostorne razlučivosti od metoda temeljenih

na pojedinačnim ćelijama (Blaschke, 2010). Međutim, hibridni pristup (npr. ručna

klasifikacija jedne klase i objektna klasifikacija ostatka scene) daje najbolje rezultate, kao što

je primijećeno i u drugim područjima znanosti (Horning, 2004). Postoji više klasifikacijskih

shema kojima se iscrpno definiraju kategorije zemljišnog pokrova. Klasifikacijska shema bira

se ovisno o namjeni istraživanja, a najpoznatiju su načinili Anderson i dr. (1976).

4 Geometrijska ili prostorna razlučivost nije isto što i razlučivost slike. Ako satelit može snimiti najmanji detalj

dimenzija 10 × 10 m, povećanje broja piksela slike (razlučivosti slike) neće omogućiti detekciju objekata manjih

od 10 × 10 m jer će se jedna ćelija s određenom vrijednosti samo podijeliti na veći broj ćelija s istom vrijednosti.

21

2.2.2. Izvori i obrada podataka

Osnovni izvor podataka bile su multispektralne satelitske snimke prikupljene misijom

Landsat, a preuzete su sa servisa EarthExplorer Agencije za geologiju Sjedinjenih Američkih

Država (USGS) (izvor: 8). Prilikom pretraživanja snimki vodilo se računa da pokrivaju isti

prostor, da budu dostupni svi izvorni kanali (Level 1 Data Product), da na njima ne bude

oblaka, da budu u istom godišnjem dobu (ljeto) radi fenološke usklađenosti, da vremenski

razmak između snimki bude jednak i što dulji. Najstarije snimke prikupljene su satelitom

Landsat 5 TM 10. kolovoza 1985. godine, drugi set snimki prikupljen je satelitom Landsat 7

ETM+ 9. kolovoza 1999. godine, a najnovije snimke prikupljene su satelitom Landsat 8 OLI

TIRS 7. kolovoza 2013. godine. Snimke su preuzete u GeoTIFF formatu s prostornom

rezolucijom 30 metara, unaprijed georeferencirane i georektificirane u koordinatnom sustavu

WGS 84 UTM. Problem je predstavljalo što Požeško-slavonska županija nije bila obuhvaćena

jednim, nego dvama prikazima (WRS putanja 188, red 28 i 29) u različitim projekcijama

(UTM 34N i UTM 33N). Zbog toga su snimke reprojicirane u zajedničku projekciju UTM

33N i potom spojene. Pri klasifikaciji nisu korišteni kanali iz termalnog dijela spektra ni

pankromatske snimke. Scene su hibridno klasificirane nadziranom metodom, korištenjem

algoritma Maximum Likelihood, pri čemu su izgrađena područja u potpunosti ručno izdvojena.

Digitalni model reljefa koji je služio u simulacijskom modelu za izvođenje prostornih

čimbenika preuzet je s internetske stranice Europske agencije za okoliš (izvor: 9). Njegova

izvorna prostorna rezolucija bila je 25 m, a projekcija ETRS89 LAEA, zbog čega je

preuzorkovan na 30 m metodom najbližeg susjeda u projekciju WGS 84 UTM 33N.

Podaci o minski sumnjivim područjima dobiveni su od Hrvatskog centra za

razminiranje (izvor: 10), a administrativne granice potječu iz Digitalnog atlasa RH (izvor: 11).

Dodatni prostorni podaci služili su za kontrolu klasifikacije: hrvatska osnovna karta u

mjerilu 1 : 5000 iz 1980. – 1990. godine (izvor: 12), topografska karta u mjerilu 1 : 25.000 iz

2001. – 2003. godine (izvor: 13) i digitalna ortofoto karta u mjerilu 1 : 5000 iz 2011. godine

(izvor: 14) preko WMS-a Geoportala Državne geodetske uprave; aerofotogrametrijske snimke

iz 2001. godine kupljene od Državne geodetske uprave i satelitske snimke visoke rezolucije iz

2013. godine snimljene satelitom SPOT 6, preko servisa Open Layers (izvor: 15).

Statistički podaci preuzeti su iz Popisa stanovništva 2001. i 2011. godine s Državnoga

zavoda za statistiku (izvor: 2; 16).

Za obradu snimki korišteni su programi otvorenog koda QGIS 2.12 (izvor: 17) i

GRASS GIS 7 (izvor: 18), dodatak za klasifikaciju u QGIS-u je Semi-Automatic Classification

Plugin (izvor: 19), a dodatak za simulaciju je MOLUSCE (izvor: 20).

22

2.3. Struktura istraživanja

Znanstveno-istraživački dio ovog rada proveden je u tri osnovna koraka: 1) analiza

promjena zemljišnog pokrova, 2) razvoj testnoga simulacijskog modela i 3) provedba

konačnoga simulacijskog modela (sl. 5).

Sl. 5. Koraci i operacije u procesu istraživanja

Validacija

klasifikacije

An

ali

za p

rom

jen

a

zem

ljiš

no

g p

okro

va

Klasifikacija

zemljišnog pokrova

Detekcija promjena

zemljišnog pokrova

Razvo

j te

stn

og

mo

dela

zem

ljiš

no

g p

okro

va

Analiza i izbor

varijabli Kalibracija testnog

modela

Potencijal

promjena

Rezultat testnog

modela (2013.)

Pro

ved

ba k

on

ačn

og

mo

dela

zem

ljiš

no

g

po

kro

va

Kalibracija

konačnog modela

Rezultat konačnog

modela (2027.)

Potencijal

promjena

Analiza i izbor

varijabli

Validacija

modela

23

3. Analiza promjena zemljišnog pokrova Požeško-slavonske županije 1985. – 2013.

godine

3.1. Rezultati klasifikacije zemljišnog pokrova

Klasifikacijska shema nastojala je dosljedno poštivati definiciju zemljišnog pokrova

kao fizičkog materijala na zemljištu, ali vodilo se računa o mogućnosti pretvorbe u način

korištenja zemljišta (tab. 1). S obzirom na to da je primarni predmet interesa ovog rada

zemljišni pokrov, u nastavku su korišteni odgovarajući nazivi klasa.

Tab. 1. Klasifikacijska shema u istraživanju

Klasa zemljišnog pokrova Klasa načina korištenja zemljišta

voda jezera i ribnjaci

izgrađeno urbana, ruralna naselja i prometnice

usjevi i tlo poljoprivredno zemljište pod jednogodišnjim

ili trajnim nasadima i oranice

trava i šikara zapušteno poljoprivredno i neplodno zemljište

drveće šuma i šumsko zemljište

Uzorci klasa za „treniranje“ birani su vizualnom analizom RGB kompozitnih slika

dobivenih kombinacijama raznih kanala, tzv. true color (slike u crvenom, zelenom i plavom

kanalu: 3-2-1) i false color (zamjena kanala iz vidljivog dijela spektra s nekim iz

infracrvenog, npr.: 4-3-2, 4-5-3, 5-4-3), a korišteni su i prethodno spomenuti dodatni podaci.

3.1.1. Zemljišni pokrov Požeško-slavonske županije 1985. godine

Klasifikacija zemljišnog pokrova Požeško-slavonske županije za 1985. godinu

prikazana je na sl. 6.

Sl. 6. Zemljišni pokrov u Požeško-slavonskoj županiji 1985. godine

24

Požeško-slavonska županija u prijeratnom razdoblju još uvijek je imala blago

pozitivnu populacijsku dinamiku. Poljoprivrednom proizvodnjom bavio se znatan udio

stanovništva, pa da su površine pod usjevima i oranicama zauzimale oko 63.700 ha ili 35 %

ukupne površine Županije, što je najviše u cijelom istraživanom razdoblju. Površine pod

drvećem bile su najzastupljenije od svih klasa sa 85.700 ha (47 %), premda su zauzimale

najmanju površinu u odnosu na naredne promatrane trenutke. Trava i prirodno nisko raslinje

prostirali su se na oko 25.000 ha (13,7 %). Najmanje površine bile su pokrivene umjetno

izgrađenim objektima (6900 ha ili 3,8 %) i vodom (800 ha ili 0,45 %). Sveukupno, pokrov

zemljišta iz 1985. upućivao je na njegovo razmjerno intenzivno korištenje.





Tijekom 1990-ih značajan dio prostora Požeško-slavonske županije bio je pogođen

Domovinskim ratom. Ponajprije se to odnosilo na upravne gradove Pakrac i Lipik u

zapadnom dijelu Županije, gdje je bilo dosta srpskog stanovništva. Osim njih, stradali su i

zapadni dijelovi općina Brestovac i Velika. Rat je imao negativne posljedice za demografsku

sliku jer je dio stanovništva poginuo, a još je veći dio emigrirao. Do 1999. godine, za koju je

utvrđen zemljišni pokrov, vratilo se neznatno malo odseljenog stanovništva. Zaostala su i

minska polja na Psunju i Pakračkoj gori. Osim ratne depopulacije, nastavila se i spontana

25

depopulacija kao posljedica negativne prirodne promjene i migracijske bilance. Gospodarsko-

-politička tranzicija, urbanizacija i demografska polarizacija uvjetovali su daljnje napuštanje

poljoprivrede i ruralnih naselja. Sveukupno se to odrazilo na zemljišni pokrov u vidu manjeg

intenziteta korištenja i širenja ugara. Površina šuma dosegla je gotovo polovinu površine

Županije, odnosno 89.500 ha (49,1 %), poljoprivredne površine pale su na 47.500 ha (26,1

%), a površine obrasle travom i niskom prirodnom vegetacijom porasle su na 37.000 ha (20,3

%), približivši se preoranim i zasijanim površinama. Najmanje zastupljene kategorije

stagnirale su, izgrađena područja na 7200 ha (4 %) i vode na 900 ha (0,5 %).





Površine pod drvećem (šumama) 2013. godine ostale su najzastupljenije s gotovo

101.000 ha, s tim da su premašile polovinu ukupne površine Županije (55,4 %). Ako se

prisjetimo, prema podacima iz CORINE Land Cover baze, šume su 2012. godine zauzimale

47 % ukupne površine (izvor: 4). Razlika je u klasifikacijskoj shemi i metodologiji

prikupljanja podataka. Naime, CORINE program ima puno razrađeniju klasifikacijsku shemu

koja osim pokrova obuhvaća i način korištenja zemljišta. No, prostorna razlučivost rasterskih

podataka CORINE je 100 m jer su izlazni proizvodi namijenjeni za mjerilo 1 : 1.000.000.

Najmanja jedinica kartiranja je 25 ha za sve skupove podataka o zemljišnom pokrovu,

odnosno 5 ha za skupove podataka o promjenama pokrova između određenih razdoblja (izvor:

26

4). Ovdje korištene Landsat snimke imale su prostornu rezoluciju 30 m, što je omogućilo

detekciju suptilnijih razlika u zemljišnom pokrovu.

Površine obrasle travom i niskim raslinjem zauzimale su 25.400 ha (14 %), što je bilo

slično kao 1985. godine. Usjevi i tlo ostali su gotovo nepromijenjeni u odnosu na 1999.

godinu, tako da su se prostirali na gotovo 48.000 ha (26,3 %). Najmanje kategorije su bile

izgrađena područja sa 7200 ha (3,9 %) i vode sa 680 ha (0,4 %). Suvremeni zemljišni pokrov

u Požeško-slavonskoj županiji odražava slab intenzitet korištenja zemljišta kao posljedicu

stagnacije socioekonomskog razvoja.

3.2. Evaluacija točnosti klasifikacije zemljišnog pokrova

Najčešće korišteni pokazatelji točnosti rezultata klasifikacije zemljišnog pokrova u

literaturi su matrica konfuzije i kapa koeficijent (Story i Congalton, 1986; Congalton, 1991;

Horvat, 2013; Cvitanović, 2014a, 2014b; Valožić, 2014, 2015), premda postoje argumenti za

njihovo napuštanje (Pontius i Millones, 2011). Matrica konfuzije nastaje usporedbom

referentnih (a priori točnih) i klasificiranih podataka.

Ciljana točnost klasifikacije za Landsatove snimke trebala bi iznositi 85 %, a točnost

interpretacije svih kategorija trebala bi biti podjednaka (Lillesand i dr., 2008; Cvitanović,

2014a, 2014b; Valožić, 2015). Međutim, analiza uspješnosti klasifikacije satelitskih snimaka

u 25 znanstvenih radova objavljenih u međunarodnim časopisima 1994. i 1995. otkrila je

prosječno postignutu točnost klasifikacije od 59 % (Trodd, 1995). Karte izrađene u sklopu

Međunarodnog programa za geosferu i biosferu (IGBP) imale su prosječnu točnost od 67 %,

što je znatno ispod ciljanih 85 % točnosti (Cvitanović, 2014a, 2014b).

Procjena točnosti sve je teža što su podaci stariji (Cvitanović, 2014b). Budući da u

ovom radu „točni“ referentni podaci nisu bili u potpunosti prostorno-vremenski kompatibilni

sa satelitskim snimkama iz 1985. i 1999. godine, poligonski uzorci za testiranje izabrani su

jednakim, ali neovisnim postupkom kao i uzorci za treniranje. Problem takve metode je

djelomična pristranost jer su birani isključivo „čisti“ uzorci za koje je bilo sigurno da

predstavljaju određenu klasu pokrova, o čemu treba voditi računa pri tumačenju rezultata.

Efekt „soli i papra“ uklonjen je nakon klasifikacije medijanskim filterom veličine 3 × 3 ćelije.

Točnost klasifikacije pokrova za 1985. godinu pokazala se najviša sa 98,84 % i kapa

koeficijentom 0,98 (tab. 2), no testno uzorkovanje bilo je načinjeno s hrvatske osnovne karte

iz 1980. – 1990. Uzorci klasa voda i izgrađeno imali su apsolutnu točnost jer se voda redovito

najbolje izdvaja, a izgrađeno je ručno klasificirano. Najmanja točnost bila je kod klase trava i

nisko raslinje, koja se djelomično preklapala s usjevima i drvećem zbog sadržavanja klorofila.

27

Tab. 2. Matrica konfuzije klasifikacije zemljišnog pokrova Požeško-slavonske županije 1985.

Referentni podaci

Voda Izgrađ. Usjevi Trava Drveće Ukupno

Kla

sifi

cira

ni

podac

i Voda 1268 0 0 0 0 1268 100,00

Korisn

ička to

čnost (%

)

Izgrađ. 0 2852 0 0 0 2852 100,00

Usjevi 0 0 10.484 306 7 10.797 97,10

Trava 0 0 14 4226 34 4274 98,88

Drveće 0 0 2 45 15.916 15.963 99,71

Ukupno 1268 2852 10.500 4577 15.957 35.154

100,00 100,00 99,85 92,33 99,74

Proizvodna točnost (%)

Ukupna točnost: 98,84 % Kapa koeficijent: 0,98

Ukupna točnost klasifikacije za 1999. godinu bila je najniža u odnosu na druge

promatrane godine s ostvarenih 95,54 % i kapa koeficijentom 0,94 (tab. 3).


Referentni podaci


Kla

sifi

cira

ni

podac

i Voda 872 0 0 0 0 872 100,00

Korisn

ička to

čnost (%

)

Izgrađ. 0 2478 1 2 0 2481 99,88

Usjevi 0 10 10.214 393 34 10.651 95,90

Trava 0 0 445 4313 134 4892 88,16

Drveće 0 0 2 443 13.455 13.900 96,80

Ukupno 872 2488 10.662 5151 13.623 32.796

100,00 99,60 95,80 83,73 98,77



28

Testno uzorkovanje bilo je provedeno s digitalne ortofoto karte u mjerilu 1 : 5000 iz

2001. i topografskim kartama mjerila 1 : 25.000 iz 2001. – 2003. godine, što također nije

odgovaralo datumu klasificirane scene. Postoji mogućnost da je u međuvremenu došlo do

promjena zemljišnog pokrova na referentnim i klasificiranim scenama. Kakogod, ponovno su

bile najslabije klasificirane površine pod travom i niskim raslinjem, s tim da je to jedina klasa

promatranoga vremenskog niza u kojoj je proizvodna točnost bila niža od 85 %.

Godine 2013. postojali su pravi „ground truth“ podaci s Google Eartha, u prostornoj

rezoluciji 1,5 m. Ukupna točnost klasifikacije bila je 96,97 %, a kapa koeficijent iznosio je

0,95 (tab. 4). Postignuta točnost po klasama bila je slična onima iz prethodnih godina, što

znači da su bile vrlo dobro klasificirane vodene i izgrađene površine, dok su nešto lošije

klasificirane travnate površine.


Referentni podaci


Kla

sifi

cira

ni

podac

i Voda 1388 0 0 0 0 1388 100,00

Korisn

ička to

čnost (%

)

Izgrađ. 0 2249 0 0 22 2271 99,03

Usjevi 2 0 7373 35 1 7411 99,49

Trava 0 0 98 4125 348 4571 90,24

Drveće 0 0 0 467 16.016 16.483 97,17

Ukupno 1390 2249 7471 4627 16.387 32.124

99,86 100,00 98,69 89,15 97,74



Prvotne nadzirane klasifikacije ostvarile su točnost od oko 80 %, što je procijenjeno

nedostatnim za simulacijsko modeliranje, jer „svaki model, a pogotovo simulacijski, dobar je

onoliko koliko su dobri njegovi podaci, metode i teorija“ (Manson, 2009, 134). Nije se smjelo

dopustiti da točnost klasifikacije ograničava točnost svih naknadnih analiza zbog prirasta

pogrešaka, stoga se prema preporuci pristupilo izdvajanju najproblematičnije klase,

izgrađenih područja (Horvat, 2013). Točnost konačnih klasifikacija bila je zadovoljavajuća.

29

3.3. Detekcija promjena zemljišnog pokrova

Postoji više metoda utvrđivanja promjena zemljišnog pokrova tijekom vremena, od

kojih je najočitija usporedba klasificiranih karata za dva vremenska trenutka. Pritom treba

imati na umu da će točnost karte promjena ovisiti o točnosti zasebno klasificiranih scena

(Mas, 1999). Primjerice, ako su točnosti klasifikacija 80 % i 90 %, točnost karte promjena

može biti 72 %. To dovodi do sistematske zablude, jer dio utvrđenih promjena pokrova

postaje rezultat netočne klasifikacije, umjesto stvarnih procesa (Kaufmann i Seto, 2001).

3.3.1. Promjene zemljišnog pokrova Požeško-slavonske županije 1985. – 1999. godine

Apsolutne i relativne bruto promjene zemljišnog pokrova 1985. – 1999. godine koje su

dobivene unakrsnim tabeliranjem klasificiranih scena, prikazane su u tab. 5. Sumarni stupci i

reci sadrže apsolutne površine klasa pokrova za 1985. i 1999. godinu. Na dijagonali su

površine klasa koje su ostale nepromijenjene, a sve izvan dijagonale predstavlja raspodjelu

promjena klasa. Konačne razlike iskazane su u odnosu na početne površine pojedinih klasa.

Tab. 5. Bruto promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1985. – 1999. god.

1999. Ukupno

1985. (ha) Voda Izgrađeno Usjevi i tlo Trava i šikara Drveće

19

85

.

Voda (ha) 737,32 0,00 71,08 4,77 0,00 813,16

Izgrađeno (ha) 0,00 6786,28 30,14 95,91 13,86 6926,19

Usjevi i tlo (ha) 29,33 400,91 42.160,74 18.164,62 2971,49 63.727,08

Trava i šikara (ha) 8,91 47,77 3872,37 15.687,16 5403,24 25.019,46

Drveće (ha) 122,63 7,38 1411,65 3055,88 81.148,90 85.746,44

Ukupno 1999. (ha) 898,19 7.242,35 47.545,98 37.008,34 89.537,48 182.232,33

Δ 1985.-1999. (ha) 85,02 316,16 -16.181,10 11.988,88 3791,04 32.362,21

Δ 1985.-1999. (%) 10,46 4,56 -25,39 47,92 4,42 17,76

Udio uk. promj. (%) 0,26 0,98 -50,00 37,05 11,71 100,00

Ukupni udio neto promjena klasa pokrova u odnosu na površinu Županije iznosio je

17,76 %. Ukupni udio bruto promjena (sve izvan dijagonale) bio je nešto veći (19,6 %), jer su

se neke promjene suprotnog predznaka poništile u konačno evidentiranim promjenama

zemljišnog pokrova.

Površina usjeva i tla smanjila se za četvrtinu u odnosu na početak razdoblja, što je bila

polovina ukupnih konačnih promjena svih klasa u promatranom međurazdoblju. Najveći

porast zabilježile su površine pod travom i šikarom (za 47,9 %), što je bilo 37 % ukupnih neto

promjena. Te dvije najveće promjene bile su povezane, jer je značajan udio usjeva i oranica

zarastao u travu. Površina drveća se povećala samo za 4,4 % u odnosu na 1985. godinu. No,

30

zbog najveće površine klase, to je zauzimalo gotovo 12 % svih konačnih promjena. Povećanju

šumskog pokrova dvostruko su više doprinijele promjene iz trave i šikare nego iz usjeva i tla.

Prostorna raspodjela promjena zemljišnog pokrova prikazana je na sl. 9.

Sl. 9. Promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1985. – 1999. godine

Najkompaktnija područja zarastanja obrađenih površina u travu i šikaru bila su u

gorskim dijelovima Psunja i Pakračke gore te pakračko-lipičkog kraja, koji su bili najteže

pogođeni Domovinskim ratom i depopulacijom. Primjećuje se zoniranje većine ekstenzivnih

promjena u visinskom pojasu 200 – 400 m, dok su najviši dijelovi gorja (pokriveni šumom,

bez stanovništva) i najniži dijelovi nizina (poljoprivredna područja, demografski relativno

stabilna) bili izloženi manjim promjenama.

3.3.2. Promjene zemljišnog pokrova Požeško-slavonske županije 1999. – 2013. godine

Apsolutne i relativne bruto promjene zemljišnog pokrova 1999. – 2013. godine

prikazane su u tab. 6. Bilanca promjena pokrova u odnosu na površinu Županije 1999. – 2013.

godine iznosila je oko 13 %, što je bilo manje nego 1985. – 1999. godine. Međutim, ukupne

bruto promjene bile su sličnije prethodnim, a dogodile su se na 17,5 % površine Županije.

Stagnacija usjeva i tla 1999. – 2013. godine bila je rezultat poništavanja velikih suprotnih

promjena između njih i trave. Treba napomenuti da su za dio promjena tih kategorija bile

zaslužne pogreške u njihovoj klasifikaciji. Naime, trava i šikara klasificirani su najmanje

točno (tab. 3), a najviše su se miješali s usjevima (dio usjeva je pogrešno klasificiran kao trava

i obrnuto). Na taj je način detektirana promjena između usjeva i trave koja se ustvari nije

31

dogodila. Smanjenje travnjaka za gotovo trećinu u odnosu na njihovu površinu 1999. (48,87

% ukupnih neto promjena u međurazdoblju) uzrokovao je njihov sukcesijski prelazak u

drveće, čija se površina povećala za 12,78 % (48,37 % ukupnih neto promjena). Ta

divergentna smjena vegetacije obuhvatila je 97,24 % ukupnih konačnih promjena 1999. –

2013. godine, a govorila je u prilog nastavka procesa ekstenzifikacije iz prethodnog razdoblja.


2013. Ukupno

1999. (ha) Voda Izgrađeno Usjevi i tlo Trava i šikara Drveće

19

99

.

Voda (ha) 632,05 0,00 243,19 11,88 11,07 898,19

Izgrađeno (ha) 0,00 7017,15 51,73 98,88 74,59 7242,35

Usjevi i tlo (ha) 43,28 137,48 39.901,01 6144,96 1319,25 47.545,98

Trava i šikara (ha) 1,53 40,31 7300,83 16.404,77 13.260,90 37.008,34

Drveće (ha) 0,90 0,72 436,09 2781,74 86.318,03 89.537,48

Ukupno 2013. (ha) 677,76 7.195,65 47.932,86 25.442,23 100.983,83 182.232,33

Δ 1999.-2013. (ha) -220,43 -46,70 386,88 -11.566,11 11.446,35 23.666,46

Δ 1999.-2013. (%) -24,54 -0,64 0,81 -31,25 12,78 12,99

Udio uk. promj. (%) -0,93 -0,20 1,63 -48,87 48,37 100,00

Prostorni uzorak i raspodjela promjena (sl. 10) bili su slični kao i u prethodnom

razdoblju jer su slični faktori promjena ostali na snazi u srednjoj visinskoj zoni, koja je ostala

bez stanovništva tijekom rata, a potpuna aforestacija nije bila dovršena. Najviši dijelovi gorja

i obrađene nizine u Požeškoj kotlini ostale su manje izmijenjene, uz izuzetak rebrastih

reljefnih oblika gdje je dolazilo do miješanja usjeva i tla s travom i šikarom.


32

3.4. Analiza varijabli promjena zemljišnog pokrova

Početne varijable u ovom istraživanju izabrane su na temelju dosadašnjih istraživanja,

poznavanja prostora i dostupnosti podataka. Radi stjecanja okvirnog uvida u eksplanatornu

moć varijabli provedena je analiza težine dokaza (WoE), a povezanost nezavisnih varijabli

ispitana je Pearsonovim i Cramerovim koeficijentom korelacije. Kalibracija modela je

iterativan proces pa je utjecaj varijabli ispitan provođenjem testnoga simulacijskog modela.

Krajnji korak bilo je odbacivanje suvišnih varijabli. Pritom se vodilo računa da izabrane

varijable u testnom i konačnom modelu budu jednake po naravi. Statične varijable većinom su

bile nepromjenjive u promatranim razdobljima (reljef i hidrografija), a društvenogeografske

varijable bile su dinamične. Potpuna dokumentacija analize varijabli nalazi se u Prilozima.


godine

Početne varijable za promjene zemljišnog pokrova u testnom simulacijskom modelu

1985. – 1999. – 2013. godine bile su: nadmorska visina, nagib padina, orijentacija padina,

udaljenost od rijeka, udaljenost od voda stajaćica, udaljenost od proteklih promjena

zemljišnog pokrova, prosječna gustoća stanovništva po naseljima 2001., indeks ukupnog

kretanja stanovništva 2001./1991. po naseljima, indeks mladosti5 2001. (<15 / ≥65 god.) po

naseljima, udaljenost od izgrađenih dijelova naselja, udaljenost od naselja većih od 1000

stanovnika, udaljenost od prometnica i udaljenost od minskih područja.

Pearsonovi koeficijenti korelacije između varijabli u prvom razmatranom razdoblju

bili su uglavnom mali, što je povoljno. Samo četiri kombinacije varijabli pokazivale su

relativno jaku povezanost: nadmorska visina i udaljenost od izgrađenih dijelova naselja

(0,75); indeks mladosti stanovništva 2001. i indeks kretanja stanovništva 2001./1991. (0,74);

udaljenost od prometnica i udaljenost od izgrađenih dijelova naselja (0,73); nadmorska visina

i udaljenost od prometnica (0,72).

Vrijednosti Cramerovih koeficijenata ni u jednom slučaju nisu bile zabilježene veće

od granične (0,5), što znači da su se po tom kriteriju sve početne varijable mogle uključiti u

testni simulacijski model.

5 Uobičajeniji pokazatelj dobne strukture stanovništva je indeks starosti, koji je recipročan indeksu mladosti. Ta

praksa potječe iz vremena kada je mlado stanovništvo bilo znatno brojnije od starog pa su omjeri starog i mladog

stanovništva davali manje vrijednosti indeksa starosti, kojima je bilo lakše rukovati. Budući da u Požeško-

-slavonskoj županiji od 2001. godine većina malih naselja ima puno veći udio starog od mladog stanovništva,

njihov omjer daje ekstremne vrijednosti indeksa starosti koje sežu od 0 do 1000 ili više. S druge strane, indeksi

mladosti daju znatno manji, pogodniji raspon vrijednosti. Još je važnije da neka naselja uopće nemaju mladog

stanovništva (što je znatno rjeđi slučaj sa starim stanovništvom), pa se tada indeks starosti ne može ni izračunati

zbog nule u nazivniku (mlado stanovništvo). Indeks mladosti u tom slučaju daje nulu, što je valjan rezultat.

33

Dok su se prethodni pokazatelji računali samo na osnovi varijabli, težina dokaza dala

je uvid u povezanost između varijabli i promjena zemljišnog pokrova. Primjerice, promjena

oranica u izgrađeno bila je izraženija na područjima naselja koja su imala veću prosječnu

gustoću stanovništva, indeks kretanja i indeks mladosti stanovništva, te u područjima

udaljenijim od minskih područja. Nadalje, ta je promjena bila češća na nižim nadmorskim

visinama, na manje nagnutim i južno orijentiranim padinama, kao i u područjima koja su bila

bliže prometnicama, gradovima, naseljima, rijekama i vodama stajaćicama.

Promjena oranica u travu i šikaru češće se događala u zonama blizu rijeka, prometnica,

minskih područja i izgrađenih dijelova naselja, u naseljima s manjom prosječnom gustoćom

naseljenosti, indeksom mladosti i indeksom kretanja stanovništva, te na nižim nadmorskim

visinama i manje nagnutim padinama.

Zarastanje obrađenog zemljišta u drveće bilo je učestalije u naseljima s manjom

prosječnom gustoćom naseljenosti, indeksom kretanja i mladosti stanovništva, kao i u

područjima koja su bila udaljenija od gradova i stajaćica. Međutim, ostale varijable nisu bile

linearno povezane s tom promjenom. Ona se događala rjeđe od očekivanog u područjima s

izrazito malim i velikim vrijednostima nagiba, nadmorske visine, udaljenosti od prometnica,

naselja i rijeka, a češće od očekivanog u područjima sa srednjim vrijednostima tih varijabli.

Sukcesija trave i šikare u drveće bila je frekventnija na teritorijima naselja s manjom

prosječnom gustoćom stanovništva, indeksom mladosti i kretanja stanovništva, na padinama

sjeverne orijentacije, te u zonama koje su bile udaljenije od gradova i jezera. Spomenuta je

sukcesija bila češća u područjima sa srednjim vrijednostima nagiba, nadmorske visine,

udaljenosti od naselja, prometnica i rijeka, a u područjima s malim i velikim vrijednostima tih

varijabli bila je rjeđa od očekivanog.

Općenito, orijentacija padina pokazala se kao najslabija predikcijska varijabla u analizi

težine dokaza za razdoblje 1985. – 1999. zbog najvećeg udjela slabih dokaza (-0,3 – 0,3).


godine

Početne dinamične varijable promjena zemljišnog pokrova za razdoblje 1999. – 2013.

– 2027. bile su izmijenjene u odnosu na prethodno razdoblje. To su: prosječna gustoća

stanovništva po naseljima 2011., indeks ukupnog kretanja stanovništva 2011./2001. po

naseljima, indeks mladosti 2011. (<15 / ≥65 god.) po naseljima, udaljenost od proteklih

promjena zemljišnog pokrova i udaljenost od izgrađenih dijelova naselja (dobivenih

klasifikacijom).

34

Pearsonovi koeficijenti korelacije između varijabli u razdoblju 1999. – 2013. bili su

još manji nego u prethodnom. Tri kombinacije varijabli imale su relativno jaku povezanost:

nadmorska visina i udaljenost od izgrađenih dijelova naselja (0,76); udaljenost od prometnica

i udaljenost od izgrađenih dijelova naselja (0,73); nadmorska visina i udaljenost od

prometnica (0,72). Zanimljiv je bio nizak koeficijent korelacije (0,13) između indeksa

mladosti stanovništva 2011. i indeksa kretanja stanovništva 2011./2001., koji je u prvom

razdoblju bio visok.

Vrijednosti Cramerovih koeficijenata ni u jednom slučaju nisu bile zabilježene veće

od granične (0,5), što znači da su se po tom kriteriju sve početne varijable mogle uključiti u

konačni simulacijski model.

Analiza težine dokaza otkrila je vezu između pojačane promjene oranica u izgrađeno

na područjima s većom prosječnom gustoćom stanovništva i u zonama koje su bile udaljenije

od minskih područja, zatim na manjim nadmorskim visinama, na padinama s manjim

nagibom i orijentacijom prema jugu. Izgradnja na uštrb tla bila je najintenzivnija u zonama

blizu prometnica, gradova, naselja, rijeka i voda stajaćica. Međutim, indeks kretanja

stanovništva i indeks mladosti nisu imali linearnu vezu s tim procesom. Područja sa srednjim

vrijednostima indeksa poklapale su se s jačom izgradnjom, a ona s ekstremno malim i velikim

vrijednostima imala su slabiju izgradnju jer su ti indeksi bili karakteristični za mala naselja.

Promjena oranica u travu i šikaru najčešće se zbivala u blizini rijeka, prometnica i

izgrađenih dijelova naselja, te na teritorijima naselja s manjom prosječnom gustoćom

naseljenosti, sa srednjim i većim indeksom mladosti stanovništva. Također, promjene su bile

jače na nižim nadmorskim visinama i na manje nagnutim padinama. Udaljenost od minskih

područja i voda stajaćica, orijentacija padina i indeks kretanja stanovništva slabije su

objašnjavale zarastanje tla u travu i šikaru.

Suprotna promjena, iz trave u usjeve i tlo, češće je zabilježena na teritorijima naselja s

većom prosječnom gustoćom i indeksom mladosti stanovništva, te na većoj udaljenosti od

minskih područja i voda stajaćica. Područja s manjom nadmorskom visinom i nagibom, te

bliže naseljima, rijekama, prometnicama i proteklim promjenama pokrova također su imale

veću intenzifikaciju. Zone na udaljenosti 500 – 2000 m od gradova imale su više promjena iz

trave u usjeve i tlo za razliku od zona na manjim i jako velikim udaljenostima. Orijentacija

padine i indeks kretanja stanovništva imali su male i negativne težine dokaza.

Zarastanje obrađenog zemljišta u drveće bilo je povezano s manjim vrijednostima

većine varijabli. Izuzetak su bile demogeografske varijable koje nisu djelovale linearno, pri

čemu su srednje vrijednosti imale pozitivnu vezu s tom ekstenzivnom promjenom.

35

Sukcesija trave i šikare u drveće odvijala se najviše na područjima naselja s manjom

prosječnom gustoćom i indeksom mladosti stanovništva, kao i u zonama bliže prošlim

promjenama pokrova. Također, promjena je bila izraženija na većim nadmorskim visinama,

padinama s većim nagibom, te u zonama koje su bile udaljenije od gradova, naselja,

prometnica i jezera. Zone na srednjim udaljenostima od minskih polja i rijeka imale su više

sukcesije, a bliže i jako udaljene zone imale su je manje. Orijentacija padina i indeks kretanja

stanovništva slabo su objašnjavale promjenu.

Općenito, orijentacija padina i indeks kretanja stanovništva najslabije su predviđale

promjene u razdoblje 1999. – 2013. jer su imale najveći udio slabih, negativnih i nelinearnih

dokaza.

3.4.3. Konačne varijable promjena zemljišnog pokrova Požeško-slavonske županije

1985. – 2013. godine

Sukladno provedenim analizama, od početnih varijabli isključene su orijentacija

padina, indeks kretanja stanovništva, udaljenost od prometnica i naselja. Orijentacija padina

uvjerljivo je najslabije objašnjavala promjene od svih varijabli. Udaljenost od prometnica i

naselja bili su uvjetovani reljefom kao „pravom“ nezavisnom varijablom, zbog čega su i

međusobno jako korelirale. Indeks kretanja stanovništva, osim što je jako korelirao s

indeksom mladosti stanovništva u razdoblju 1985. – 1999., slabo je objašnjavao promjene u

razdoblju 1999. – 2013. zbog ekstremnih vrijednosti u malim naseljima.

Specifične varijable koje nisu bile zabilježene u prethodnim istraživanjima, udaljenost

od minskih područja i prošlih promjena zemljišnog pokrova, nisu jako korelirale s drugima, a

dobro su objašnjavale promjene. Manja udaljenost od minskih područja načelno je poticala

ekstenzifikaciju i renaturalizaciju zemljišnog pokrova. Udaljenost od proteklih promjena

pokazivala je najjaču prostornu autokorelaciju od svih varijabli, što je bilo očekivano. Razlog

uvođenja te varijable bio je što ona može zamijeniti mjeru elastičnosti promjena zemljišnog

pokrova, koja je ugrađena u CLUE-s model. To znači da će se promjene češće događati tamo

gdje su se već događale zbog različite inercije promjena (Verburg i dr., 2004; Verburg i

Overmars, 2007). Primjerice, biljno sjemenje raspršuje se na kraćim udaljenostima, potičući

promjene zemljišnog pokrova, dok je tradicija poljoprivredne djelatnosti perzistentna

(Rutherford i dr., 2008). Nadalje, promjena iz izgrađenog u šumu puno je teža nego iz

poljoprivrednog zemljišta u izgrađeno, a u velikoj kompaktnoj šumi mala je vjerojatnost

spontanih promjena (Verburg i dr., 2004; Verburg i Overmars, 2007).

36

4. Testni simulacijski model promjena zemljišnog pokrova Požeško-slavonske županije

1999. – 2013. godine

Prije iznošenja rezultata, bitno je načiniti distinkciju između simulacije ukupnoga

zemljišnog pokrova i simulacije promjena zemljišnog pokrova. Simulacijom ukupnoga

zemljišnog pokrova dobije se potencijalni pokrov za određeni trenutak u budućnosti.

Simulacija promjena pak sadrži dinamičke komponente koje su dovele do konačnoga

zemljišnog pokrova. Ovdje će se načiniti obje vrste simulacija, s većim naglaskom na druge.

4.1. Kalibracija testnoga simulacijskog modela s podacima 1985. – 1999. godine

Sirove vjerojatnosti promjene jedne klase zemljišnog pokrova u drugu obično se

računaju pomoću Markovljevih lanaca, tj. tranzicijskih matrica. Metoda se svodi na unakrsno

tabeliranje karte zemljišnog pokrova između dva prethodna vremenska trenutka, uz

pretpostavku da će se trendovi nastaviti u budućnosti. Apsolutne promjene pretvaraju se u

relativne koeficijente koji poprimaju vrijednosti između 0 i 1 (Houet i Hubert-Moy, 2006).

Ovdje su koeficijenti za razdoblje 1999. – 2013. izračunati iz promjena 1985. – 1999. (tab. 7).

Tab. 7. Tranzicijska matrica zemljišnog pokrova Požeško-slavonske županije 1985. – 1999. g.

1999.

Klasa pokrova Voda Izgrađeno Usjevi i tlo Trava i šikara Drveće

1985.

Voda 0,907 0,000 0,087 0,006 0,000

Izgrađeno 0,000 0,980 0,004 0,014 0,002

Usjevi i tlo 0,000 0,006 0,662 0,285 0,047

Trava i šikara 0,000 0,002 0,155 0,627 0,216

Drveće 0,001 0,000 0,016 0,036 0,946

Metoda Markovljevih lanaca ukazuje na potencijalnu kvantitetu promjena zemljišnog

pokrova, ali ne otkriva njihovu prostornu distribuciju. Kako bi se ostvarila lokacijska

kalibracija simulacijskog modela, Markovljevi lanci trebaju se integrirati s drugim metodama,

kao što su umjetne neuronske mreže, optimizacija kolonije mrava, višekriterijsko vrednovanje

itd. (van Schrojenstein Lantman i dr., 2011; Yang i dr., 2012; Mitsova i dr., 2011).

Ovdje su korištene dvije metode, umjetne neuronske mreže i logistička regresija (LR).

Za treniranje svakog modela nasumično je izabrano 1000 uzoraka. Optimizacija parametara

načinjena je metodom pokušaja i pogrešaka, usporedbom rezultata s referentnim podacima.

Nepostojanje susjedstva u logističkoj regresiji davalo je najbolje rezultate, a povećanje

susjedstva ih je narušavalo. Kod umjetnih neuronskih mreža najbolja se pokazala veličina

susjedstva 1, odnosno 3 × 3 ćelije, dok je povećanje ili nepostojanje susjedstva nepovoljno

37

djelovalo na točnost simulacije. Najbolji broj iteracija za logističku regresiju pokazao se 100.

Veći broj iteracija dovodio je do pretjeranog usklađivanja (engl. over-fitting), što se loše odra-

zilo na rezultat. Za umjetne neuronske mreže najbolje se pokazalo između 100 i 200 iteracija.

Primjer lokacijske kalibracije umjetnim neuronskim mrežama prikazan je na sl. 11.

Sl. 11. Primjer kalibracije modela pomoću umjetnih neuronskih mreža u dodatku MOLUSCE

Dijagram tzv. krivulje učenja umjetnih neuronskih mreža (engl. ANN learning curve)

prikazuje smanjenje pogrešaka na ordinati s povećanjem broja ponavljanja na apscisi. S lijeve

strane nalaze se brojčani pokazatelji kvalitete rezultata treniranja i testiranja kalibracije.

4.2. Rezultati simulacije zemljišnog pokrova Požeško-slavonske županije 2013. godine

Produkt isprobavanja raznih kombinacija parametara i metoda bilo je nekoliko

desetaka karata simuliranoga zemljišnog pokrova za 2013. godinu. Za svaku kartu zemljišnog

pokrova dobiven je raster pouzdanosti u odnosu na referentne podatke zemljišnog pokrova

korištene u kalibraciji modela (1999.). Ovdje treba istaknuti kako raster pouzdanosti nije isto

što i raster validacije, koji nastaje usporedbom s kartom zemljišnog pokrova koja nije

korištena u kalibraciji, odnosno iz godine za koju je načinjena simulacija (2013.) (izvor: 21).

Općenito, rezultati svih simulacijskih modela zemljišnog pokrova dobivenih umjetnim

neuronskim mrežama i logističkom regresijom bili su međusobno slični. Zbog stohastične

38

naravi modela, tri karte dobivene umjetnim neuronskim mrežama i tri karte dobivene

logističkom regresijom spojene su modalnom funkcijom u dvije konačne karte zemljišnog

pokrova za 2013. Njihovi rasteri pouzdanosti spojeni su pomoću lokalne medijanske funkcije.

Sl. 12. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2013. godinu dobivena

modelom logističke regresije

Rezultat testne simulacije zemljišnog pokrova dobiven fuzijom pojedinih rastera

modela logističke regresije prikazan je na sl. 12. Pripadajući raster pouzdanosti prikazan je na

sl. 13. Najveća nesigurnost bila je u područjima gdje su se dogodile promjene pokrova.

Sl. 13. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2013. god.

dobivene modelom logističke regresije

39

Konačni rezultat testne simulacije zemljišnog pokrova za 2013. godinu dobiven

fuzijom pojedinih rastera modeliranih umjetnim neuronskim mrežama prikazan je na sl. 14.


modelom umjetnih neuronskih mreža

Raster pouzdanosti umjetnih neuronskih mreža upućivao je na veću nesigurnost

rezultata nego kod modela logističke regresije (sl. 15). Međutim, u praksi se često javlja

paradoks da pretjerano usklađivanje modela s podacima korištenim u kalibraciji narušava

kvalitetu konačnoga simulacijskog modela.


dobivene modelom umjetnih neuronskih mreža

40

4.3. Validacija simulacije zemljišnog pokrova Požeško-slavonske županije 2013. godine

Točnost simulacijskih modela obično se procjenjuje usporedbom simulirane karte i

referentne karte za određenu godinu u prošlosti, čiji podaci nisu bili korišteni u kalibraciji

(Pontius i dr., 2008). Unutar dodatka MOLUSCE ugrađeno je nekoliko pokazatelja točnosti

koji se temelje na spomenutom principu. Najjednostavniji pokazatelj je ukupna točnost koja

predstavlja udio ćelija na kojima je zemljišni pokrov točno simuliran. Drugi brojčani

pokazatelji točnosti su kapa koeficijenti za ukupni model, kvantitetu (histogram) i lokaciju

modeliranog pokrova (izvor: 21). Pokazatelje točnosti potrebno je koncepcijski razgraničiti s

obzirom na pojavu koja se simulira – ukupni zemljišni pokrov ili njegove promjene. Budući

da se promjene pokrova odvijaju na manjem dijelu ukupnoga zemljišta, validacija modela

promjena puno je rigoroznija od validacije modela ukupnoga zemljišnog pokrova.

Općenito, vizualna sličnost konačnih zemljišnih pokrova dobivenih logističkom

regresijom i umjetnim neuronskim mrežama odrazila se na njihovoj točnosti (tab. 8).

Tab. 8. Kvantitativni pokazatelji validacije simulacijskih modela i nul-modela

zemljišnog pokrova za 2013. godinu u odnosu na referentne podatke

Raster

Točnost

(%)

Kapa

(ukupno)

Kapa

(histogram)

Kapa

(lokacija)

LR

2013 - 1 81,46 0,701 0,924 0,759

2013 - 2 80,50 0,687 0,920 0,747

2013 - 3 80,55 0,685 0,937 0,732

Fuzija 1,2,3 81,60 0,702 0,928 0,757

ANN

2013 - 1 82,87 0,718 0,978 0,734

2013 - 2 82,83 0,717 0,967 0,741

2013 - 3 82,20 0,710 0,924 0,769

Fuzija 1,2,3 83,48 0,728 0,960 0,759

NUL 1999. 82,46 0,721 0,897 0,804

Ukupna točnost pojedinih rastera koji su dobiveni optimalnim varijablama i

parametrima varirala je između 80,5 % i 82,87 %. Zanimljivo, fuzija triju rastera dobivenih

logističkom regresijom i umjetnim neuronskim mrežama povećala je njihovu konačnu točnost

na 81,6 %, odnosno 83,5 %. To se može objasniti stohastičnom naravi modela koja upućuje

da se iz beskonačno mnogo pokušaja može dobiti beskonačno mnogo različitih rezultata, s

različitom pouzdanosti. Budući da se neke vrijednosti javljaju češće od drugih, logično je

očekivati da su točnije. Npr., ako su dva modela na nekoj ćeliji simulirali promjenu iz trave u

41

šumu s pouzdanosti 50 % i 60 %, a treći je model simulirao da neće doći do promjene s

pouzdanosti 40 %, fuzija će zadržati prva dva rješenja, a treće će odbaciti jer je manje

vjerojatno, povećavajući tako ukupnu točnost.

Standardni pokazatelj za validaciju simulacijskog modela je usporedba tzv. nul-

-modela, odnosno rastera zemljišnog pokrova iz bazne godine s referentnim rasterom (Pontius

i dr., 2004; Pontius i dr., 2008). Konkretno, ovdje se pretpostavilo da nije došlo do promjena

zemljišnog pokrova između 1999. i 2013. godine. Validacija je pokazala kako je nul-model

(iz 1999.) imao veću ukupnu točnost (82,5 %) zemljišnog pokrova za 2013. godinu od svih

simulacijskih modela logističke regresije koji su predviđali promjene. Modeli dobiveni

umjetnim neuronskim mrežama davali su nešto bolje rezultate od nul-modela, međutim

rezultati njihove ukupne validacije bili su dosta slični. Puno veće razlike performansi između

modela bile su u predviđanju količine i lokacije pokrova. Pri tome su svi simulacijski modeli

značajno bolje predviđali količine klasa zemljišnog pokrova od nul-modela, dok je nul-model

bolje predviđao lokacije klasa od simulacijskih modela.

Kvantitativna struktura simuliranog pokrova koja je bila iskazana točnošću

histograma, prikazana je u tab. 9. Budući da je ovdje bilo važnije procijeniti točnost

simuliranih promjena od ukupnoga zemljišnog pokrova, načinjena je usporedba relativnih

neto promjena zemljišnog pokrova između referentnih i simuliranih podataka. Obje simulacije

većinom su predvidjele predznak promjena, a jedina značajnija pogreška bila je kod klase

usjevi i tlo, jer je stvarni porast njihove površine 1999. – 2013. bio nelinearna promjena u

odnosu na prethodno razdoblje. Model umjetnih neuronskih mreža osobito je dobro predvidio

kvantitetu najznačajnije promjene, porasta površine drveća (točnost simuliranih neto

promjena 85 % i točnost ukupnoga simuliranoga šumskog pokrova 98 %). Model logističke

regresije pokazao je dosta nižu točnost kod simulacije promjena iste klase (točnost

simuliranih neto promjena 50 % i točnost ukupnoga simuliranoga šumskog pokrova 94 %).

Tab. 9. Relativna struktura zemljišnog pokrova i njegovih neto promjena između referentnih i

simuliranih karata 1999. – 2013. godine

Baza Referentni podaci Simulacija LR Simulacija ANN

1999. (%) 2013. (%) Δ (%) 2013. (%) Δ (%) 2013. (%) Δ (%)

Voda 0,49 0,37 -0,12 0,47 -0,02 0,45 -0,04

Izgrađeno 3,97 3,95 -0,02 4,04 0,07 3,94 -0,03

Usjevi i tlo 26,09 26,30 0,21 25,01 -1,08 24,82 -1,27

Trava i šikara 20,31 13,96 -6,35 18,24 -2,07 16,32 -3,99

Drveće 49,13 55,41 6,28 52,25 3,12 54,47 5,34

42

Premda su na primjeru šumskog pokrova oba simulacijska modela imala sličnu

kvantitativnu točnost ukupnog pokrova, dubinska analiza otkrila je da su umjetne neuronske

mreže puno bolje simulirale promjene, što je od većeg interesa za ovaj rad. Ipak, oba modela

razmjerno su dobro simulirali smjer najznačajnijih promjena i konačni pokrov, o čemu će se

voditi računa pri interpretaciji rezultata konačnoga simulacijskog modela za 2027. godinu.

Kartografski prikaz lokacijskih pogrešaka simuliranih promjena zemljišnog pokrova

temelji se na usporedbi triju rastera: simuliranog, referentnog i početnog. Kada je zemljišni

pokrov klasificiran u više od dvije klase, povećava se broj mogućih kombinacija promjena, a

time i pogrešaka (izvor: 21). Ovdje je za 5 klasa bilo moguće 20 pogrešnih i 5 točnih

kombinacija, koje su bile jednake na simuliranom i referentnom rasteru u odnosu na početni.

Prostorni razmještaj točnih i pogrešno simuliranih promjena zemljišnog pokrova

pomoću modela logističke regresije prikazan je na rasteru validacije (sl. 16). Bijelom su

bojom prikazane točno simulirane nepromijenjene klase (koje ulaze u računanje ukupne

točnosti), zelenom je bojom prikazano 5 točno simuliranih promijenjenih klasa, a narančastom

je bojom označeno svih 20 mogućih kombinacija pogrešaka.

Sl. 16. Validacija simulacije promjena zemljišnog pokrova Požeško-slavonske županije za

2013. godinu dobivene modelom logističke regresije

Ako se uzme u obzir samo udio točno simuliranih lokacija promjena u odnosu na

ukupno simulirane promjene, model logističke regresije ih je točno predvidio 32,2 %. Udio

točno simuliranih promjena u stvarno zabilježenim bruto promjenama iznosio je 49,9 %.

Model je najbolje predvidio lokacije promjena iz trave i šikare u drveće između Psunja i

43

Ravne gore. Najkompaktnija i najveća područja pogrešaka bila su u pakračko-lipičkom kraju,

na prijevoju između Psunja i Požeške gore te u istočnom dijelu Požeško-slavonske županije.

Model umjetnih neuronskih mreža nešto je bolje predvidio površinu i položaj

promjena od logističke regresije (sl. 17). Naime, točno je predvidio 40,3 % lokacija promjena

u odnosu na ukupne promjene koje je simulirao. Udio točno simuliranih promjena u stvarno

zabilježenim bruto promjenama bio je 63,7 %. Znatno manje pogrešaka nego kod logističke

regresije bilo je na prijevoju između Psunja i Požeške gore, ali i u drugim područjima.


2013. godinu dobivene modelom umjetnih neuronskih mreža

Ukupno promatrano, nul-model nije predvidio nikakve promjene, pa je točnost

njegovih promjena u odnosu na ukupno zabilježene bruto i neto promjene bila jednaka nuli.

Međutim, validacija je otkrila kako je nul-model daleko najbolje predviđao lokacije budućega

zemljišnog pokrova. Kako je to moguće? Nul-model je savršeno predvidio sve perzistencije,

nije predvidio nijednu točnu promjenu, a netočne promjene su se poklapale sa zabilježenim

promjenama na sl. 10. Iz toga proizlazi da je većina lokacijskih pogrešaka simulacijskih

modela nastala jer su predviđali promjene tamo gdje ih uopće nije bilo. S druge strane,

simulacijski modeli puno su bolje predviđali količinu promjena od nul-modela, što je vidljivo

iz omjera u odnosu na stvarno zabilježene promjene. Prema tome, rezultati simulacija količine

promjena pokrova mogu se uzeti kao pouzdani, osobito oni dobiveni umjetnim neuronskim

mrežama, dok se lokacije tih promjena na razini pojedinih ćelija moraju uzeti s velikom

rezervom.

44

5. Konačni simulacijski model promjena zemljišnog pokrova Požeško-slavonske

županije 2013. – 2027. godine

5.1. Kalibracija konačnoga simulacijskog modela s podacima 1999. – 2013. godine

Saznanja iz kalibracije i validacije testnoga modela promjena zemljišnog pokrova

1999. – 2013. godine primijenjena su na kalibraciju konačnoga modela 2013. – 2027. godine.

Koeficijenti promjena zemljišnog pokrova za razdoblje 2013. – 2027. izračunati su iz

promjena 1999. – 2013. godine i prikazani su u tranzicijskoj matrici (tab. 10).

Tab. 10. Tranzicijska matrica zemljišnog pokrova Požeško-slavonske županije 1999. – 2013.

godine

2013.

Klasa pokrova Voda Izgrađeno Usjevi i tlo Trava i šikara Drveće

1999.

Voda 0,704 0,000 0,271 0,013 0,012

Izgrađeno 0,000 0,969 0,007 0,014 0,010

Usjevi i tlo 0,001 0,003 0,839 0,129 0,028

Trava i šikara 0,000 0,001 0,197 0,443 0,358

Drveće 0,000 0,000 0,005 0,031 0,964

Najveću relativnu vjerojatnost za promjenu imali su travnjaci i šikare, većinom u

drveće te nešto manje u usjeve i tlo. Također, bile su izražene vjerojatnosti eutrofikacije

vodenih površina u tlo i vegetaciju, kao i mogućnost napuštanja poljoprivrednih površina.

Lokacijska kalibracija potencijala promjena zemljišnog pokrova načinjena je

modelima umjetnih neuronskih mreža i logističke regresije, s jednakim tehničkim

parametrima (susjedstvo, iteracije) kao za testni model, ali s novim dinamičnim varijablama

koje su nabrojene u poglavlju 3.4.2.

5.2. Rezultati simulacije zemljišnog pokrova Požeško-slavonske županije 2027. godine

Jednako kao za testni model, višestrukim pokretanjem kalibracijskih procesa dobiveno

je desetak karata simuliranoga zemljišnog pokrova za 2027. godinu. Za svaku kartu

zemljišnog pokrova dobiven je raster pouzdanosti.

Budući da je validacija otkrila kako spajanje (fuzija) pojedinačno simuliranih rastera

povećava točnost konačnih rezultata, isto je načinjeno i ovdje. Subjektivno su izabrane tri

karte dobivene umjetnim neuronskim mrežama i tri karte dobivene logističkom regresijom te

su potom spojene modalnom funkcijom u dvije konačne karte zemljišnog pokrova za 2027.

godinu. Njihovi rasteri pouzdanosti spojeni su pomoću lokalne medijanske funkcije.

45

Konačni simulacijski model zemljišnog pokrova za 2027. godinu dobiven fuzijom

rastera modeliranih logističkom regresijom prikazan je na sl. 18.



Raster pouzdanosti simulacijskog modela zemljišnog pokrova dobiven logističkom

regresijom prikazan je na sl. 19. Najveća nesigurnost zabilježena je u područjima promjena

zemljišnog pokrova, kao i u testnom modelu.



46

Konačni simulacijski model zemljišnog pokrova za 2027. godinu dobiven fuzijom

pojedinačnih rastera modeliranih umjetnim neuronskim mrežama prikazan je na sl. 20.



Raster pouzdanosti umjetnih neuronskih mreža upućivao je na veću nesigurnost

rezultata nego kod modela logističke regresije (sl. 21). Tako je bilo i u testnom modelu,

međutim, validacija je potvrdila kako je model umjetnih neuronskih mreža, unatoč manjoj

pouzdanosti, točnije simulirao zemljišni pokrov u odnosu na referentne podatke.



47

Ukupni rezultati simulacija zemljišnog pokrova ponovno su bili međusobno slični, kao

u testnom modelu, premda je na prvi pogled bilo uočljivo kako je model umjetnih neuronskih

mreža simulirao veću i homogeniju površinu šumskog pokrova od modela logističke regresije.

Simulacija zemljišnog pokrova korisna je za stjecanje predodžbe o potencijalnom

rasporedu i količini klasa zemljišnog pokrova u određenom trenutku u budućnosti. Međutim,

takvi prikazi ne sadrže dinamičku komponentu, odnosno promjene zemljišnog pokrova, koje

su osnovni predmet ovog rada. Validacija je pokazala kako su simulacijski modeli dosta točno

predviđali kvantitetu promjena zemljišnog pokrova, za razliku od njihovih lokacija. Stoga će

u nastavku koncentracija biti usmjerena na analizu potencijalnih kvantitativnih promjena

zemljišnog pokrova, dok će vizualizacija njihova razmještaja imati samo orijentacijsku ulogu.

Detekcija potencijalnih promjena zemljišnog pokrova načinjena je jednako kao i za

protekla razdoblja, tj. usporedbom karte stvarnoga pokrova 2013. godine s kartama završnog

pokrova za 2027. godinu, koje su dobivene simulacijama.

Kao najgrublji, ali najtočniji pokazatelj potencijalnih promjena zemljišnog pokrova

iskazale su se apsolutne i relativne neto promjene. Model logističke regresije predvidio je

kako će se 2013. – 2027. godine nastaviti najznačajniji proces iz prethodnog razdoblja, širenje

šumskog pokrova na uštrb većine ostalih kategorija (tab. 11). Prema tom modelu, šume bi

2027. godine trebale pokrivati više od 109 tisuća hektara zemljišta ili gotovo 60 % površine

Županije. Druga najznačajnija apsolutna i relativna neto promjena trebalo bi biti smanjivanje

poljoprivrednih površina, što upućuje na mogući nastavak procesa ekstenzifikacije i

napuštanja poljoprivredne proizvodnje, starenja poljoprivrednika i općenito propadanja rurisa.

Tab. 11. Apsolutna i relativna struktura zemljišnog pokrova i neto promjene između stvarnih

podataka za 2013. i simuliranih podataka za 2027. modelom logističke regresije

2013. (ha) 2027. (ha) Δ (ha) 2013. (%) 2027. (%) Δ (%)

Voda 677,67 670,56 -7,11 0,37 0,37 0,00

Izgrađeno 7195,12 7181,18 -13,95 3,95 3,94 -0,01

Usjevi i tlo 47924,58 43231,93 -4692,65 26,31 23,73 -2,58

Trava i šikara 25434,27 21957,68 -3476,60 13,96 12,05 -1,91

Drveće 100942,28 109132,58 8190,30 55,41 59,91 4,50

Travnata područja koja su se već značajno smanjila 1999. – 2013. godine, po svemu

sudeći nastavit će se degradirati, unatoč prirastu zbog napuštanja usjeva i tla. Travnjaci su

općenito najpromjenjivija klasa zemljišnog pokrova jer predstavljaju prijelazni stadij između

napuštenoga obrađenog zemljišta i šume.

48

Smanjivanje izgrađenih područja nastavit će se zbog izumiranja stanovništva u većem

dijelu gorskih područja koja pripadaju ruralnoj periferiji.

Vodene površine, koje su daleko najmanje zastupljene, trebale bi se beznačajno

smanjiti prema modelu logističke regresije.

Simulacijski model umjetnih neuronskih mreža, koji je u validaciji pokazao znatno

bolju točnost u predviđanju količine promjena zemljišnog pokrova od logističke regresije,

simulirao je jednak smjer promjena 2013. – 2027. godine, ali s jačim intenzitetom (tab. 12).


podataka za 2013. i simuliranih podataka za 2027. modelom umjetnih neuronskih mreža

2013. (ha) 2027. (ha) Δ (ha) 2013. (%) 2027. (%) Δ (%)

Voda 677,67 643,57 -34,10 0,37 0,35 -0,02

Izgrađeno 7195,12 7141,23 -53,89 3,95 3,92 -0,03

Usjevi i tlo 47924,58 45513,25 -2411,33 26,31 24,98 -1,32

Trava i šikara 25434,27 14379,36 -11054,91 13,96 7,89 -6,07

Drveće 100942,28 114496,51 13554,23 55,41 62,85 7,44

Prema modelu umjetnih neuronskih mreža, šumski bi pokrov 2027. godine mogao

pokrivati skoro 115 tisuća hektara, odnosno 63 % površine Županije.

Travnate površine mogle bi se gotovo prepoloviti (7,9 %) u odnosu na 1985. godinu,

kada su pokrivale 13,7 % površine istraženog prostora. Količina smanjenja trave i šikare

predstavljala je najveću razliku između dvaju konačnih simulacijskih modela.

Model umjetnih neuronskih mreža predvidio je nešto blažu redukciju poljoprivrednih

površina (-1,32 %) od logističke regresije. Takav scenarij mogao bi u sebi kriti polarizaciju

razvoja agrarne proizvodnje, odnosno prevladavajuću ekstenzifikaciju na ekološki i

ekonomski nepovoljnim područjima te intenzifikaciju poljoprivrede u plodnoj Požeškoj

kotlini, gdje je bliže tržište i bolja prometna povezanost.

Kod najmanje zastupljenih klasa (izgrađeno i voda), model umjetnih neuronskih mreža

također je predvidio intenzivniji pad nego logistička regresija. Taj scenarij čini se vjerojatniji,

osobito za vodene površine kojima prijeti propadanje ribnjačarstva i klimatske promjene u

vidu sve češćih suša.

Prostorni razmještaj potencijalnih promjena zemljišnog pokrova 2013. – 2027. godine

dobivenih modelom logističke regresije prikazan je na sl. 22. Uočljiva je raspršenost mogućih

promjena na većini područja. Jedino se ističu područja aforestacije na podgorjima i

predgorjima Požeške kotline te u zapadnom dijelu pakračko-lipičkog kraja.

49

Sl. 22. Simulacija promjena zemljišnog pokrova u Požeško-slavonskoj županiji 2013. – 2027.

godine dobivena modelom logističke regresije

Razmještaj potencijalnih promjena zemljišnog pokrova 2013. – 2027. godine

dobivenih modelom umjetnih neuronskih mreža prikazan je na sl. 23. Taj je model još

izraženije potvrdio predviđanje da bi se nove promjene mogle dogoditi u blizini prethodnih

promjena, što odgovara Toblerovu prvom zakonu geografije (Longley i dr., 2005). Lokacijska

vjerodostojnost modela na grubljoj prostornoj razini može se ocijeniti zadovoljavajućom.


godine dobivena modelom umjetnih neuronskih mreža

50

6. Rasprava

Elementarni ciljevi istraživanja bili su doprinošenje razumijevanju metoda i tehnika

daljinskih istraživanja i simulacijskog modeliranja pri utvrđivanju dinamike zemljišnog

pokrova te tumačenje tih rezultata u kontekstu budućega regionalnog razvoja Požeško-

-slavonske županije. Radi preglednosti, provedeni će se zadaci raspraviti zasebno.

6.1. Evaluacija primijenjenih metoda i tehnika

Za utvrđivanje strukture zemljišnog pokrova primijenjena je hibridna metoda

klasifikacije snimaka prikupljenih daljinskim istraživanjima jer su dosadašnja istraživanja

pokazala kako takav pristup daje najbolju točnost (Horning, 2004). Zaista, ukupna točnost

načinjenih klasifikacija bila je izrazito visoka (iznad 95 %), što je najbolje od svih rezultata u

citiranim referencama. Međutim, motiv postizanja visoke točnosti klasifikacija nije bilo

nadmetanje s ostvarenim točnostima iz prethodnih istraživanja, nego što učinkovitije

uklanjanje sistematskih pogrešaka iz naknadnih analiza.

Osim toga, nezahvalno je uspoređivati točnosti pojedinih klasifikacija jer se one

razlikuju s obzirom na metodu (nenadzirane, nadzirane, objektne), namjenu (utvrđivanje

pokrova, njegovih promjena ili simulacijsko modeliranje), klasifikacijsku shemu (broj klasa,

utvrđivanje načina korištenja zemljišta ili zemljišnog pokrova), kvalitetu ulaznih podataka

(homogenost/heterogenost senzora, razlučivost, pred-obrada snimki) i ekonomičnost (omjer

cijene i kvalitete). Što se tiče posljednjeg kriterija, korištena hibridna klasifikacija nije se

pokazala opravdanom. Usprkos postignutoj visokoj točnosti, vremenski troškovi ručne

vektorizacije oko 2700 poligona izgrađenih područja bili su naprosto previsoki. Stoga se za

buduća istraživanja predlaže metoda hibridne klasifikacije koja će koristiti druge izvore i

metode za izdvajanje izgrađenih područja, koje se treba provesti ukoliko se zahtijeva visoka

točnost klasifikacije zemljišnog pokrova.

Dobivene klasifikacije zemljišnog pokrova bile su ulazni podaci za detekciju proteklih

i projekciju budućih promjena, a poslužile su i kao referentni podaci za validaciju

simulacijskih modela.

Pri validaciji simulacijskih modela s referentnim podacima iz proteklih razdoblja

obično se pretpostavlja da su ti podaci potpuno točni. Međutim, treba voditi računa da je to

iznimno rijedak slučaj, koji nije bio zadovoljen ni ovdje, unatoč velikim naporima. Ako je

pojedinačna točnost za 1999. iznosila 95,5 %, a za 2013. godinu 97 %, ukupna točnost

referentnih podataka o promjenama mogla je biti 92,6 %. Čak se moglo dogoditi da je

simulacijski model točno predvidio neke promjene, samo što su one bile pogrešno zabilježene

51

u referentnim podacima zbog pogrešaka u klasifikaciji. Ipak, vjerojatnije je da su pogriješili

simulacijski modeli nego klasifikacije stvarnog pokrova. Bilo kako bilo, ovdje se potvrdila

činjenica kako točnost simulacije u velikoj mjeri ovisi o točnosti ulaznih podataka, odnosno

klasifikacije. Da su ulazne klasifikacije za simulaciju promjena bile manje točne, pogreške bi

eksponencijalno rasle. Međutim, pogreške simulacije ostale bi skrivene zbog pogrešaka u

referentnim podacima koji se uzimaju kao istiniti, te bi se dobila iluzija o zadovoljavajućoj

točnosti.

Budući da validacija simulacijskih modela u velikoj mjeri ovisi o točnosti ulaznih i

naročito referentnih podataka, usporedbe točnosti simulacijskih modela s onima iz prethodnih

istraživanja vrlo su relativne. Pored toga, u mnogim radovima ne postoji distinkcija između

validacije simulacije ukupnoga zemljišnog pokrova i simulacije promjena zemljišnog

pokrova. Primjerice, ako su se promjene dogodile na samo 10 % površine nekog prostora, što

znači točnost simulacije ukupnog pokrova od 80 %? To može značiti da su apsolutno sve

promjene pogrešno simulirane i da je još 10 % nepromijenjenog pokrova pogrešno

simulirano. Realna točnost takvoga modela promjena zemljišnog pokrova nije nikakva.

Upravo se zato nul-model treba uzeti kao elementarni pokazatelj točnosti. Ako je nul-model

točniji od simulacije, bolje da nije ni učinjena simulacija jer su na taj način samo pokvareni

rezultati ondje gdje nije došlo do promjena.

Nul-modeli bili su velika barijera u mnogim dosadašnjim istraživanjima, pa se traže

načini kako povećati točnost simulacije. Pri tome znanstvenici često puta miješaju ciljeve i

sredstva, tako da namještaju pokazatelje točnosti, umjesto da stvarno pokušaju načiniti bolje

simulacijske modele. Primjer toga je više-rezolucijska validacija, u kojoj se simulacijski

rezultati i referentni podaci degradiraju na slabiju prostornu rezoluciju. Poklapanje modela i

referentnih podataka povećava se sa smanjenjem rezolucije. Međutim, to ne znači da su

modeli točniji, nego da su ovisni o mjerilu analize (tzv. MAUP) (Pontius i dr., 2004).

Prvorazredni doprinos ovoga istraživanja je otkriće kako fuzija rezultata povećava

točnost simulacijskih modela u odnosu na referentne podatke, što do sada nije dokumentirano.

Metode fuzije obično se provode u pred-obradi podataka (El-Mezouar i dr., 2011), ali ovdje je

to učinjeno u naknadnoj obradi. Ideja je došla iz razmišljanja o stohastičnoj naravi modela, a

potvrđena je istraživanjem o utjecaju sličnih metoda na poboljšanje točnosti rezultata

klasifikacije (Chen, 2008). Prijedlog za daljnje istraživanje je ispitati dobivene nalaze na

većem uzorku simulacijskih metoda i njihovih rezultata, kako bi se uklonio utjecaj slučajnosti.

Kada se govori o točnosti simuliranih promjena i ukupnog pokrova, važan faktor je

prostor na koji se oni odnose. Nije slučajno većina simulacijskih modela primijenjena u

52

izrazito dinamičnim područjima zemalja u razvoju ili najrazvijenijih zemalja. Ako su prošle

promjene zemljišnog pokrova bile velike i linearne, naravno da će simulacijski model

uspješnije modelirati njihove promjene u budućnosti, pod uvjetom da će se ti trendovi

nastaviti. Izazov ovog istraživanja bile su nelinearne promjene zbog vremenskog zaostajanja

tijekom sekundarne sukcesije vegetacije, što je bilo teško ugraditi u model (sl. 24) (Díaz i dr.,

2011). Dodatno, prostor istraživanja je pasivan i kao takav predstavlja jedinstveni poligon za

testiranje simulacijskih modela u odnosu na prethodna istraživanja. U sklopu toga,

primijećeno je smanjivanje izgrađenih područja, što se dosad smatralo gotovo nezamislivim

(Verburg i Overmars, 2007).

Sl. 24. Sekundarna sukcesija vegetacije nakon napuštanja poljoprivrednog zemljišta

Izvor: modificirao autor prema Díaz i dr., 2011.

Nadalje, kod ocjene točnosti iznimno je važan broj klasa zemljišnog pokrova koje se

simuliraju, slično kao u klasifikaciji. Uvođenjem svake nove klase višestruko se povećava

mogućnost pogrešaka. Stoga dihotomni simulacijski modeli (npr. urbano/ne-urbano,

šuma/ostalo) pokazuju puno veću točnost od modela koji koriste kompleksnije klasifikacijske

sheme (Li i Yeh, 2002). Ovaj model je po tom pitanju bio jedan od složenijih jer je obuhvaćao

čak 5 klasa iz čega je proizašlo 25 kombinacija promjena i perzistencija zemljišnog pokrova.

Naposljetku, najvažnija činjenica u validaciji je da nema nikakvog jamstva kako će

budućnost nalikovati prošlosti. To što je simulacijski model funkcionirao za prošlo razdoblje i

53

što se poklapao s (netočnim) referentnim podacima, ne mora značiti da će jednako dobro

predvidjeti buduće promjene. Suprotno, ako je podbacio, ne mora nužno značiti da neće

funkcionirati za budućnost. Međutim, neka mjerila točnosti moraju se postaviti, a najlogičnije

je to napraviti s podacima iz prošlosti jer jedino njima raspolažemo.

Dakle, najveća zamka pri simulacijskom modeliranju proizlazi iz (ne)razumijevanja

temeljnih principa po kojima funkcioniraju ti modeli, odnosno njihova validacija. Jednostavno

je kliknuti za pokretanje i validaciju simulacije u programu koji se ponaša poput „crne kutije“,

no treba biti svjestan prisutnih ograničenja kako bi se valjano protumačili dobiveni rezultati.

Prema procjenama, za potpunog novaka potrebna su najmanje dva do tri mjeseca obuke kako

bi potpuno svladao metode i tehnike simulacijskog modeliranja zemljišnog pokrova (van

Schrojenstein Lantman i dr., 2011).

6.2. Evaluacija dobivenih rezultata

Globalni trendovi promjene zemljišnog pokrova i načina korištenja zemljišta mogu se

podijeliti u dvije osnovne skupine suprotnoga predznaka: intenzifikaciju (urbanizacija, razvoj

poljoprivrede, deforestacija...) i ekstenzifikaciju (napuštanje zemljišta, aforestacija,

eutrofikacija...) (Antrop, 2005; Bignal i McCracken, 1996; Díaz i dr., 2011; Navarro i Pereira,

2012; Rutherford i dr., 2008; Strijker, 2005).

Polarizacija navedenih trendova najprisutnija je na poljoprivrednom zemljištu, koje

danas predstavlja najveće zemaljsko stanište, zauzimajući oko 40 % kopnene površine našega

planeta (Rey Benayas i dr., 2007). Općeprihvaćeno je stajalište da intenzifikacija ima

nepovoljne posljedice na poljoprivredno zemljište, npr.: monotoni krajobraz, napuštanje

tradicionalnih metoda gospodarenja, korištenje velikih dijelova močvarnih područja, tresetišta

i prirodnih pašnjaka, onečišćenje podzemnih voda povećanom uporabom pesticida i gnojiva te

smanjenje bioraznolikosti (izvor: 26). Posljedice napuštanja poljoprivrede i poljoprivrednog

zemljišta su dvojake (Rey Benayas i dr., 2007). Neke od pozitivnih posljedica ekstenzifikacije

zemljišnog pokrova su: povećanje količine biomase i organskih tvari, povećanje kvalitete

vode i kapaciteta tla za njenu pohranu, učinkovitija regulacija hidrološkog ciklusa, povećanje

količine glista koje prozračuju tlo, povećanje sekvestracije ugljika i ugljikova dioksida, razvoj

prirodnih područja za turističko-rekreacijsku valorizaciju, proširenje područja za lov i

organsku poljoprivredu (npr. uzgajanje pčela), smanjenje troškova održavanja, smanjenje

emisije stakleničkih plinova, redukcija suviška nutrijenata u tlu, smanjenje erozije itd.

Negativne posljedice su: dugoročni gubitak staništa i bioraznolikosti, povećanje vjerojatnosti

požara, širenje invazivnih vrsta, gubitak prostornog identiteta, povećanje učestalosti sukoba

54

ljudi s divljinom i divljim životinjama, smanjenje gospodarskog iskorištavanja, psihološki

utjecaj na stanovništvo (osjećaj izolacije, siromaštva, srama), pad turističke atraktivnosti

prostora itd. (Díaz i dr., 2011; Renwick i dr., 2013; Rey Benayas i dr., 2007; Ruskule i dr.,

2012; Van Doorn i Bakker, 2007).

Nabrojene posljedice napuštanja zemljišta nisu jednako relevantne u svim područjima

svijeta, a neke su prisutne samo na lokalnoj razini (Rey Benayas i dr., 2007). Ono što

razlikuje tradicionalne kulturne pejzaže u Europi od drugih kulturnih pejzaža u svijetu jest

iznimno duga povijest korištenja zemljišta i utjecaja na zemljišni pokrov od kraja zadnjega

ledenog doba, koja je proizvela zajedničku evoluciju vrsta, ekosustava i čovjeka. Danas je

bioraznolikost polu-prirodnih agrarnih područja u Europi jednako važna kao u divljim

područjima (Plieninger i dr., 2006). Procjenjuje se da je 50 % najvrjednijih europskih staništa

upravo na polu-prirodnom poljoprivrednom zemljištu (Bignal i McCracken, 1996). Najveći

problem europskih tradicionalnih kulturnih pejzaža je njihova nestabilnost, tj. ovisnost o

djelomičnom utjecaju čovjeka. Potpuno napuštanje zemljišta dovodi do spontane sekundarne

sukcesije. Naprotiv, pretjeran utjecaj čovjeka dovodi do širenja jednoličnih poljoprivrednih

područja (Plieninger i dr., 2006). Od sredine 20. stoljeća u marginalnim područjima Europe

izgubljeno je mnogo polu-prirodnih agrarnih područja, a simulacijskih modeli predviđaju

nastavak procesa u idućim desetljećima (Navarro i Pereira, 2012; Ruskule i dr., 2012).

Europske institucije prepoznale su vrijednost spomenutih područja i njihovu

ugroženost pa su na prijelazu 20. i 21. stoljeća pokrenute inicijative i programi za njihovo

očuvanje. Najvažnija je Europska krajobrazna konvencija (engl. European Landscape

Convention) koju je potpisalo Vijeće Europe 2000. godine. Značaj Konvencije je što ona

pokriva sve „uobičajene“ pejzaže, tj. prirodna, ruralna, urbana i peri-urbana područja, bez

obzira na stanje u kojem se nalaze (očuvani ili degradirani). Cilj Konvencije je promicanje

zaštite pejzaža upravljanjem i planiranjem, radi očuvanja za budućnost. Osobita je pozornost

posvećena očuvanju identiteta pejzaža, jer kad ljudi prestanu živjeti u njima, oni postaju

pustinje u kojima djeluju samo fizikalne i kemijske sile (Antrop, 2005). Drugi europski

dokumenti i strategije povezani sa zemljišnim pokrovom su: The Pan European Landscape

and Biological Diversity Strategy, The Resolution 1940, The World Heritage Convention

(Vos i Meekes, 1999), The Permanent European Conference for the Study of the Rural

Landscape (PECSRL) (Plieninger i dr., 2006).

Zajednička agrarna politika (engl. Common Agricultural Policy – CAP) Europske

unije također je važan faktor promjena na zemljištu zbog velikih financijskih doprinosa.

Glavni instrument agrarne politike 1960. – 1992. godine bila je politika cijena: poticale su se

55

visoke cijene poljoprivrednih proizvoda kako bi se održala isplativost za poljoprivrednike.

Intenzifikacija poljoprivredne proizvodnje nije bila nusproizvod, nego je bila jedan od glavnih

ciljeva (Strijker, 2005). Kako bi se povećala produktivnost, čak 1,4 milijuna ha zemljišta u

Španjolskoj opremljeno je sustavima za navodnjavanje od 1973. godine. S druge strane,

marginalna područja nepogodna za intenzivnu tržišnu poljoprivredu doživjela su napuštanje,

kao npr. u Portugalu gdje je tijekom 1980-ih transformirano više od 245.000 ha takvih

područja (Bignal i McCracken, 1996). Tradicionalna politika visokih cijena počela se

mijenjati s MacSharryjevim reformama 1992. godine. Cilj je bio smanjiti cijene

poljoprivrednih proizvoda u kombinaciji s djelomičnom nadoknadom dohodovnih poticaja.

Dodatni poticaji mogli su se ostvariti poštivanjem nekih ekoloških uvjeta ili su se oni

usmjeravali na zajednički ruralni razvoj (Strijker, 2005). Financijska pomoć davana je

zauzvrat za izuzimanje poljoprivrednog zemljišta od obrađivanja, s rezultatom da je između

1993. i 1994. izuzeto od obrađivanja oko 6 milijuna ha poljoprivrednog zemljišta. Ta je

inicijativa posebno koristila prihodima od poljoprivrede u područjima EU koja su već bila

intenzivno obrađivana, s obzirom da su plaćeni iznosi bili vezani uz ranije prihode. Područja s

manje intenzivnom poljoprivredom bila su prije u nepovoljnom položaju, što je vodilo ka

povećanju razlike u bogatstvu između pojedinih poljoprivrednih regija. Ključni dio reforme iz

1992. odnosio se na aspekte poljoprivrede koji se odnose na okoliš. Postoje primjeri koji

pokazuju da su programi usmjereni na smanjenje intenziteta stočarstva te povećanje

poljodjelskih metoda koje nisu štetne za okoliš poboljšali stanje u okolišu te donijeli

financijsku dobit. No, na te je programe otpadalo samo 3 % CAP proračuna. Krajem 1990-ih

samo se 1 % teritorija ekološki obrađivalo, od čega je 75 % primalo pomoć EU (izvor: 26).

Zbor znanstvenika kritizirao je utjecaj takve politike na okoliš, pa je proglašena Direktiva o

manje pogodnim područjima (engl. Less Favoured Areas Directive). To se odrazilo u

raspodjeli sredstava: do početka 1990-ih 60 % ili više ukupnoga proračuna EU trošilo se na

potporu poljoprivrednog tržišta i cijena, a manje od 15 % za strukturalnu i regionalnu politiku.

Danas, manje od 40 % troši se na prvu kategoriju, a otprilike 45 % na strukturalnu politiku i

ruralni razvoj. Međutim, i dalje postoji veliki nerazmjer među članicama EU s obzirom na

udio tako poticanih područja (Strijker, 2005). Osim toga, pokazalo se da primijenjena

klasifikacija nije učinkovita prepreka intenzifikaciji i pretjeranoj ispaši (Navarro i Pereira,

2012). Iz svega proizlazi da problem napuštanja zemljišta ipak premašuje opseg agrarne

politike, bez obzira na velika financijska ulaganja (Renwick i dr., 2013).

Utvrđeni procesi promjena zemljišnog pokrova u Požeško-slavonskoj poklapaju se s

procesima u drugim marginalnim područjima Europe. Konkretno, prevladava sekundarna

56

sukcesija na napuštenom poljoprivrednom zemljištu koje se ekstenzivno koristilo do prije 30

godina. Simulacijski model predviđa nastavak tih trendova prema potpunoj aforestaciji, što je

zdravorazumski za očekivati. Slični procesi napuštanja poljoprivrednog zemljišta zabilježeni

su u prethodnim istraživanjima u Hrvatskoj (Vresk, 1972; Crkvenčić, 1982; Cvitanović,

2014a, 2014b), gdje su oni tumačeni socijalnim prestrukturiranjem, odnosno deagrarizacijom i

industrijalizacijom. Ovdje je posrijedi razvoj crnog ugara zbog općenitih negativnih

čimbenika, poput starenja i izumiranja ukupnog stanovništva, nepovoljnih fizičkogeografskih

uvjeta u gorju, prometno-geografske izoliranosti, ali i nekih specifičnih čimbenika, poput

post-tranzicijske krize, loše privatizacije i posljedica Domovinskog rata (ratne depopulacije i

zaostalih minskih polja). Faktori napuštanja zemljišta koji su identificirani na globalnoj razini:

prirodna ograničenja, degradacija zemljišta, socioekonomski faktori, demografska struktura i

institucijski okvir (FAO, 2006), većinom se poklapaju s uočenim obrascima. Porast cijene

radne snage u poljoprivredi bio je jedan od važnih faktora napuštanja zemljišta u Nizozemskoj

(Strijker, 2005), no ovdje je bio minoran. Glavni faktor aforestacije u Latviji bile su česte

političke i ekonomske nestabilnosti (raspad socijalizma, kolekivne poljoprivrede, neplanska

urbanizacija i zemljišne reforme) (Ruskule i dr., 2012), koje su djelomično bile na snazi i u

istraženom prostoru.

Prisutni trendovi ekstenzifikacije i širenja šumskog pokrova u Požeško-slavonskoj

županiji povezani su s razvojnim obilježjima pojedinih naselja, koja su tipizirana prema 59

varijabli (Lukić, 2009). Udio šumskog pokrova i njegov porast 1999. – 2013. godine bili su

najviši u najslabije razvijenim područjima (naselja ruralne periferije, ostala naselja, naselja

bez stanovnika, naselja poljoprivredne ekstenzifikacije) (tab. 13), koja su bila najviše pod

utjecajem ograničavajućih prirodnogeografskih i društvenogeografskih faktora.

Tab. 13. Udio šumskog pokrova i njegove promjene 1999. – 2013. godine po tipovima

naselja u Požeško-slavonskoj županiji

Tipovi naselja (prema Lukić, 2009) Šumski pokrov (%)

1999. 2013. Δ 1999.-2013.

Ekonomski diverzificirana naselja 78,01 78,27 0,27

Dinamična, strukturno jača naselja 45,63 47,09 1,45

Ostala izvangradska naselja 69,95 80,20 10,25

Naselja ruralne periferije 62,42 74,05 11,63

Naselja poljoprivredne ekstenzifikacije 41,67 49,14 7,47

Tržišno orijentirana poljoprivredna naselja 34,97 39,72 4,75

Naselja bez stanovnika 2001. god. 86,39 91,11 4,72

Gradska naselja 34,40 35,39 0,99

57

Depopulacija je očito glavni čimbenik propadanja prirodnih i ekonomskih potencijala

Požeško-slavonske županije, koje se može riješiti provedbom mjera razvojnih strategija i

dokumenata.

Prostorni plan Požeško-slavonske županije osnovni je dokument uređenja prostora za

Požeško-slavonsku županiju, kojim se utvrđuju osnove za obnovu i budući razvoj u prostoru,

ciljevi prostornog uređenja i namjena prostora, te smjernice, mjere i uvjeti za korištenje,

zaštitu i uređenje prostora (izvor: 22).

Osnovni Plan donesen je u srpnju 2002. godine (izvor: 3), nakon čega su donesene

Izmjene i dopune Plana u srpnju 2011. godine (izvor: 23). Cjelovitim izmjenama i dopunama

Plana obuhvaćene su sve novonastale okolnosti i potrebe koje su se pojavile u

devetogodišnjem vremenskom razdoblju od početka primjene Plana, kao što su ponovna

valorizacija koridora infrastrukturnih objekata (ceste, plin, električna energija,

telekomunikacija, vodno gospodarstvo itd.) od interesa za Županiju, prijedloga zaštićene

prirodne baštine, gospodarenje otpadom i dr. Dio dopuna odnosio se na zemljišni pokrov,

odnosno krajobraz. Između ostalog, stajalo je: „Ovim Planom se utvrđuje i potreba što hitnije

izrade Krajobrazne osnove Požeško-slavonske županije, Krajobrazna osnova trebala bi

poslužiti kao osnovna prostorno-planerska podloga integralne zaštite identiteta krajolika i

prirodnih i krajobraznih vrijednosti prostora te kao temelj za utvrđivanje mjera očuvanja

istih.“ (...) „U cilju očuvanja prirodne biološke raznolikosti treba očuvati postojeće šumske

površine, šumske rubove, živice koje se nalaze između obradivih površina, te zabraniti

njihovo uklanjanje; treba izbjegavati velike poljoprivredne površine zasijane jednom

kulturom; osobito treba štititi područja prirodnih vodotoka i vlažnih livada.“ (...) „Na

području predmetnog plana utvrđeno je nekoliko ugroženih i rijetkih staništa za koje treba

provoditi sljedeće mjere očuvanja: livadama i travnjacima potrebno je gospodariti putem

ispaše i režimom košnje; treba spriječiti njihovo zarastanje; treba očuvati režim podzemnih

voda o kojima ovise te ih se ne smije pretvarati u obradive površine ili građevinsko [op.a.]

zemljište; treba očuvati biološke vrste [op.a.] značajne za stanišni tip te zaštićene i strogo

zaštićene divlje svojte što podrazumijeva neunošenje stranih (alohtonih) vrsta i genetski

modificiranih organizama i osiguranja prikladne brige za njihovo očuvanje te sustavno

praćenje stanja (monitoring) u gospodarenju šumama; treba očuvati šumske čistine (livade,

pašnjake i dr.) i šumske rubove, produljiti ophodnju gdje je to moguće, prilikom dovršnog

sijeka ostavljati manje neposječene površine, ostavljati zrela, stara i suha stabla, izbjegavati

uporabu kemijskih sredstava za zaštitu, a pošumljavanje, ukoliko je potrebno, vršiti

autohtonim vrstama.“ (...) „Dokumentima prostornog uređenja lokalne razine maksimalno

58

štititi obraslo šumsko zemljište te zahvate planirati na neobraslom šumskom zemljištu (npr.

kamenjara) i zemljištu obraslom početnim ili degradacijskim razvojnim stadijima šumskih

sastojina (garizi, šibljaci).“ (...) „Zbog značaja za život čovjeka i činjenice, da je zemljište

neobnovljivo, Ustav RH odredio ga je i kao dobro od interesa za Republiku Hrvatsku,

posebice ga štiti i njegovo se korištenje može odvijati pod uvjetima i na način propisan

posebnim propisom.“ (...) „a osnovni bi cilj u budućnosti trebao biti – očuvanje, korištenje i

uređenje poljoprivrednog zemljišta, prije svega za poljoprivrednu proizvodnju.“

U međuvremenu, od donošenja Izmjena i dopuna Plana iz 2011., pojavile su se nove

okolnosti te zahtjevi od strateškog interesa za područje Županije, točnije potreba za

formiranjem gospodarske zone za specifičnu djelatnost (proizvodnja lijevanog i float stakla)

na području Grada Lipika. Stoga su 2015. godine prihvaćene Ciljane Izmjene i dopune

Prostornog plana Požeško-slavonske županije (izvor: 22).

Pohvalne su dopune akata koji se tiču zemljišta kao neobnovljivog resursa, no

zabrinjava što pri tome nisu osvježeni podaci o zemljištu i što je mnogo važnije, o

demografskoj dinamici, koja je ključ razvoja Požeško-slavonske županije i oplemenjivanja

postojećih resursa. Zastarjeli podaci iz prostornih planova korišteni su za izrade Regionalnog

operativnog programa 2005. – 2010. (izvor: 24) i Županijske razvojne strategije Požeško-

-slavonske županije za razdoblje 2011. – 2013. godine (izvor: 25), što je neprihvatljivo. Ovaj

rad je dokazao da o kvaliteti ulaznih podataka ovise sve naknadne analize i razvojne

strategije. Zbog toga ih je nužno ispraviti u službenim dokumentima, kako bi bolje odgovarali

potrebama prostora i društva.

Planiranje načina korištenja zemljišta i zemljišnog pokrova ima važnu ulogu u

prostornom planiranju (van Lier, 1998). Dapače, kontrola fizičkog razvoja i dalje je u srži

prostornog planiranja u većini država Europske unije, iako ciljevi mogu biti dijelom socijalni i

ekonomski (Dühr i dr., 2010 prema Radeljak, 2014). Prijelaz od tradicionalnog planiranja

korištenja i namjene zemljišta prema strateškom planiranju podrazumijeva pomicanje

naglaska s „fizičkih“ rješenja za društvene i gospodarske promjene i probleme na povezivanje

aktivnosti dionika u odnosu prema prostornim promjenama (Albrechts, 2004 prema Radeljak,

2014). Aktivne razvojne strategije upravljanja zemljišnim pokrovom i načinom korištenja

zemljišta mogu biti: intenzifikacija, ekstenzifikacija i aforestacija. Međutim, ponekad je

najisplativije pasivno prepuštanje prirodnom tijeku razvoja, tzv. renaturalizaciji (engl. re-

wilding) (Navarro i Pereira, 2012). Poteškoće planiranja korištenja zemljišta i zemljišnog

pokrova proizlaze iz velikog broja ljudi i njihovih neusklađenih interesa na zemljištu (Antrop,

2005).

59

Odluka o strategiji razvoja korištenja zemljišta i zemljišnog pokrova treba biti

utemeljena na regionalnim studijama (Rey Benayas i dr., 2007). Veliku ulogu u tome imaju

daljinska istraživanja koja pribavljaju aktualne podatke (Treitz i dr., 1992) i simulacijski

modeli koji su implementirani unutar GIS okruženja. Geografi tumačenjem projekcija mogu

dati uvid u potencijalne razvojne izazove i mogućnosti prostora, što donositeljima odluka

otvara mogućnost usmjeravanja razvoja u željenom smjeru. Međutim, GIS nije sam po sebi

univerzalno rješenje (Farrow i Winograd, 2001), niti su geografi jedini kompetentni za studije

o promjenama i utjecajima zemljišnog pokrova. Nužan je interdisciplinarni i holistički pristup,

pri čemu jednostavna vizualizacija dobivenih rezultata treba biti zajednički jezik među svim

interesnim skupinama (uprava, znanstvenici, korisnici), koje se trebaju uključiti u donošenje

odluka (Herrmann i Osinski, 1999). Tako ni ovaj rad ne može biti cjelovito rješenje, nego

može poslužiti svim zainteresiranim akterima kao iscrpan uvid u dosadašnje i buduće

prostorne procese koji prevladavaju u Požeško-slavonskoj županiji.

60

7. Zaključak

Provedeno istraživanje omogućilo je izvođenje sljedećih zaključnih tvrdnji u odnosu

na postavljene hipoteze.

1) Zemljišni pokrov u Požeško-slavonskoj županiji vidljivo se promijenio 1985. – 1999.

– 2013. godine.

Hipoteza je potpuno potvrđena. Hibridna metoda nadzirane klasifikacije

satelitskih snimki pokazala se iznimno pouzdana, s minimalno ostvarenom ukupnom

točnosti od 95 %. Temeljem usporedbe klasificiranih scena utvrđene su značajne

promjene zemljišnog pokrova u Požeško-slavonskoj županiji. Konkretno, promjene 1985.

– 1999. godine odvijale su se na 19,6 %, a 1999. – 2013. godine na 17,5 % površine

Županije. Najveći porast u ukupnom zemljišnom pokrovu imale su šume s 47 % 1985.

godine na 55 % 2013. godine. Najveće smanjenje u ukupnom zemljišnom pokrovu

doživjele su poljoprivredne površine s 35 % 1985. godine na 26 % 2013. godine. Dakle,

glavni trend u promatranom razdoblju bila je ekstenzifikacija zemljišnog pokrova.

2) Postoji korelacija između faktora i dosadašnjih promjena zemljišnog pokrova u

Požeško-slavonskoj županiji na temelju koje se mogu simulirati njegove buduće

promjene.

Hipoteza je djelomično potvrđena. Statistička analiza varijabli kojima su

operacionalizirani fizičkogeografski i društvenografski faktori promjena zemljišnog

pokrova otkrila je da je većina izabranih varijabli dobro objašnjavala utvrđene promjene.

Ratna i ukupna depopulacija na perifernim područjima s nepovoljnim prirodnim uvjetima

najviše su djelovali na ekstenzivne promjene zemljišnog pokrova. Najslabija

eksplanatorna varijabla bila je orijentacija padina, a udaljenost od prometnica i naselja

bili su uvjetovani reljefom kao pravom nezavisnom varijablom, zbog čega su i sami

međusobno korelirali. Nedostatak varijable relativnog indeksa kretanja stanovništva bile

su ekstremne vrijednosti u malim naseljima. Kalibracija, izvođenje i validacija testnih

simulacijskih modela otkrila je kako su oni znatno bolje simulirali količinu od lokacija

promjena, koja je bila zadovoljavajuća samo na gruboj prostornoj razini. Također, model

umjetnih neuronskih mreža ostvario je bolju točnost od modela logističke regresije u

odnosu na referentne podatke. Najvažnije otkriće bilo je da naknadna fuzija povećava

uspješnost stohastičnih simulacijskih modela zemljišnog pokrova.

61

3) Postoji veza između trendova lokanog i regionalnog razvoja te promjena zemljišnog

pokrova u Požeško-slavonskoj županiji prema kojoj se mogu odrediti izazovi i

razvojne mogućnosti tog prostora.

Hipoteza je potvrđena. Tijekom cijelog istraživanja provlačila se poveznica

između trendova socioekonomskog razvoja i promjena zemljišnog pokrova na mikro-

prostornoj razini naselja. Postavka je dokazana odnosom kompozitnog pokazatelja tipa

naselja (Lukić, 2009) s udjelom šumskog pokrova i njegovih promjena, koji su bili

najveći u naseljima s najnepovoljnijim razvojnim obilježjima. Promjene zemljišnog

pokrova koje su usmjerene prema ekstenzifikaciji i napuštanju zemljišta kriju u sebi

duboke razvojne probleme, kao što su depopulacija, slaba ekonomska situacija i

nepovoljan prometno-geografski položaj. Spomenuti problemi trebaju se riješiti

dosljednim provođenjem prostornih planova i strategija, koji se pak moraju temeljiti na

relevantnim podacima i suradnji između svih interesnih skupina (znanstvenika,

upravitelja i „običnih“ građana) na opću dobrobit društva i prirode u Požeško-slavonskoj

županiji.

Znanstveni doprinos ovog istraživanja je izrada jasne i primjenjive procedure obrade i

analize satelitskih snimaka sa svrhom utvrđivanja povijesnih i projekcije budućih promjena

zemljišnog pokrova pomoću GIS programa otvorenog koda. Pri tome je ponuđen prijedlog

poboljšanja metodologije u obliku naknadne fuzije pojedinačnih rezultata stohastičnih

simulacijskih modela. Otvoreno je pitanje djeluje li predložena metoda u svim uvjetima ili je

njezin uspjeh bio posljedica slučajnosti, što treba dodatno istražiti. Također, treba ispitati

utjecaj kvalitete klasifikacije i referentnih podataka na validaciju dobivenih rezultata. Drugi

doprinos ovog rada je prikaz teorijskih osnova geografije, geoinformatike i daljinskih

istraživanja nužnih za provedeno istraživanje kao i primjenu stručnog nazivlja na hrvatskom

jeziku.

Dobiveni rezultati mogu se iskoristiti za korekcije prostorno-planskih zona u skladu s

potencijalnim budućim promjenama (npr. u marginalnim područjima koja će obrasti u šumu,

mogu se ukloniti građevinska područja sa svrhom zaštite prirode ili upravo suprotno, proširiti

građevinske zone kako bi se potaknulo doseljavanje stanovništva). Ipak, budući da promjene

zemljišnog pokrova i njegovo planiranje iziskuju interdisciplinarni i holistički pristup, ovaj

rad daje se na korištenje i vrednovanje drugim strukama i svim zainteresiranim akterima u

Požeško-slavonskoj županiji kako bi se postojeći prostorni potencijali prikladno valorizirali.

62

Literatura

Almeida, C. M., Batty, M., Monteiro, A. M. V., Câmara, G., Soares-Filho, B. S.,

Cerqueira, G. C., Pennachin, C. L., 2003: Stochastic cellular automata modeling of urban

land use dynamics: empirical development and estimation, Computers, Environment and

Urban Systems 27, 481-509.

Anderson, J. R., Hardy, E. E., Roach, J. T., Witmer, R. E., 1976: A Land Use And Land

Cover Classification System For Use With Remote Sensor Data, Geological Survey

Professional Paper 964, 1-41.

Antrop, M., 2005: Why landscapes of the past are important for the future, Landscape and

Urban Planning 70, 21-34.

Benenson, I., Torrens, P. M., 2004: Geosimulation: Automata-Based Modeling of Urban

Phenomena, John Wiley, London.

Bignal, E. M., McCracken, D. I., 1996: Low-Intensity Farming Systems in the

Conservation of the Countryside, Journal of Applied Ecology 33(3), 413-424.

Blaschke, T., 2010: Object based image analysis for remote sensing, ISPRS Journal of

Photogrammetry and Remote Sensing 65(1), 2-16.

Bognar, A., 1999: Geomorfološka regionalizacija Hrvatske, Acta Geographica Croatica

34, 7-29.

Bonham-Carter, G. F., 1994: Geographic Information Systems for Geoscientists: Modeling

with GIS, Pergamon, Oxford.

Brown, D. G., Duh, J.-D., 2004: Spatial simulation for translating from land use to land

cover, International Journal of Geographical Information Science 18(1), 35-60.

Brown, D. G., Goovaerts, P., Burnicki, A., Li, M.-Y., 2002: Stochastic Simulation of

Land-Cover Change Using Geostatistics and Generalized Additive Models,

Photogrammetric Engineering & Remote Sensing 68(10), 1051-1061.

Brown, D. G., Walker, R., Manson, S., Seto, K., 2003: Modeling Land-Use and Land-

Cover Change, http://www-personal.umich.edu/~danbrown/papers/lcluc_book.pdf

(29.8.2015.)

Brumec, D., Rozman, Č., Janžekovič, M., Turk, J., Čelan, Š., 2013: An Assesment of

Different Scenarios for Agroforestry Environment Regulation of Degraded Land Using

Integrated Simulation and a Multi-Criteria Decision Model – a Case Study, Šumarski list

137(3-4), 147-161.

63

Brzović, N., Jurčec, V., 1997: Numerical simulation of the Adriatic cyclone development,

Geofizika 14, 29-46.

Bušljeta-Vdović, S., 2006: Zračne snimke kao podloga za daljinska istraživanja u

prostornom planiranju, Prostor 14(2), 246-255.

Campbell, James B., 2006: Introduction to Remote Sensing, The Guilford Press.

Chen, D., 2008: A Standardized Probability Comparison Approach for Evaluating and

Combining Pixel-based Classification Procedures, Photogrammetric Engineering &

Remote Sensing 74(5), 1-9.

Chorley, R. J., Haggett, P., (ur.), 1967: Models in geography, Methuen, London.

Chou, Y. H., 1993: Map resolution and spatial autocorrelation, Geographical Analysis 23,

228-246.

Clarridge, A., 2009: Cellular Automata: Algorithms and Applications, Master of Science

Thesis, Queen's University, Kingston, Ontario.

Congalton, R., 1991: A review of assessing the accuracy of classifications of remotely

sensed data, Remote Sensing of Environment 37, 35-46.

Crkvenčić, I., 1951: O agrarnoj strukturi gornjeg porječja Bednje, Geografski glasnik

13(1), 101-114.

Crkvenčić, I., 1957: Prigorje planinskog niza Ivančice, Geografski glasnik 19(1), 9-56.

Crkvenčić, I., 1958: Prigorje planinskog niza Ivančice, Geografski glasnik 20(1), 1-48.

Crkvenčić, I., 1982: Pojava ugara i neobrađenih oranica i promjene brojnosti stanovništva

SR Hrvatske u posljednjih dvadeset godina, Geografski glasnik 44(1), 3-21.

Crkvenčić, I., Malić, A., 1988: Agrarna geografija, Školska knjiga, Zagreb.

Cvitanović, M., 2014a: Promjene zemljišnog pokrova i načina korištenja zemljišta u

Krapinsko-zagorskoj županiji od 1991. do 2011., Hrvatski geografski glasnik 76(1), 41-59.

Cvitanović, M., 2014b: Promjene zemljišnog pokrova i načina korištenja zemljišta u

Krapinsko-zagorskoj županiji od 1978. do 2011. godine, doktorski rad, Sveučilište u

Zagrebu, Prirodoslovno-matematički fakultet, Geografski odsjek, Zagreb.

Čuka, A., Magaš, D., 2003: Socio-geografska preobrazba otoka Ista, Geoadria 8(2), 67-86.

Díaz, G. I., Nahuelhuala, L., Echeverríad, C., Maríne, S., 2011: Drivers of land

abandonment in Southern Chile and implications for landscape planning, Landscape and

Urban Planning 99, 207-217.

64

Dragicevic, S., Marceau, D. J., 1999: Spatio-Temporal Interpolation and Fuzzy Logic for

GIS Simulation of Rural-to-Urban Transition, Cartography and Geographic Information

Science 26(2), 125-138.

Durbešić, A., 2012: Promjene pejzaža južne padine Svilaje – GIS pristup, doktorski rad,

Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Geografski odsjek, Zagreb.

El-Mezouar, M. C., Taleb, N., Kpalma, K., Ronsin J., 2011: An IHS-Based Fusion for

Color Distortion Reduction and Vegetation Enhancement in IKONOS Imagery, IEEE

Transactions on Geoscience and Remote Sensing, 49(5), 1590-1602.

Faričić, J., Magaš, D., 2004: Suvremeni socio-geografski problem malih hrvatskih otoka –

primjer otoka Žirja, Geoadria 9(2), 125-158.

Farrow, A., Winograd, M., 2001: Land use modelling at the regional scale: an input to

rural sustainability indicators for Central America, Agriculture, Ecosystems and

Environment 85, 249-268.

Ferrarese, S., Cassardo, C., Elmi, A., Genovese, R., Longhetto, A., Manfrin, M.,

Richiardone, R., 2009: Air-sea interactions in the Adriatic basin: simulations of Bora and

Sirocco wind events, Geofizika 26(2), 157-170.

Food and Agriculture Organization of the United Nations (FAO), 1995: Planning for

sustainable use of land resources: Towards a new approach, FAO, Rim.

Food and Agriculture Organization of the United Nations (FAO), 2006: Agriculture and

the Environment: Changing Pressures, Solutions and Trade-offs, FAO, Rim.

Fürst-Bjeliš, B., 2002: Reading the Venetian Cadastral Record: An Evidence for the

Environment, Population and Cultural Landscape of the 18th century Dalmatia, Hrvatski

geografski glasnik 65(1), 47-62.

Fürst-Bjeliš, B., Lozić, S., 2006: Environmental impact and change on the Velebit

Mountain, Croatia: an outline of the periodization, u: Views from the South, Environmental

Stories from the Mediterranean World (ur. Marco Armiero), Consiglio Nazionale delle

Ricerche, Istituto di Studi sulle Societa del Mediterraneo, Napulj, 127-139.

Fürst-Bjeliš, B., Lozić, S., Cvitanović, M., Durbešić, A., 2011: Promjene okoliša

središnjeg dijela Dalmatinske zagore od 18. stoljeća, u: Zagora između stočarsko-ratarske

tradicije te procesa litoralizacije i globalizacije (ur. Matas, M., Faričić, J.), Sveučilište u

Zadru, Kulturni sabor Zagore, Ogranak Matice hrvatske Split, 117-130.

Gibson, C., Ostrom, E., Ahn, T.-K., 2000: The concept of scale and the human dimensions

of global change: a survey, Ecological Economics 32, 217-239.

65

Girard, M.-C., Girard, C., 2003: Processing of Remote Sensing Data, A. A. Balkema

Publishers, Lisse.

Gismondi, M., Kamusoko, C., Furuya, T., Tomimura, S., Maya, M., 2014: MOLUSCE –

An open source land use change analyst for QGIS,

https://www.ajiko.co.jp/dl/pdf_tf2014/p62-63.pdf (27.8.2015.)

Guan, D. J., Gao, W. J., Watari, K., Fukahori, H., 2008: Land use change of Kitakyushu

based on landscape ecology and Markov model, Journal of Geographical Sciences 18,

455-468.

Hägerstrand, T., 1967: Innovation Diffusion as a Spatial Process, The University of

Chicago Press, Chicago; The University of Chicago Press, London.

Han, H., Yang, C., Song, J., 2015: Scenario Simulation and the Prediction of Land Use and

Land Cover Change in Beijing, China, Sustainability 7, 4260-4279.

Herrmann, S., Osinski, E., 1999: Planning sustainable land use in rural areas at different

spatial levels using GIS and modelling tools, Landscape and Urban Planning 46, 93-101.

Hilferink, M., Rietveld, P., 1999: LAND USE SCANNER: An integrated GIS based model

for long term projections of land use in urban and rural areas, Journal of Geographical

Systems 1(2), 155-177.

Horning, N., 2004: Land cover classification methods, Version 1.0, American Museum of

Natural History, Center for Biodiversity and Conservation, New York.

Horvat, Z., 2013: Using Landsat Satellite Imagery to Determine Land Use/Land Cover

Changes in Međimurje County, Croatia, Hrvatski geografski glasnik 75(2), 5-28.

Houet, T., Hubert-Moy, L., 2006: Modelling and projecting land-use and land-cover

changes with a Cellular Automaton in considering landscape trajectories: An improvement

for simulation of plausible future states, EARSeL eProceedings 5(1), 63-76.

Hruška, G. (ur.), 2010: Požeško-slavonska županija: 1210. – 2010., Požeško-slavonska

županija, Požega.

Ibrahim, W. Y. W., Ludin, A. N. M., 2015: Spatiotemporal Land Use Change Analysis

Using Open-source GIS and Web Based Application, International Journal of Built

Environment and Sustainability 2(2), 101-107.

Jenerette, G. D., Wu, J., 2001: Analysis and simulation of land-use change in the central

Arizona – Phoenix region, USA, Landscape Ecology 16, 611-626.

Jokar Arsanjani, J., Helbich, M., Kainz, W., Darvishi Boloorani, A., 2013: Integration of

logistic regression, Markov chain and cellular automata models to simulate urban

66

expansion, International Journal of Applied Earth Observation and Geoinformation 21,

265-275.

Kaufmann, R. K., Seto, K. C., 2001: Change detection, accuracy, and bias in a sequential

analysis of Landsat imagery in the Pearl River Delta, China: econometric techniques,

Agriculture, Ecosystems and Environment 85, 95-105.

Kutnar, L., Kobler, A., 2011: Prediction of Forest Vegetation Shift Due to Different

Climate-Change Scenarios in Slovenia, Šumarski list 135(3-4), 113-126.

Lajić, I., Klempić Bogadi, S., 2010: Demografska budućnost Gorskoga kotara, Migracijske

i etničke teme 26(2), 191-212.

Lambin, E., Geist, H. J., 2007: Causes of land-use and land-cover change,

http://www.eoearth.org/view/article/150964/ (8.10.2015.)

Li, X., Yeh, A. G.-O., 2002: Neural-network-based cellular automata for simulating

multiple land use changes using GIS, International Journal of Geographical Information

Science 16 (4), 323-343.

Li, Y., Zhao, L., Dong, H., 2014: Design and Simulation Analysis of at-Grade Intersection

Channelization of City Roads, Tehnički vjesnik 21, 5, 995-999.

Lillesand, T. M., Kiefer, R. W., Chipmann, J. W., 2008: Remote Sensing And Image

Interpretation, Sixth Edition, John Wiley and Sons, USA.

Longley, P. A., Goodchild, M. F., Maguire, D. J., Rhind, D. W., 2005: Geographic

Information Systems and Science, 2nd Edition, John Wiley & Sons, Ltd, Chichester.

Lourdes, L., Karina, Z., Pedro, L., Héctor, M., Néstor, M., 2011: A dynamic simulation

model of land cover in the Dulce Creek Basin, Argentina, Procedia Environmental

Sciences 7, 194-199.

Lukić, A., 2009: Tipologija ruralnih područja Hrvatske – geografski aspekt, doktorski rad,

Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Geografski odsjek, Zagreb.

Magaš, D. Faričić, J., 2002: Problemi suvremene socio-geografske preobrazbe otoka Oliba,

Geoadria 7(2), 35-62.

Magaš, D., Faričić, J., Lončarić, R., 2006: Geografske osnove društveno-gospodarske

revitalizacije Unija, Geoadria 11(2), 173-239.

Malačič, V., Petelin, B., 2006: Numerical modeling of the winter circulation of the Gulf of

Trieste (northern Adriatic), Acta Adriatica 47, 207-217.

67

Malešić, N., 2015: Promjena načina korištenja zemljišta u ruralno-urbanom prstenu

Grada Rijeke od 1980. godine, diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-

-matematički fakultet, Geografski odsjek, Zagreb.

Malić, A., 1983: Regionalne razlike i promjene površina kategorije iskorištavanja

poljoprivrednog zemljišta SR Hrvatske, Geografski glasnik 45(1), 55-72.

Manson, S. M., 2009: Simulation, u: International Encyclopedia of Human Geography (ur.

Kitchin, R., Thrift, N.), Elsevier, Oxford, sv. 10, 132-137.

Mas, J.-F., 1999: Monitoring land-cover changes: a comparison of change detection

techniques, International Journal of Remote Sensing 20(1), 139-152.

Mas, J.-F., Kolb, M., Paegelow, M., Camacho Olmedo, M. T., Houet, T., 2014: Inductive

pattern-based land use/cover change models: A comparison of four software packages,

Environmental Modelling & Software 51, 94-111.

Matthews, K. B., Sibbald, A. R., Craw, S., 1999: Implementation of a spatial decision

support system for rural land use planning: integrating geographic information system and

environmental models with search and optimisation algorithms, Computers and

Electronics in Agriculture 23, 9-26.

Meadows, D. H., Meadows, D. L., Randers, J., Behrens, W. W., 1972: The Limits to

Growth, University Books, New York.

Mitsova, D., Shuster, W., Wang, X., 2011: A cellular automata model of land cover change

to integrate urban growth with open space conservation, Landscape and Urban Planning

99, 141-153.

Moreno, N., Wang, F., Marceau, D. J., 2009: Implementation of a dynamic neighborhood

in a land-use vector-based cellular automata model, Environment and Urban Systems 33,

44-54.

Mukaka, M. M., 2012: A guide to appropriate use of Correlation coefficient in medical

research, Malawi Medical Journal 24(3), 69-71.

Munitić, A., Bilić, M., Dvornik, J., 2003: Kompjutorska simulacija i heuristička

optimizacija pretovarnog procesa u luci, Naše more 50(3-4), 113-124.

Narayan, J. P., 2000: Strong ground motion simulation using shear dislocation sources,

Geofizika 16-17, 73-86.

Navarro, L. M., Perreira, H. M., 2012: Rewilding Abandoned Landscapes in Europe,

Ecosystems 15, 900-912.

68

Nejašmić, I., Mišetić, R., 2004: Buduće kretanje broja stanovnika Hrvatske: projekcija

2001. – 2031., Društvena istraživanja 13(4-5), 751-776.

Nti, I. K., 2013: Geospatial Process Modelling for Land Use Cover Change, Doctoral

Dissertation, Auckland University of Technology, Auckland.

Opačić, V. J. (ur.), 2012: Veliki atlas Hrvatske, Mozaik knjiga, Zagreb.

Orlić, M., Beg Paklar, G., Pasarić, Z., Grbec, B., Pasarić, M., 2006: Nested modeling of the

east Adriatic coastal waters, Acta Adriatica 47, 219-245.

Parker, D. C., Manson, S. M., Janssen, M. A., Hoffmann, M. J., Deadman, P., 2003: Multi-

Agent Systems for the Simulation of Land-Use and Land-Cover Change: A Review,

Annals of the Association of American Geographers 93, 314-337.

Pijanowski, B. C., Brown, D. G., Shellito, B. A., Manik, G. A., 2002: Using neural

networks and GIS to forecast land use changes: a Land Transformation Model, Computers,

Environment and Urban Systems 26(6), 553-575.

Plieninger, T., Höchtl, F., Spek T., 2006: Traditional land-use and nature conservation in

European rural landscapes, Environmental Science & Policy 9, 317-321.

Pontius, R. G., Millones, M., 2011: Death to Kappa: birth of quantity disagreement and

allocation disagreement for accuracy assessment, International Journal of Remote Sensing

32(15), 4407-4429.

Pontius, R. G., Huffaker, D., Denman, K., 2004: Useful techniques of validation for

spatially explicit land-change models, Ecological Modelling 179, 445-461.

Pontius, R. G., Boersma, W., Castella, J.-C., Clarke, K., de Nijs, T., Dietzel, C., Duan, Z.,

Fotsing, E., Goldstein, N., Kok, K., Koomen, E., Lippitt, C. D., McConnell, W., Sood, A.

M., Pijanowski, B., Pithadia, S., Sweeney, S., Trung, T. N., Veldkamp, A. T., Verburg, P.

H., 2008: Comparing the input, output, and validation maps for several models of land

change, Annals of Regional Science 42(1), 11-37.

Radeljak, P., 2014: Metoda scenarija u prostornom planiranju: primjer Južnoga

hrvatskoga primorja, doktorski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički

fakultet, Geografski odsjek, Zagreb.

Rajan, K. S., Shibasaki, R., 2000: A GIS Based Integrated Land Use/Cover Change Model

to Study Human-Land Interactions, International Archives of Photogrammetry and Remote

Sensing. Vol. XXXIII, Part B7, Amsterdam, 1212-1219.

69

Renwick, A., Jansson, T., Verburg, P. H., Revoredo-Giha, Britz, C. W., Gochte, A.,

McCracken, D., 2013: Policy reform and agricultural land abandonment in the EU, Land

Use Policy 30, 446-457.

Rey Benayas, J. M., Martins, A., Nicolau, J. M., Schulz, J. J., 2007: Abandonment of

agricultural land: an overview of drivers and consequences, CAB Reviews Perspectives in

Agriculture Veterinary Science Nutrition and Natural Resources 57(2), 1-14.

Rogić, V., 1957: Velebitska primorska padina, Geografski glasnik 19(1), 61-100.

Rogić, V., 1958: Velebitska primorska padina, Geografski glasnik 20(1), 53-110.

Roić, M, 2012: Upravljanje zemljišnim informacijama – katastar, Sveučilište u Zagrebu,

Geodetski fakultet, Zagreb.

Rumelhart, D., Hinton, G., Williams, R., 1986: Learning internal representations by error

propagation, u: Parallel distributed processing: explorations in the microstructures of

cognition, Vol. 1, (ur. Rumelhart, D. E., McClelland, J. L.), MIT Press, Cambridge, 318-

362.

Ruskule, A., Nikodemus, O., Kasparinska Z., Kasparinskis R., Brümelis G., 2012: Patterns

of afforestation on abandoned agriculture land in Latvia, Agroforestry Systems 85, 215-

231.

Rutherford, G. N., Bebi, P., Edwards, P. J., Zimmermann, N. E., 2008: Assessing land-use

statistics to model land cover change in a mountainous landscape in the European Alps,

Ecological Modelling 212, 460-471.

Rykiel Jr., E. J., 1996: Testing ecological models: the meaning of validation, Ecological

Modelling 90, 229-244.

Santé-Riveira, I., Crecente-Maseda, R., Miranda-Barrós, D., 2008: GIS-based planning

support system for rural land-use allocation, Computers and electronics in agriculture 63,

257-273.

Sauer, C. O., 1925: Morphology of landscape, Publications in Geography 2(9), 271-302.

Sauer, C. O., 1952: Agricultural Origins and Dispersals, Bowman Memorial Lecture,

Series 2, American Geographical Society, New York.

Sivakumar, V., 2014: Urban Mapping and Growth Prediction Using Remote Sensing and

GIS Techniques, Pune, India, u: The International Archives of the Photogrammetry,

Remote Sensing and Spatial Information Sciences, Volume XL-8 (ur. Dadhwal, V. K. i dr.),

ISPRS Technical Commission VIII Symposium, 9 – 12 December 2014, Hyderabad, India,

967-970.

70

Sohl, T., Sleeter, B., 2012: Role of Remote Sensing for Land-Use and Land-Cover Change

Modeling, u: Remote Sensing of Land Use and Land Cover: Principles and Applications

(ur. Giri, C. P.), CRC Press, 225-239.

Story, M., Congalton, R. G., 1986: Accuracy assessment: a user’s perspective,

Photogrammetric Engineering and Remote Sensing 52, 397-399.

Strijker, D., 2005: Marginal lands in Europe – causes of decline, Basic and Applied

Ecology 6, 99-106.

Sun, X. F., Yue, T. X., Fan, Z. M., 2012: Scenarios of changes in the spatial pattern of land

use in China, Environmental Sciences 8, 590-597.

Šterc, S., 2012: Geografski i demogeografski identitet, doktorski rad, Sveučilište u


Tayyebi, A., 2013: Simulating Land Use Land Cover Change Using Data Mining and

Machine Learning Algorithms, Doctoral Dissertation, Purdue University, West Lafayette,

Indiana.

Tobler, W. R., 1970: A Computer Movie Simulating Urban Growth in the Detroit Region,

Economic Geography 46, 234-240.

Tobler, W. R., 1979: Cellular geography, u: Philosophy in geography (ur. Gale, S., Olsson,

G.) Reidel, Dordrecht, 379-386.

Treitz, P. M., Howarth, P. J., Gong, P., 1992: Application of Satellite and GIS

Technologies for Land-Cover and Land-Use Mapping at the Rural-Urban Fringe: A Case

Study, Photogrammetric Engineering & Remote Sensing 58(4), 439-448.

Trodd, N. M., 1995: Uncertainty in land cover mapping for modelling land cover change,

u: Proceedings of RSS95 – Remote sensing in action, Remote Sensing Society,

Nottingham, 1138-1145.

Valožić, L., 2014: Klasifikacija zemljišnog pokrova urbanog i periurbanog prostora

pomoću objektno orijentirane analize multispektralnih snimaka, Hrvatski geografski

glasnik 76(2), 27-38.

Valožić, L., 2015: Objektno orijentirana klasifikacija zemljišnoga pokrova pomoću

multispektralnih satelitskih snimaka – primjer Grada Zagreba, doktorski rad, Sveučilište u


van Lier, H. N., 1998: The role of land use planning in sustainable rural systems,

Landscape and Urban Planning 41, 83-91.

71

van Schrojenstein Lantman, J., Verburg, P. H., Bregt, A., Geertman, S., 2011: Core

Principles and Concepts in Land-Use Modelling: A Literature Review, u: Land-Use

Modelling in Planning Practice (ur. Koomen, E., Borsboom-van Beurden, J.), Springer

Science+Business Media B.V., Dordrecht, 35-57.

Vapnik, V., 1998: Statistical Learning Theory, Wiley, New York.

Veldkamp, A., Lambin, E. F., 2001: Predicting land-use change, Agriculture, Ecosystems

and Environment 85, 1-6.

Verburg, P. H., 2006: Simulating feedbacks in land use and land cover change models,

Landscape Ecology 21, 1171-1183.

Verburg, P. H., Overmars, K. P., 2007: Dynamic simulation of land-use change trajectories

with the CLUE-s model, u: Modelling Land-Use Change – Progress and Applications (ur.

Koomen, E., Stillwell, J., Bakema, A., Scholten, H. J.), Springer, Dordrecht, 321-335.

Verburg, P. H., Veldkamp, A., Fresco, L. O., 1999: Simulation of changes in the spatial

pattern of land use in China, Applied Geography 19, 211-233.

Verburg, P. H., Schot, P. P., Dijst, M. J., Veldkamp, A., 2004: Land use change modelling:

current practice and research priorities, GeoJournal 61, 309-324.

Vresk, M., 1968: Tendencije suvremene evolucije prenaseljenog agrarnog kraja – primjeri

iz okolice Varaždina, Geografski glasnik 30(1), 143-154.

Vresk, M., 1972: Socijalni ugar i drugi oblici napuštanja agrarne aktivnosti kao posljedica

emigracije i socijalnog diferenciranja stanovništva, Geografski glasnik 34(1), 79-89.

Vresk, M., 1997: Uvod u geografiju: razvoj, struktura, metodologija, Školska knjiga,

Zagreb.

Wang, S. Q., Zheng, X. Q., Zang, X. B., 2012: Accuracy assessments of land use change

simulation based on Markov-cellular automata model, Procedia Environmental Sciences

13, 1238-1245.

Weng, Q., 2002: Land use change analysis in the Zhujiang Delta of China using satellite

remote sensing, GIS and stochastic modelling, Journal of Environmental Management 64,

273-284.

Williams, M., 2009: Sauer, C., u: International Encyclopedia of Human Geography (ur.

Kitchin, R., Thrift, N.), Elsevier, Oxford, sv. 10, 15-18.

Wolfram, S., 1984: Universality and Complexity in Cellular Automata, Physica 10D, 1-35.

72

Wu, F., 2002: Calibration of stochastic cellular automata: the application to rural-urban

land conversions, International Journal of Geographical Information Science 16 (8), 795-

818,

Wu, Q., Li, H.-Q., Wang, R.-S., Paulussen, J., He, J., Wang, M., Wang, B.-H., Wang, Z.,

2006: Monitoring and predicting land use change in Beijing using remote sensing and GIS,

Landscape and Urban Planning 78, 322-333.

Yang, X., Zheng, X.-Q., Lv, L.-N., 2012: A spatiotemporal model of land use change

based on ant colony optimization, Markov chain and cellular automata, Ecological

Modelling 233, 11-19.

Yu., Y., Xie, Z.-H., 2013: A Simulation Study on Climatic Effects of Land Cover Change

in China, Advances in Climate Change Research 4(2), 117-126.

Zelić, J., Crnjac, T., 2010: Prirodne vrijednosti Požeško-slavonske županije, Javna

ustanova za upravljanje zaštićenim područjem Požeško-slavonske županije, Požega, 10-13.

Zhu, C., Li, Y., 2014: Long-term hydrological impacts of land use/land cover change from

1984 to 2010 in the Little River Watershed, Tennessee, International Soil and Water

Conservation Research 2(2), 11-22.

73

Izvori

1) Statistički ljetopis Republike Hrvatske 2015, Državni zavod za statistiku,

http://www.dzs.hr/Hrv_Eng/ljetopis/2015/sljh2015.pdf (25.1.2016.)

2) Popis stanovništva, kućanstava i stanova 2011. godine, Stanovništvo prema starosti i

spolu po naseljima, Državni zavod za statistiku, www.dzs.hr (25.1.2016.)

3) Prostorni plan Požeško-slavonske županije, Županijski zavod za prostorno uređenje

Požeško-slavonske županije, Požega, 2002.

4) CORINE Land Cover Hrvatska, Agencija za zaštitu okoliša,

http://www.azo.hr/CORINELandCover (25.1.2016.)

5) EBSCO, http://web.b.ebscohost.com/ehost/search/advanced?sid=c2c4d674-8d86-49db-

811e-85a932662344%40sessionmgr111&vid=1&hid=107 (25.1.2016.)

6) Scopus, http://www.scopus.com/ (25.1.2016.)

7) ScienceDirect, http://www.sciencedirect.com/ (25.1.2016.)

8) EarthExplorer, USGS, http://earthexplorer.usgs.gov (25.1.2016.)

9) EU-DEM, European Environmental Agency, http://www.eea.europa.eu/data-and-

maps/data/eu-dem#tab-european-data (25.1.2016.)

10) Minski sumnjiva područja, Hrvatski centar za razminiranje, 2015.

11) Digitalni atlas Republike Hrvatske, GISdata, Zagreb, 2005.

12) WMS HOK5, Državna geodetska uprava, http://geoportal.dgu.hr/wms?layers=HOK

(25.1.2016.)

13) WMS TK25, Državna geodetska uprava, http://geoportal.dgu.hr/wms?layers=TK25

(25.1.2016.)

14) WMS DOF5, Državna geodetska uprava, http://geoportal.dgu.hr/wms?layers=DOF

(25.1.2016.)

15) OpenLayers Plugin, QGIS Python Plugins Repository,

https://plugins.qgis.org/plugins/openlayers_plugin/ (25.1.2016.)

16) Popis stanovništva, kućanstava i stanova 31. ožujka 2001., Stanovništvo prema spolu i

starosti, po naseljima, Državni zavod za statistiku, www.dzs.hr (25.1.2016.)

17) QGIS, http://www.qgis.org/en/site/ (25.1.2016.)

18) GRASS GIS, https://grass.osgeo.org/ (25.1.2016.)

19) Semi-Automatic Classification Plugin, QGIS Python Plugins Repository,

https://plugins.qgis.org/plugins/SemiAutomaticClassificationPlugin/ (25.1.2016.)

20) MOLUSCE, QGIS Python Plugins Repository, https://plugins.qgis.org/plugins/molusce/

(25.1.2016.)

http://geoportal.dgu.hr/wms?layers=TK25

http://geoportal.dgu.hr/wms?layers=DOF

74

21) Landscape change analysis with MOLUSCE – methods and algorithms, http://wiki.gis-

lab.info/w/Landscape_change_analysis_with_MOLUSCE_-_methods_and_algorithms

(25.1.2016.)

22) Ciljane izmjene i dopune Prostornog plana Požeško-slavonske županije, Požeško-

slavonska županija, http://www.pszupanija.hr/dokumenti/category/76-ciljane-izmjene-i-

dopune-prostornog-plana-pozesko-slavonske-zupanije.html (25.1.2016.)

23) Požeško-slavonski službeni glasnik, br. 4/11, Požeško-slavonska županija,

http://www.pszupanija.hr/dokumenti/category/30-2011-godina.html (25.1.2016.)

24) Regionalni operativni program Požeško-slavonske županije 2005. – 2010.,

http://www.slavonija.hr/NoviDokumenti/ROP/pozesko%20slavonska.pdf (25.1.2016.)

25) Županijska razvojna strategija Požeško-slavonske županije 2011. – 2013., Regionalna

razvojna agencija Požeško-slavonske županije, http://www.panora.hr/strateski-dokumenti

(25.1.2016.)

26) Perspektiva europskog prostornog razvoja, Ministarstvo prostornog uređenja,

graditeljstva i stanovanja Republike Hrvatske, Zagreb, 1999.,

http://www.mgipu.hr/doc/Publikacije/esdp-hr.pdf (25.1.2016.)

VII

Prilozi

Popis slika

Sl. 1. Geografski položaj, obuhvat i obilježja Požeško-slavonske županije

Sl. 2. Veza između procesa promjene zemljišnog pokrova i računalnih simulacijskih modela

Sl. 3. Von Neumannovo (lijevo) i Mooreovo susjedstvo (desno)

Sl. 4. Osnovna struktura umjetne neuronske mreže s višestrukim izlaznim neuronima

Sl. 5. Koraci i operacije u procesu istraživanja






Sl. 11. Primjer kalibracije modela pomoću umjetnih neuronskih mreža u dodatku MOLUSCE










2013. godinu dobivene modelom logističke regresije


2013. godinu dobivene modelom umjetnih neuronskih mreža









VIII


godine dobivena modelom logističke regresije


godine dobivena modelom umjetnih neuronskih mreža

Sl. 24. Sekundarna sukcesija vegetacije nakon napuštanja poljoprivrednog zemljišta

IX

Popis tablica

Tab. 1. Klasifikacijska shema u istraživanju






Tab. 7. Tranzicijska matrica zemljišnog pokrova Požeško-slavonske županije 1985. – 1999. g.

Tab. 8. Kvantitativni pokazatelji validacije simulacijskih modela i nul-modela zemljišnog

pokrova za 2013. godinu u odnosu na referentne podatke

Tab. 9. Relativna struktura zemljišnog pokrova i njegovih neto promjena između referentnih i

simuliranih karata 1999. – 2013. godine

Tab. 10. Tranzicijska matrica zemljišnog pokrova Požeško-slavonske županije 1999. – 2013.

godine


podataka za 2013. i simuliranih podataka za 2027. modelom logističke regresije


podataka za 2013. i simuliranih podataka za 2027. modelom umjetnih neuronskih mreža

Tab. 13. Udio šumskog pokrova i njegove promjene 1999. – 2013. godine po tipovima naselja

u Požeško-slavonskoj županiji

X

Analiza varijabli

Pearsonov koeficijent korelacije između varijabli promjena zemljišnog pokrova 1985. – 1999. godine

G_ST_01 ORIJ UD_RI UD_LCC_99 IN_ML_01 NAGIB UD_MINE IN_ST_0191 UD_PRO UD_NA_99 N_VIS UD_GR UD_JEZ

G_ST_01 --- 0,028 -0,233 -0,073 0,267 -0,148 0,087 0,297 -0,210 -0,184 -0,204 -0,359 -0,085

ORIJ --- -0,077 -0,022 0,104 -0,117 0,047 0,091 -0,071 -0,029 -0,031 -0,132 -0,121

UD_RI --- 0,391 -0,178 0,380 -0,105 -0,207 0,611 0,602 0,644 0,304 0,113

UD_LCC_99 --- 0,026 0,267 0,011 -0,063 0,404 0,552 0,513 0,104 -0,044

IN_ML_01 --- -0,189 0,344 0,740 -0,236 -0,039 -0,207 -0,511 -0,278

NAGIB --- -0,137 -0,263 0,420 0,442 0,572 0,224 0,263

UD_MINE --- 0,557 -0,213 -0,091 -0,308 -0,014 0,016

IN_ST_0191 --- -0,288 -0,126 -0,362 -0,462 -0,233

UD_PRO --- 0,729 0,724 0,291 0,251

UD_NA_99 --- 0,752 0,201 0,034

N_VIS --- 0,304 0,173

UD_GR --- 0,329

UD_JEZ ---

Varijabla Objašnjenje Varijabla Objašnjenje

G_ST_01 prosječna gustoća naseljenosti 2001. godine IN_ST_0191 indeks ukupnog kretanja stanovništva 2001./1999. godine

ORIJ orijentacija padine UD_PRO udaljenost od prometnica

UD_RI udaljenost od rijeka UD_NA_99 udaljenost od izgrađenih dijelova naselja 1999. godine

UD_ LCC_99 udaljenost od promjena zemljišnog pokrova 1985. – 1999. N_VIS nadmorska visina

IND_ML_01 indeks mladosti stanovništva (<15 / ≥65 god.) 2001. godine UD_GR udaljenost od naselja s više od 1000 stanovnika

NAGIB nagib padine UD_JEZ udaljenost od voda stajaćica

UD_MINE udaljenost od minskih područja

XI

Pearsonov koeficijent korelacije korelacije između varijabli promjena zemljišnog pokrova 1999. – 2013. godine

G_ST_11 IN_ML_11 N_VIS UD_LCC_13 ORIJ UD_GR UD_RI IN_ST_1101 UD_PRO NAGIB UD_JEZ UD_MINE UD_NA_13

G_ST_11 --- 0,187 -0,198 -0,082 0,026 -0,358 -0,233 0,002 -0,207 -0,143 -0,085 0,073 -0,185

IN_ML_11 --- -0,225 -0,067 0,078 -0,448 -0,212 0,129 -0,219 -0,180 -0,179 0,321 -0,085

N_VIS --- 0,547 -0,031 0,304 0,644 -0,039 0,724 0,572 0,173 -0,308 0,755

UD_LCC_13 --- -0,054 0,147 0,408 -0,034 0,473 0,284 -0,002 -0,051 0,575

ORIJ --- -0,133 -0,077 -0,014 -0,071 -0,117 -0,121 0,047 -0,032

UD_GR --- 0,304 0,042 0,291 0,224 0,329 -0,014 0,207

UD_RI --- -0,090 0,611 0,380 0,113 -0,105 0,606

IN_ST_1101 --- -0,064 -0,034 -0,020 -0,084 -0,046

UD_PRO --- 0,420 0,251 -0,213 0,734

NAGIB --- 0,263 -0,137 0,445

UD_JEZ --- 0,016 0,041

UD_MINE --- -0,093

UD_NA_13 ---






IND_ML_11 indeks mladosti stanovništva (<15 / ≥65 god.) 2011. godine UD_GR udaljenost od naselja s više od 1000 stanovnika



XII

Cramerov koeficijent korelacije između varijabli promjena zemljišnog pokrova 1985. – 1999. godine

IN_ML_01 NAGIB UD_NA_99 UD_MINE IN_ST_0191 UD_GR UD_PRO UD_RI N_VIS UD_LCC_99 UD_JEZ ORIJ G_ST_01

IN_ML_01 --- 0,171 0,117 0,306 0,413 0,247 0,156 0,123 0,220 0,084 0,203 0,090 0,385

NAGIB --- 0,226 0,101 0,175 0,132 0,229 0,228 0,348 0,154 0,172 0,095 0,223

UD_NA_99 --- 0,116 0,117 0,158 0,418 0,277 0,354 0,268 0,083 0,037 0,188

UD_MINE --- 0,329 0,190 0,116 0,124 0,192 0,086 0,132 0,082 0,235

IN_ST_0191 --- 0,211 0,147 0,150 0,232 0,092 0,161 0,086 0,385

UD_GR --- 0,161 0,170 0,162 0,069 0,170 0,083 0,291

UD_PRO --- 0,289 0,330 0,191 0,121 0,048 0,222

UD_RI --- 0,307 0,176 0,110 0,070 0,183

N_VIS --- 0,235 0,172 0,071 0,264

UD_LCC_99 --- 0,040 0,025 0,105

UD_JEZ --- 0,242 0,187

ORIJ --- 0,110

G_ST_01 ---






IND_ML_01 indeks mladosti stanovništva 2001. godine UD_GR udaljenost od naselja s više od 1000 stanovnika



XIII

Cramerov koeficijent između varijabli promjena zemljišnog pokrova 1999. – 2013. godine

UD_MINE N_VIS IN_ST_1101 G_ST_11 UD_JEZ IN_ML_11 NAGIB UD_RI UD_GR UD_LCC_13 UD_NA_13 UD_PRO ORIJ

UD_MINE --- 0,192 0,258 0,238 0,132 0,260 0,101 0,124 0,190 0,077 0,112 0,116 0,082

N_VIS --- 0,187 0,251 0,172 0,253 0,348 0,307 0,162 0,248 0,356 0,330 0,071

IN_ST_1101 --- 0,294 0,156 0,317 0,143 0,117 0,198 0,092 0,113 0,162 0,099

G_ST_11 --- 0,175 0,376 0,210 0,192 0,290 0,116 0,179 0,217 0,074

UD_JEZ --- 0,177 0,172 0,110 0,170 0,053 0,085 0,121 0,242

IN_ML_11 --- 0,183 0,156 0,224 0,108 0,140 0,164 0,101

NAGIB --- 0,228 0,132 0,163 0,227 0,229 0,095

UD_RI --- 0,170 0,190 0,280 0,289 0,070

UD_GR --- 0,083 0,161 0,161 0,083

UD_LCC_13 --- 0,282 0,216 0,033

UD_NA_13 --- 0,419 0,038

UD_PRO --- 0,048

ORIJ ---






IND_ML_11 indeks mladosti stanovništva 2011. godine UD_GR udaljenost od naselja s više od 1000 stanovnika



XIV

Težina dokaza 1985. – 1999.

Udaljenost od prometnica (m) 0-200 200-500 500-1000 1000-1500 1500-3000 3000-8162

Voda > voda -1,281 -0,839 -0,031 0,953 0,669 -32,543

Voda > usjevi i tlo -1,339 0,693 0,422 0,348 -0,732 -32,545

Voda > trava i šikara -1,164 -3,284 1,947 -2,105 -3,279 -33,243

Izgrađeno > izgrađeno 2,470 -1,249 -2,177 -2,474 -3,255 -4,734

Izgrađeno > usjevi i tlo 1,643 0,503 -1,492 -1,538 -4,600 -32,704

Izgrađeno > trava i šikara 0,842 -0,572 0,202 0,004 -0,341 -2,253

Izgrađeno > drveće 0,107 -0,306 0,617 -0,929 0,128 -1,493

Usjevi i tlo > voda 0,145 0,089 0,273 0,904 -1,873 -32,524

Usjevi i tlo > izgrađeno 1,924 -0,037 -1,491 -2,263 -3,039 -32,802

Usjevi i tlo > usjevi i tlo 0,797 0,852 0,411 -0,488 -2,141 -6,296

Usjevi i tlo > trava i šikara 0,282 0,511 0,262 -0,161 -0,652 -2,403

Usjevi i tlo > drveće -0,472 -0,216 0,233 0,334 0,249 -0,811

Trava i šikara > voda -0,561 -0,789 1,402 -0,064 -3,387 -32,717

Trava i šikara > izgrađeno 1,683 -0,198 -0,570 -0,802 -2,936 -32,671

Trava i šikara > usjevi i tlo 0,482 0,663 0,350 -0,505 -1,927 -4,629

Trava i šikara > trava i šikara -0,148 0,259 0,305 0,193 -0,188 -1,981

Trava i šikara > drveće -1,081 -0,442 0,089 0,497 0,521 -0,415

Drveće > voda -0,836 -0,440 -0,164 -0,009 1,066 -32,560

Drveće > izgrađeno 0,948 0,179 -0,382 0,576 -1,887 -32,532

Drveće > usjevi i tlo 0,297 0,498 0,227 -0,249 -0,843 -1,385

Drveće > trava i šikara -0,220 0,095 0,243 0,364 -0,062 -1,779

Drveće > drveće -1,768 -1,109 -0,542 0,297 1,419 3,181

Udaljenost od stajaćica (m) 0-500 500-

1000

1000-

2000

2000-

5000

5000-

8000

8000-

12000

12000-

19572

Voda > voda 5,911 -34,791 -36,056 -11,744 -9,214 -10,724 -37,234

Voda > usjevi i tlo 5,505 -32,959 -34,224 -36,251 -5,212 -36,329 -35,402

Voda > trava i šikara 5,447 -32,522 -33,788 -35,814 -4,310 -35,892 -34,965

Izgrađeno > izgrađeno -0,392 0,371 0,305 0,323 0,054 -0,156 -0,907

Izgrađeno > usjevi i tlo 0,322 0,872 -0,492 0,137 0,692 -0,679 -1,670

Izgrađeno > trava i šikara 0,814 -0,736 -1,867 -0,492 0,135 0,364 -0,090

Izgrađeno > drveće 1,947 -30,399 -31,664 -2,427 -0,452 0,494 0,962

Usjevi i tlo > voda 4,990 -30,856 -0,496 -1,895 -2,031 -2,600 -3,729

Usjevi i tlo > izgrađeno -1,860 0,369 0,602 0,532 0,054 -0,412 -1,717

Usjevi i tlo > usjevi i tlo 0,061 1,242 1,064 1,068 -0,062 -1,237 -1,564

Usjevi i tlo > trava i šikara -0,209 0,167 -0,340 -0,210 -0,174 0,166 0,381

Usjevi i tlo > drveće -1,019 -0,556 -0,611 -0,960 -0,459 0,108 1,249

Trava i šikara > voda 5,402 -32,072 -33,337 -3,874 -35,279 -35,442 -3,739

Trava i šikara > izgrađeno -1,974 -2,045 -1,099 0,050 -0,555 0,673 -0,930

Trava i šikara > usjevi i tlo 0,165 0,321 0,387 0,522 -0,035 -0,473 -0,723

Trava i šikara > trava i šikara -1,180 -0,709 -1,079 -0,657 -0,075 0,606 0,053

Trava i šikara > drveće -1,700 -1,268 -0,635 -0,982 -0,048 0,588 0,263

XV

Drveće > voda 5,493 -32,441 -4,653 -5,983 -5,898 -5,094 -5,831

Drveće > izgrađeno -30,346 -30,417 0,240 0,181 -0,636 0,575 -1,474

Drveće > usjevi i tlo 1,738 0,526 0,592 0,434 0,241 -1,047 -1,156

Drveće > trava i šikara 0,612 -0,530 -0,152 -0,068 0,236 -0,121 -0,093

Drveće > drveće -2,337 -1,246 -0,717 -0,624 0,085 0,428 0,594

Udaljenost od naselja 1999. (m) 0-200 200-500 500-1000 1000-1500 1500-3000 3000-7522

Voda > voda -2,366 -0,896 0,115 1,113 0,418 -32,337

Voda > usjevi i tlo -1,940 -0,063 0,176 1,260 -1,199 -32,354

Voda > trava i šikara -34,008 -2,454 1,830 -1,767 -34,013 -33,317


Izgrađeno > usjevi i tlo 2,325 -1,726 -2,276 -1,224 -33,581 -32,885

Izgrađeno > trava i šikara 1,641 -0,614 -1,019 0,162 -1,957 -32,410

Izgrađeno > drveće 1,971 -0,781 -1,252 -0,586 -33,251 -32,555

Usjevi i tlo > voda 0,506 -0,163 -0,003 0,560 -0,691 -32,288




Usjevi i tlo > drveće -0,359 0,237 0,404 0,092 -0,486 -2,278

Trava i šikara > voda -0,996 0,551 0,695 -0,221 -2,307 -32,387



Trava i šikara > trava i šikara 0,352 0,638 0,197 -0,321 -1,409 -4,737


Drveće > voda -0,843 -0,703 -0,243 0,192 1,222 -32,326

Drveće > izgrađeno 2,811 -66,794 -67,206 -66,415 -66,509 -65,813

Drveće > usjevi i tlo 0,128 0,434 0,134 -0,155 -0,429 -2,870

Drveće > trava i šikara -0,215 0,218 0,358 0,195 -0,619 -2,334

Drveće > drveće -2,866 -1,270 -0,379 0,584 2,317 4,132

Nagib padine (°) 0-2 2-5 5-12 12-24 24-52

Voda > voda 2,112 -4,503 -6,979 -7,618 -32,936

Voda > usjevi i tlo 2,063 -3,544 -6,474 -35,057 -32,518

Voda > trava i šikara 2,125 -5,374 -36,800 -35,996 -33,458

Izgrađeno > izgrađeno 0,816 0,646 -0,949 -2,420 -3,152

Izgrađeno > usjevi i tlo 0,587 0,891 -1,048 -2,185 -30,714

Izgrađeno > trava i šikara -0,505 0,868 0,144 -1,625 -30,690

Izgrađeno > drveće -2,237 0,262 0,858 -1,089 -30,824

Usjevi i tlo > voda 1,230 0,040 -1,520 -2,075 -30,839

Usjevi i tlo > izgrađeno 1,142 0,428 -1,727 -4,220 -30,830

Usjevi i tlo > usjevi i tlo 2,163 0,054 -2,265 -4,524 -4,673

Usjevi i tlo > trava i šikara 0,070 0,652 0,084 -1,838 -4,523

Usjevi i tlo > drveće -1,140 0,258 0,487 -0,209 -0,379

Trava i šikara > voda 1,362 -0,079 -1,789 -3,384 -30,918

XVI

Trava i šikara > izgrađeno 0,078 0,733 -0,021 -2,739 -30,680

Trava i šikara > usjevi i tlo 1,173 0,086 -1,136 -2,608 -2,666

Trava i šikara > trava i šikara -0,370 0,031 0,473 -0,516 -2,149

Trava i šikara > drveće -1,799 -0,259 0,709 0,123 -0,387

Drveće > voda 1,665 -0,630 -3,295 -4,623 -31,207

Drveće > izgrađeno -0,613 0,546 0,255 -0,520 -30,664

Drveće > usjevi i tlo 0,624 0,404 -0,642 -1,031 -0,074

Drveće > trava i šikara -0,526 0,349 0,318 -0,436 -1,052

Drveće > drveće -2,875 -0,833 0,875 2,247 2,854

Nadmorska visina (m) 95-150 150-200 200-300 300-400 400-500 500-997

Voda > voda 2,846 -11,179 -11,902 -38,103 -37,726 -38,340

Voda > usjevi i tlo 2,822 -11,065 -39,090 -38,246 -37,870 -38,483

Voda > trava i šikara 2,822 -67,055 -67,084 -66,240 -65,864 -66,477

Izgrađeno > izgrađeno 0,764 0,663 -0,084 -1,071 -2,014 -3,587


Izgrađeno > trava i šikara -0,970 -0,265 0,591 0,777 -0,112 -2,394

Izgrađeno > drveće -2,257 -1,203 0,339 0,934 1,244 -1,717

Usjevi i tlo > voda 1,016 0,787 -1,335 -32,822 0,094 -33,059

Usjevi i tlo > izgrađeno 0,423 0,813 0,153 -2,493 -4,803 -33,059

Usjevi i tlo > usjevi i tlo 1,290 1,232 -0,407 -2,712 -5,679 -7,520

Usjevi i tlo > trava i šikara 0,258 0,217 0,354 0,137 -0,525 -3,142

Usjevi i tlo > drveće -0,915 -0,747 0,290 0,954 0,669 -0,992

Trava i šikara > voda 2,406 -2,335 -1,513 -33,437 -33,061 -33,674

Trava i šikara > izgrađeno 0,107 0,903 0,140 -1,357 -4,064 -33,064

Trava i šikara > usjevi i tlo 1,339 0,237 -0,216 -1,367 -3,681 -5,285

Trava i šikara > trava i šikara 0,007 0,144 0,388 0,359 -0,421 -2,481


Drveće > voda 2,759 -5,683 -5,254 -6,129 -6,447 -35,264

Drveće > izgrađeno -0,740 0,040 1,188 -1,534 -32,544 -33,157

Drveće > usjevi i tlo 0,905 0,422 -0,296 -0,705 -1,325 -1,418

Drveće > trava i šikara 0,076 0,347 0,439 -0,216 -1,114 -2,176

Drveće > drveće -2,488 -1,552 -0,139 0,824 1,630 3,550

Udaljenost od rijeka (m) 0-500 500-1000 1000-1500 1500-3000 3000-5000 5000-8455

Voda > voda -3,291 -6,717 -6,562 -3,748 -0,057 2,742

Voda > usjevi i tlo -2,452 -33,182 -33,027 -6,236 -0,492 2,889

Voda > trava i šikara -3,320 -34,504 -34,349 -35,555 -4,657 3,401

Izgrađeno > izgrađeno 1,198 0,515 0,168 -0,481 -1,144 -1,803


Izgrađeno > trava i šikara 0,237 0,743 0,209 -0,407 -0,127 -1,211

Izgrađeno > drveće -0,060 0,884 -0,444 -0,201 -0,271 0,016

Usjevi i tlo > voda 0,932 -0,119 0,238 -0,700 -0,888 0,762


XVII


Usjevi i tlo > trava i šikara 0,345 0,310 0,207 0,184 -0,420 -2,527

Usjevi i tlo > drveće -0,558 -0,018 0,215 0,370 -0,012 -1,770

Trava i šikara > voda -1,433 -0,246 -1,278 -1,120 -2,292 2,600





Drveće > voda -2,534 -2,054 -2,407 -3,221 1,059 1,703

Drveće > izgrađeno 0,357 1,276 0,591 -0,387 -1,897 -32,291

Drveće > usjevi i tlo 0,689 0,099 0,091 0,085 -0,831 -0,518

Drveće > trava i šikara -0,275 -0,033 0,210 0,373 -0,174 -1,316

Drveće > drveće -2,185 -1,317 -0,702 0,077 1,143 2,158

Gustoća naseljenosti 2001.

stanovnici/km2

0-5 5-10 10-20 20-40 40-60 60-80 80-200 200-1181

Voda > voda 1,859 -5,788 -35,277 -8,866 -6,574 -35,109 -5,539 -3,833

Voda > usjevi i tlo 1,837 -34,828 -35,056 -35,677 -5,569 -4,490 -4,245 -5,949

Voda > trava i šikara 1,779 -34,191 -34,419 -35,040 -3,602 -2,831 -33,549 -33,299

Izgrađeno > izgrađeno -1,500 -0,401 -0,343 -0,119 0,293 0,332 0,879 2,223

Izgrađeno > usjevi i tlo -0,487 0,620 0,804 0,148 -0,387 -1,614 -0,913 0,666

Izgrađeno > trava i šikara 1,332 -0,182 -1,180 -2,660 -1,965 -3,875 -3,462 -2,002

Izgrađeno > drveće 1,521 -0,829 -2,673 -2,581 -3,674 -33,243 -32,541 -1,553

Usjevi i tlo > voda -0,165 -1,893 -32,616 0,441 0,601 0,243 -0,269 0,873

Usjevi i tlo > izgrađeno -2,940 -1,437 -0,883 -0,367 0,584 0,853 1,483 1,866

Usjevi i tlo > usjevi i tlo -2,676 -1,394 0,124 0,518 1,636 0,685 1,268 0,748

Usjevi i tlo > trava i šikara 0,076 0,812 0,170 -0,241 -0,242 -0,828 -0,384 -0,051

Usjevi i tlo > drveće 0,853 0,147 -0,346 -0,681 -1,127 -1,360 -1,314 -1,609

Trava i šikara > voda 1,029 -1,154 -32,871 -2,716 0,174 0,065 -0,809 -31,751

Trava i šikara > izgrađeno -1,750 0,254 0,218 0,089 0,079 -0,053 0,503 1,843

Trava i šikara > usjevi i tlo -1,967 -0,275 0,383 0,615 0,405 0,313 0,597 0,380

Trava i šikara > trava i šikara 0,025 0,767 0,142 0,120 -0,615 -0,802 -0,678 -0,219

Trava i šikara > drveće 0,521 0,340 -0,301 -0,018 -1,161 -0,578 -1,662 -1,330

Drveće > voda 1,697 -4,311 -5,390 -5,026 -2,156 -3,602 -2,231 -3,981

Drveće > izgrađeno -3,610 -0,086 -1,213 0,434 -0,371 0,958 0,703 1,837

Drveće > usjevi i tlo -1,079 -0,510 0,085 0,276 0,661 0,349 0,762 0,313

Drveće > trava i šikara -0,480 0,863 0,242 0,152 0,046 -0,420 -0,111 -0,492

Drveće > drveće 1,166 -0,142 -0,231 -0,450 -1,442 -0,163 -1,154 -1,545

Udaljenost od minskih

područja (m) 0-500

500-

1000

1000-

2000

2000-

5000

5000-

10000

10000-

20000

20000-

54532

Voda > voda -3,628 -3,091 -32,630 -2,792 0,658 2,106 -5,714

Voda > usjevi i tlo -33,048 -32,511 -33,105 -5,603 -0,717 2,400 -4,316

Voda > trava i šikara -32,898 -32,361 -32,955 -33,439 3,046 -1,135 -3,702

Izgrađeno > izgrađeno -0,557 -0,016 0,245 -0,331 -0,550 -0,165 0,259

XVIII

Izgrađeno > usjevi i tlo 0,471 1,241 0,280 0,314 0,579 -0,419 -0,635

Izgrađeno > trava i šikara 0,901 1,292 0,714 0,491 1,218 -0,706 -2,214

Izgrađeno > drveće 1,626 1,683 -0,117 0,043 0,845 -0,307 -2,821

Usjevi i tlo > voda -1,539 -1,414 -32,276 -0,550 -1,316 0,938 0,129

Usjevi i tlo > izgrađeno -1,748 -0,665 -0,319 -0,637 -2,020 0,003 0,530

Usjevi i tlo > usjevi i tlo -2,204 -1,126 -0,822 -0,586 -0,590 -0,141 0,676

Usjevi i tlo > trava i šikara 0,582 0,958 0,966 0,396 0,393 -0,522 -0,657

Usjevi i tlo > drveće 0,794 1,057 1,186 0,763 0,508 -0,861 -1,446

Trava i šikara > voda -0,651 -31,838 -32,432 -32,917 -1,900 1,830 -0,821

Trava i šikara > izgrađeno -0,999 -0,518 -0,856 -1,135 -2,661 -0,253 0,683

Trava i šikara > usjevi i tlo -1,218 -0,507 -0,232 0,146 -0,993 0,060 0,271

Trava i šikara > trava i šikara -0,102 0,046 -0,147 -0,433 0,046 -0,137 0,179

Trava i šikara > drveće -0,022 0,090 -0,013 -0,449 0,478 -0,067 -0,004

Drveće > voda -4,112 -3,392 -33,222 -4,878 -1,638 2,446 -3,546

Drveće > izgrađeno -32,386 -0,463 -0,756 -1,240 -2,424 -0,158 0,706

Drveće > usjevi i tlo -0,717 0,033 0,255 0,191 -0,545 0,277 -0,058

Drveće > trava i šikara 0,110 0,278 0,448 0,068 0,100 -0,318 -0,080

Drveće > drveće 0,788 0,031 -0,112 0,324 0,170 0,224 -0,352

Udaljenost od

gradova (m) 0-500

500-

1000

1000-

2000

2000-

4000

4000-

6000

6000-

8000

8000-

10000

10000-

15000

15000-

22434

Voda > voda -29,512 -30,579 -1,409 -2,832 0,678 1,194 0,690 -33,568 -32,230

Voda > usjevi i tlo -29,703 -30,770 -2,190 -2,834 0,585 1,805 -2,881 -33,757 -32,420

Voda > trava i šikara -31,218 -32,285 -33,645 -3,497 -34,994 2,659 -3,765 -35,272 -33,935

Izgrađeno >

izgrađeno 3,468 2,084 1,154 0,230 -0,234 -0,463 -0,478 -0,549 -1,258

Izgrađeno > usjevi i

tlo 1,681 0,014 -0,025 -0,012 0,352 -0,572 0,154 -0,027 -0,657

Izgrađeno > trava i

šikara -1,765 -0,880 -2,803 -0,440 -0,079 -0,137 -0,468 0,796 -0,657

Izgrađeno > drveće -29,496 -0,237 -2,297 -0,559 -0,163 -1,638 -0,476 1,029 0,060

Usjevi i tlo > voda -0,560 -30,500 0,614 0,866 -0,491 0,651 -1,384 -0,797 -32,151

Usjevi i tlo >

izgrađeno 2,855 2,274 1,367 0,501 -0,237 -0,564 -1,280 -1,337 -2,370

Usjevi i tlo > usjevi i

tlo 0,104 0,870 1,100 0,770 0,134 0,023 -0,096 -0,925 -2,983

Usjevi i tlo > trava i

šikara -0,831 -0,378 -0,119 -0,141 -0,130 -0,099 0,032 0,399 -0,532

Usjevi i tlo > drveće -2,233 -1,468 -0,710 -0,448 -0,315 -0,253 -0,191 0,615 0,461

Trava i šikara > voda -29,686 -30,753 -0,196 -0,707 1,756 -0,426 -1,449 -33,740 -32,403

Trava i šikara >

izgrađeno 1,212 1,198 1,101 0,311 -0,603 -0,974 -0,544 0,181 -0,226

Trava i šikara >

usjevi i tlo -0,232 0,312 0,639 0,278 -0,285 0,179 0,252 -0,388 -0,904

Trava i šikara > trava

i šikara -2,021 -0,878 -0,565 -0,259 -0,138 -0,132 -0,013 0,332 0,471

Trava i šikara >

drveće -2,552 -0,903 -1,002 -0,672 -0,161 0,112 -0,075 0,370 0,631

Drveće > voda -29,564 -1,802 -1,235 -0,262 1,462 0,201 -0,833 -4,790 -32,282

Drveće > izgrađeno 2,486 1,929 1,376 1,025 0,027 -1,645 -1,722 -3,229 -32,155

XIX

Drveće > usjevi i tlo 0,640 1,078 0,775 0,275 0,239 0,284 -0,264 -0,995 -1,718

Drveće > trava i

šikara -0,414 -0,272 -0,128 0,092 0,454 -0,030 0,028 -0,341 -0,617

Drveće > drveće -2,314 -1,515 -1,224 -0,506 -0,011 0,035 0,088 0,343 1,048

Udaljenost od promjena

zemljišnog pokrova 1985-99. (m) 0-50 50-100 100-200 200-400 400-1000 1000-2053

Voda > voda -0,873 0,281 0,575 0,371 0,348 -30,217

Voda > usjevi i tlo 1,570 -66,655 -66,485 -66,352 -66,026 -63,751


Izgrađeno > izgrađeno -0,095 0,875 0,109 -0,848 -2,183 -2,843


Izgrađeno > trava i šikara 1,571 -66,655 -66,485 -66,352 -66,026 -63,751


Usjevi i tlo > voda 1,570 -66,655 -66,485 -66,351 -66,026 -63,750


Usjevi i tlo > usjevi i tlo -0,567 0,826 0,657 0,011 -0,923 -5,278

Usjevi i tlo > trava i šikara 1,832 -66,811 -66,637 -66,501 -66,170 -63,883

Usjevi i tlo > drveće 1,607 -66,679 -66,509 -66,375 -66,049 -63,772



Trava i šikara > usjevi i tlo 1,618 -66,687 -66,516 -66,382 -66,056 -63,778

Trava i šikara > trava i šikara 0,782 0,413 -1,360 -3,906 -8,709 -30,628

Trava i šikara > drveće 1,638 -66,700 -66,529 -66,395 -66,068 -63,789

Drveće > voda 1,571 -66,656 -66,486 -66,352 -66,026 -63,751


Drveće > usjevi i tlo 1,587 -66,666 -66,496 -66,362 -66,036 -63,760

Drveće > trava i šikara 1,608 -66,680 -66,510 -66,376 -66,049 -63,772

Drveće > drveće -1,951 0,132 0,891 1,728 2,642 6,029

Indeks ukupnog

kretanja

stan. 2001./1991.

0-10 10-20 20-30 30-50 50-70 70-90 90-100 100-120 120-215

Voda > voda -7,122 -6,462 -35,795 -34,159 3,027 -36,153 -9,017 -7,317 -34,040

Voda > usjevi i tlo -34,825 -34,945 -35,003 -33,369 2,966 -35,361 -7,680 -4,859 -33,249

Voda > trava i šikara -34,155 -34,275 -34,334 -32,699 2,904 -34,692 -35,007 -3,413 -32,579

Izgrađeno > izgrađeno -1,284 -0,939 -0,749 -0,584 0,030 -0,108 0,689 0,205 -0,269

Izgrađeno > usjevi i tlo 0,290 0,600 0,541 0,213 -0,246 0,584 -0,342 -1,684 -0,267


šikara 1,514 1,157 0,902 1,339 -2,133 -1,574 -1,861 -2,877 -3,106

Izgrađeno > drveće 1,547 1,571 0,611 0,082 -3,193 -1,066 -2,226 -33,509 -30,832

Usjevi i tlo > voda -1,871 -1,990 -0,005 -30,910 0,706 -0,610 0,088 0,502 -30,790

Usjevi i tlo > izgrađeno -2,982 -2,844 -1,757 -2,308 -0,191 -0,369 0,378 0,870 0,487


tlo -3,200 -2,035 -1,991 -1,176 -0,988 0,507 0,734 0,828 0,751

XX


šikara 0,259 0,794 0,661 0,869 -0,167 -0,252 -0,487 -0,586 -0,091

Usjevi i tlo > drveće 0,588 1,495 0,689 0,401 -0,481 -0,881 -1,215 -1,120 -0,977

Trava i šikara > voda -1,806 -1,510 -32,760 -31,125 2,095 -0,264 -2,657 -0,530 -31,006

Trava i šikara >

izgrađeno -3,268 -2,980 -2,184 0,358 0,282 0,477 0,353 0,173 0,998

Trava i šikara > usjevi i

tlo -1,753 -1,879 -1,352 -0,271 -0,364 0,708 0,563 0,105 0,221

Trava i šikara > trava i

šikara 0,337 -0,265 -0,498 0,756 0,351 0,358 0,084 -0,565 -0,501

Trava i šikara > drveće 0,736 0,156 -0,289 0,247 0,315 -0,075 -0,095 -0,480 -1,035

Drveće > voda -6,109 -4,278 -5,187 -32,162 2,814 -3,996 -4,056 -2,686 -32,042

Drveće > izgrađeno -32,496 -32,615 -0,556 -31,039 -1,939 -0,599 0,042 1,207 0,767

Drveće > usjevi i tlo -1,330 -1,098 -0,501 -0,409 -0,269 0,340 0,508 0,214 -0,454

Drveće > trava i šikara -0,321 -0,310 0,416 0,403 0,107 0,044 0,322 -0,514 -0,206

Drveće > drveće 0,868 0,623 0,826 -0,143 0,322 -0,522 -0,692 -0,284 -0,388

Indeks mladosti

2001. (<15 / ≥65 g.) 0-20 20-40 40-60 60-80 80-100 100-120 120-150 150-200 200-900

Voda > voda -36,147 -5,631 -34,939 -6,212 -35,021 -4,857 -8,357 2,854 -34,991

Voda > usjevi i tlo -36,240 -35,379 -35,033 -5,702 -35,115 -7,309 -35,496 2,833 -4,589

Voda > trava i šikara -35,259 -34,398 -34,052 -3,112 -34,134 -34,324 -34,515 2,756 -2,685

Izgrađeno >

izgrađeno -1,271 -0,583 -0,310 0,002 0,482 0,080 0,868 0,313 -0,080


tlo 0,005 0,246 0,871 0,633 0,193 -0,065 -0,256 -1,201 -1,601


šikara 1,344 -0,106 -0,335 -0,634 -0,841 -0,878 -0,841 -2,907 -3,402

Izgrađeno > drveće 1,462 -0,142 -1,230 -0,381 -32,574 -0,334 -2,217 -3,529 -1,093

Usjevi i tlo > voda -33,460 -1,395 -32,253 0,488 1,313 0,836 -0,898 0,823 -0,751

Usjevi i tlo >

izgrađeno -3,025 -1,532 -0,699 -0,013 0,167 -0,165 0,872 0,718 0,669


tlo -2,061 -1,630 -0,175 0,690 0,675 0,376 0,554 0,637 0,661


šikara 0,513 0,327 0,512 0,018 0,125 -0,708 -0,481 -0,715 -0,813

Usjevi i tlo > drveće 1,128 0,377 -0,398 -0,615 -0,417 -1,253 -1,323 -1,064 -1,317

Trava i šikara > voda -33,729 -1,145 -32,522 0,646 -2,531 -2,722 -2,912 2,032 0,194

Trava i šikara >

izgrađeno -2,215 0,112 0,422 0,813 0,027 0,112 0,705 -0,260 -0,069

Trava i šikara >

usjevi i tlo -1,560 -0,797 0,513 0,524 0,604 0,406 0,280 0,075 0,006


i šikara 0,260 0,195 0,464 -0,176 -0,052 0,071 -0,518 -0,335 -0,390

Trava i šikara >

drveće 0,579 0,090 0,338 -0,559 -0,728 -0,240 -0,365 -0,459 -0,148

Drveće > voda -35,001 -4,224 -33,794 -2,038 -6,366 -4,151 -6,747 2,722 -3,432

Drveće > izgrađeno -2,476 -1,615 -1,268 -0,317 0,365 -0,391 1,133 0,088 1,100

Drveće > usjevi i tlo -1,344 -1,146 0,186 0,460 0,424 0,136 0,319 0,528 0,103

Drveće > trava i

šikara -0,184 -0,158 0,420 0,201 0,453 -0,159 0,446 -0,512 -0,585

Drveće > drveće 0,717 0,656 -0,382 -0,578 -0,771 -0,097 -0,331 -0,348 -0,122

XXI

Orijentacija padine 0 NW-N-NE E-W SW-SE S

Voda > voda 8,922 -1,387 -0,302 -1,884 -1,914

Voda > usjevi i tlo 4,678 0,099 0,435 -0,853 -0,810

Voda > trava i šikara -28,765 0,889 0,499 -1,419 -0,723

Izgrađeno > izgrađeno -28,766 -0,151 -0,193 0,043 0,164

Izgrađeno > usjevi i tlo -28,742 -0,325 -0,605 0,487 0,044

Izgrađeno > trava i šikara -28,752 -0,530 -0,352 0,163 0,313

Izgrađeno > drveće -28,732 -0,773 0,310 0,616 -0,397

Usjevi i tlo > voda 2,865 0,202 0,277 -0,155 -0,384

Usjevi i tlo > izgrađeno -28,773 -0,662 -0,445 0,073 0,443

Usjevi i tlo > usjevi i tlo -6,331 -0,791 -0,485 0,184 0,518

Usjevi i tlo > trava i šikara -28,828 -0,183 -0,096 0,088 0,110

Usjevi i tlo > drveće -28,726 0,168 0,023 -0,027 -0,112

Trava i šikara > voda 2,783 -0,362 0,453 -0,360 0,026

Trava i šikara > izgrađeno -28,718 -0,127 0,159 -0,128 0,082

Trava i šikara > usjevi i tlo -2,815 -0,270 -0,215 0,051 0,228

Trava i šikara > trava i šikara -28,799 0,059 0,088 0,018 -0,098

Trava i šikara > drveće -28,735 0,324 0,278 -0,130 -0,358

Drveće > voda 3,810 0,277 0,396 -0,300 -0,759

Drveće > izgrađeno -28,727 0,126 0,049 -0,456 0,157

Drveće > usjevi i tlo -0,567 -0,128 0,049 0,056 0,018

Drveće > trava i šikara -28,726 0,054 0,067 0,050 -0,108

Drveće > drveće -29,282 0,536 0,311 -0,185 -0,404

XXII

Težina dokaza 1999. – 2013.

Nadmorska visina (m) 95-150 150-200 200-300 300-400 400-500 500-997

Voda > voda 2,830 -8,700 -9,378 -36,735 -8,362 -36,981

Voda > usjevi i tlo 2,732 -3,964 -6,590 -34,704 -34,330 -34,950


Voda > drveće 1,388 -1,621 0,172 -1,536 0,531 -33,046

Izgrađeno > izgrađeno 0,770 0,698 -0,088 -1,243 -2,272 -3,712

Izgrađeno > usjevi i tlo 0,410 0,610 0,234 -0,742 -3,406 -4,720

Izgrađeno > trava i šikara -0,894 -0,158 0,625 0,563 0,096 -3,388

Izgrađeno > drveće -2,764 -0,642 0,542 1,106 0,240 -1,629

Usjevi i tlo > voda 2,709 -3,614 -6,914 -34,555 -34,181 -34,801

Usjevi i tlo > izgrađeno 1,034 0,743 -0,467 -2,599 -32,453 -33,073

Usjevi i tlo > usjevi i tlo 1,326 1,158 -0,414 -2,689 -5,365 -7,371

Usjevi i tlo > trava i šikara 1,024 0,681 -0,291 -1,702 -3,850 -4,227

Usjevi i tlo > drveće 0,494 0,463 0,116 -0,554 -1,449 -1,597


Trava i šikara > izgrađeno 0,640 0,660 -0,073 -0,589 -3,849 -33,024



Trava i šikara > drveće -0,500 -0,010 0,578 0,468 -0,143 -2,351

Drveće > voda 2,105 -0,145 -33,984 -33,142 -32,768 -33,388

Drveće > izgrađeno -33,087 -0,931 0,986 0,729 0,256 -33,075


Drveće > trava i šikara -1,074 -0,567 0,071 -0,330 0,315 0,921

Drveće > drveće -2,470 -1,543 -0,077 1,043 1,900 3,367

Udaljenost od prometnica (m) 0-200 200-500 500-1000 1000-1500 1500-3000 3000-8162

Voda > voda -1,563 -1,033 -0,115 0,997 0,774 -32,556

Voda > usjevi i tlo -0,580 -0,306 0,206 0,397 0,516 -32,515

Voda > trava i šikara -0,459 1,264 -0,109 0,038 -3,575 -32,615

Voda > drveće 1,102 -0,545 0,214 0,352 -2,328 -32,554




Izgrađeno > drveće 0,803 -0,679 -0,203 0,066 -0,131 -0,253

Usjevi i tlo > voda -0,721 0,696 0,373 0,213 -0,775 -32,537

Usjevi i tlo > izgrađeno 1,845 0,121 -1,151 -3,320 -4,574 -32,770



Usjevi i tlo > drveće 0,282 0,356 0,263 -0,087 -0,734 -1,313

Trava i šikara > voda -0,404 0,204 -0,811 1,244 -0,151 -32,526

Trava i šikara > izgrađeno 1,589 0,116 -0,637 -0,979 -2,619 -32,647



XXIII

Trava i šikara > drveće -0,347 0,122 0,303 0,328 -0,009 -1,883

Drveće > voda -33,123 0,460 -33,529 1,369 0,466 -32,602



Drveće > trava i šikara -1,187 -0,628 -0,145 0,457 0,329 0,719

Drveće > drveće -1,771 -1,100 -0,492 0,363 1,543 3,053

Nagib padine (°) 0-2 2-5 5-12 12-24 24-52

Voda > voda 2,113 -4,738 -6,567 -7,214 -32,976

Voda > usjevi i tlo 1,845 -1,385 -4,188 -6,174 -31,525


Voda > drveće 0,675 0,434 -0,730 -0,985 -30,679

Izgrađeno > izgrađeno 0,860 0,631 -1,021 -2,487 -3,195

Izgrađeno > usjevi i tlo 0,774 0,661 -1,015 -2,295 -30,723

Izgrađeno > trava i šikara -0,285 0,814 0,113 -1,980 -30,685

Izgrađeno > drveće -0,850 0,749 0,428 -2,077 -30,725

Usjevi i tlo > voda 2,057 -3,469 -6,223 -35,011 -32,473

Usjevi i tlo > izgrađeno 1,392 -0,009 -2,198 -3,511 -30,947

Usjevi i tlo > usjevi i tlo 2,224 -0,091 -2,500 -4,720 -3,807

Usjevi i tlo > trava i šikara 0,820 0,527 -0,758 -2,634 -3,409

Usjevi i tlo > drveće -0,004 0,667 -0,128 -0,916 -0,955

Trava i šikara > voda 0,081 1,696 -34,288 -33,484 -30,945

Trava i šikara > izgrađeno 0,902 -0,035 -0,432 -2,204 -30,730

Trava i šikara > usjevi i tlo 0,886 0,407 -0,723 -2,620 -3,275

Trava i šikara > trava i šikara -0,259 0,285 0,384 -0,888 -2,876

Trava i šikara > drveće -0,945 0,390 0,562 -0,708 -2,011

Drveće > voda 0,696 0,629 -0,651 -33,252 -30,713

Drveće > izgrađeno -0,114 0,289 -1,278 0,961 -30,647

Drveće > usjevi i tlo -0,189 0,533 0,017 -0,585 -0,167

Drveće > trava i šikara -1,611 -0,390 0,449 0,577 0,299

Drveće > drveće -2,903 -0,780 1,000 2,325 2,941

Udaljenost od

stajaćica (m) 0-500 500-1000

1000-

2000

2000-

5000

5000-

8000

8000-

12000

12000-

19572

Voda > voda 5,854 -34,273 -35,540 -9,962 -8,620 -8,996 -36,718

Voda > usjevi i tlo 5,597 -32,955 -34,222 -6,191 -6,066 -8,148 -6,815

Voda > trava i šikara 5,075 -30,973 0,514 -2,647 -34,181 -2,914 -33,418

Voda > drveće 4,821 -30,691 -0,989 -2,489 -2,048 -0,985 -2,167

Izgrađeno >

izgrađeno -0,405 0,370 0,337 0,346 0,068 -0,174 -1,061


tlo -1,314 1,169 0,551 0,725 -0,168 -0,694 -1,508


šikara -2,624 -0,057 -0,655 -0,162 -0,728 0,318 0,638

Izgrađeno > drveće -30,330 -1,375 -1,429 -1,096 -0,985 0,248 1,412

Usjevi i tlo > voda 5,425 -32,039 -33,305 -3,531 -5,653 -6,920 -34,483

XXIV

Usjevi i tlo >

izgrađeno 0,053 1,195 0,277 0,280 0,125 -0,130 -2,099


tlo 0,212 1,176 1,098 1,113 -0,086 -1,376 -1,616


šikara 0,296 0,587 0,241 0,260 0,112 -0,222 -0,733

Usjevi i tlo > drveće 0,605 0,606 0,312 0,415 0,137 -0,463 -1,032

Trava i šikara > voda 3,016 -30,547 -31,814 1,173 -1,869 -1,275 -32,991

Trava i šikara >

izgrađeno 0,744 -0,232 -1,158 -0,368 0,118 0,548 -1,488

Trava i šikara >

usjevi i tlo 0,265 0,534 0,199 0,220 0,117 -0,158 -0,737


i šikara -0,479 -0,291 -1,004 -0,549 -0,239 0,544 0,271

Trava i šikara >

drveće -0,800 -0,783 -0,783 -0,570 -0,045 0,320 0,492

Drveće > voda 2,528 -30,961 -32,228 1,655 -34,168 -34,332 -33,405

Drveće > izgrađeno -30,301 -30,385 -31,651 -0,120 0,555 -0,197 -0,117

Drveće > usjevi i tlo 0,619 0,215 -0,072 -0,022 0,336 -0,237 -0,328

Drveće > trava i

šikara -1,196 -0,845 -0,514 -0,340 -0,087 0,408 0,032

Drveće > drveće -2,392 -1,313 -0,766 -0,733 0,058 0,497 0,771

Udaljenost od naselja 2013. (m) 0-200 200-500 500-1000 1000-1500 1500-3000 3000-7590

Voda > voda -2,228 -1,099 0,055 1,172 0,464 -32,321

Voda > usjevi i tlo -1,057 -0,368 0,133 0,496 0,644 -32,281

Voda > trava i šikara -0,089 0,498 0,483 -0,070 -33,021 -32,328

Voda > drveće 0,758 -1,089 -0,170 1,099 -2,037 -32,312





Usjevi i tlo > voda -1,359 0,358 -0,341 1,307 -1,303 -32,327




Usjevi i tlo > drveće -0,167 0,499 0,286 -0,194 -0,638 -2,824

Trava i šikara > voda -33,185 0,811 0,867 -1,221 -33,174 -32,481




Trava i šikara > drveće -0,165 0,619 0,343 -0,117 -1,242 -3,955

Drveće > voda -33,069 0,590 0,642 -0,412 -0,480 -32,365


Drveće > usjevi i tlo -0,329 0,089 0,345 0,302 -0,456 -1,853


Drveće > drveće -2,762 -1,182 -0,294 0,680 2,411 3,854

XXV

Udaljenost od rijeka (m) 0-500 500-1000 1000-1500 1500-3000 3000-5000 5000-8455

Voda > voda -3,001 -3,618 -4,243 -3,464 -0,060 2,716

Voda > usjevi i tlo -1,848 -2,808 -2,306 -3,822 0,604 2,211

Voda > trava i šikara 0,170 -2,414 -1,129 -1,905 -1,600 2,542

Voda > drveće -1,517 -0,346 -1,128 0,243 -1,646 1,901

Izgrađeno > izgrađeno 1,220 0,565 0,180 -0,524 -1,222 -1,850

Izgrađeno > usjevi i tlo 0,784 0,125 0,406 -0,411 -0,305 -1,371

Izgrađeno > trava i šikara 0,217 -0,261 0,064 0,256 -0,055 -2,681

Izgrađeno > drveće -0,638 -0,075 -0,489 0,530 0,109 -3,295

Usjevi i tlo > voda -3,732 -4,601 -32,936 -2,300 -0,408 2,795




Usjevi i tlo > drveće 0,040 0,088 0,184 0,296 -0,349 -1,062

Trava i šikara > voda 0,155 1,324 -32,573 -0,300 -0,469 -0,409





Drveće > voda -33,054 1,615 -32,665 0,094 -0,274 -32,385




Drveće > drveće -2,141 -1,251 -0,624 0,116 1,164 2,100

Gustoća naseljenosti 2011.

stanovnici/km2

0-5 5-10 10-20 20-40 40-60 60-80 80-200 200-994

Voda > voda 1,699 -4,898 -34,571 -5,369 -6,765 -5,223 -4,390 -2,967

Voda > usjevi i tlo 1,632 -5,269 -34,056 -3,484 -4,370 -3,444 -3,822 -3,220

Voda > trava i šikara 0,993 -32,718 -32,801 -0,028 -1,907 -2,306 -1,553 -0,828

Voda > drveće 0,315 -1,457 -32,508 -0,316 0,485 -1,241 0,862 0,256

Izgrađeno > izgrađeno -1,634 -0,453 -0,354 -0,033 0,346 0,612 1,049 2,313

Izgrađeno > usjevi i tlo -0,646 0,429 -0,023 0,042 -0,384 0,021 0,241 1,715

Izgrađeno > trava i šikara 0,838 0,495 -0,794 -1,172 -2,111 -3,199 -1,596 0,024

Izgrađeno > drveće 1,332 -0,503 -1,898 -2,765 -4,095 -2,677 -3,728 -1,198

Usjevi i tlo > voda 1,628 -33,967 -34,050 -3,041 -5,864 -33,338 -3,184 -4,489

Usjevi i tlo > izgrađeno -4,325 -1,985 -1,823 -1,077 0,595 0,808 1,009 2,909

Usjevi i tlo > usjevi i tlo -2,732 -0,896 0,159 0,756 1,245 0,886 1,307 0,687

Usjevi i tlo > trava i šikara -1,442 0,000 0,702 0,428 0,233 0,466 0,495 0,545

Usjevi i tlo > drveće -0,724 0,192 0,333 0,284 0,413 0,245 0,080 -0,249

Trava i šikara > voda 0,323 -32,578 -32,660 1,053 -32,958 -31,948 -0,011 -31,583

Trava i šikara > izgrađeno -1,712 -0,072 -0,688 -0,695 -0,426 -1,447 0,271 3,095

Trava i šikara > usjevi i tlo -1,339 0,020 0,200 0,562 0,389 0,081 0,607 0,740


šikara 0,138 0,616 0,151 0,002 -0,813 -0,693 -0,602 -0,219

XXVI

Trava i šikara > drveće 0,582 0,827 -0,088 -0,719 -1,130 -1,513 -1,480 -1,633

Drveće > voda 0,387 -32,632 -32,714 1,117 -33,012 -32,002 -31,949 -31,637

Drveće > izgrađeno -1,352 -32,424 -32,507 -33,333 0,754 2,352 -31,742 2,129

Drveće > usjevi i tlo -0,912 -0,523 -0,027 0,582 0,174 0,238 0,859 0,482

Drveće > trava i šikara 0,488 -0,103 0,025 -0,073 -1,142 -0,535 -0,891 -1,312

Drveće > drveće 1,238 -0,133 -0,350 -0,670 -0,828 -0,577 -1,368 -1,654

Indeks mladosti 2011.

(<15 / ≥65 g.) 0-20 20-40 40-60 60-80 80-100 100-120 120-150 150-200 200-850

Voda > voda -6,875 -4,905 -4,211 3,398 -4,075 -9,315 -4,524 -6,935 -33,242

Voda > usjevi i tlo -6,672 -5,074 -3,450 3,316 -4,016 -3,678 -3,743 -4,136 -32,790

Voda > trava i šikara -33,988 -0,956 -1,350 2,712 -1,494 -0,438 -32,743 -1,246 -31,557

Voda > drveće -2,661 0,187 0,050 1,576 -0,325 -0,550 -0,048 0,939 -31,199

Izgrađeno > izgrađeno -1,423 -0,577 -0,238 0,138 1,212 0,346 0,146 -0,131 -0,063

Izgrađeno > usjevi i tlo -0,255 -0,361 0,051 0,401 0,984 -0,473 -0,200 -0,414 -0,372


šikara 1,126 0,001 -0,416 -0,847 -0,822 -1,018 -1,806 -2,300 -1,419

Izgrađeno > drveće 1,354 -0,677 -1,206 -2,905 -2,155 -0,395 -1,567 -2,853 -3,587

Usjevi i tlo > voda -35,244 -34,255 -1,962 3,307 -4,994 -34,687 -3,898 -33,694 -32,814

Usjevi i tlo > izgrađeno -4,438 -2,049 -1,706 -1,088 1,352 1,061 0,243 -0,669 -0,098


tlo -2,318 -1,404 -0,005 0,957 0,413 0,759 0,967 0,515 0,014


šikara -1,045 -0,338 0,341 0,704 0,544 0,169 0,078 -0,252 0,413

Usjevi i tlo > drveće -0,377 -0,471 0,176 0,593 0,206 0,132 -0,027 0,129 -0,243

Trava i šikara > voda -1,137 1,261 2,207 -32,465 -32,708 -33,221 -0,650 -32,229 -31,349

Trava i šikara >

izgrađeno -1,110 -0,694 -0,683 -1,585 1,671 -0,043 0,065 -1,055 0,672


tlo -0,893 -0,345 0,133 0,442 0,429 0,213 0,310 0,263 0,063


šikara 0,472 -0,128 0,207 -0,353 0,082 -0,562 -0,542 -0,375 0,418

Trava i šikara > drveće 0,802 0,210 0,028 -0,447 -0,364 -0,888 -1,077 -0,865 -0,281

Drveće > voda -33,832 1,409 2,273 -0,057 -32,760 -33,274 -32,587 -32,281 -31,401

Drveće > izgrađeno -1,107 -32,830 -32,372 -32,504 1,399 1,396 -32,574 -32,269 -31,388

Drveće > usjevi i tlo -0,752 -0,327 -0,033 0,268 -0,053 0,340 0,718 0,008 0,144

Drveće > trava i šikara 0,483 -0,037 -0,339 -0,730 -0,033 -0,089 -0,413 -0,431 -0,048

Drveće > drveće 0,866 0,787 -0,153 -1,174 -0,768 -0,400 -0,558 -0,122 -0,206

Udaljenost od promjena

zemlj. pokrova 1999-2013. (m) 0-50 50-100 100-200 200-400 400-1000 1000-2616

Voda > voda -0,706 0,157 0,308 0,596 0,190 -30,453

Voda > usjevi i tlo 1,659 -66,682 -66,549 -66,443 -66,049 -63,986


Voda > drveće 1,656 -66,680 -66,547 -66,441 -66,048 -63,985

Izgrađeno > izgrađeno -0,197 0,890 0,261 -0,774 -2,132 -3,152



XXVII


Usjevi i tlo > voda 1,657 -66,681 -66,547 -66,441 -66,048 -63,985


Usjevi i tlo > usjevi i tlo -0,500 0,783 0,628 -0,053 -1,168 -5,278

Usjevi i tlo > trava i šikara 1,742 -66,731 -66,597 -66,490 -66,094 -64,028

Usjevi i tlo > drveće 1,674 -66,691 -66,558 -66,451 -66,058 -63,994



Trava i šikara > usjevi i tlo 1,759 -66,741 -66,606 -66,499 -66,103 -64,036

Trava i šikara > trava i šikara 0,860 0,438 -1,393 -4,086 -32,929 -30,856

Trava i šikara > drveće 1,854 -66,791 -66,655 -66,548 -66,150 -64,079

Drveće > voda 1,656 -66,680 -66,547 -66,441 -66,047 -63,985


Drveće > usjevi i tlo 1,662 -66,684 -66,551 -66,444 -66,051 -63,988

Drveće > trava i šikara 1,694 -66,703 -66,569 -66,463 -66,069 -64,004

Drveće > drveće -1,930 0,033 0,804 1,692 2,777 6,083

Orijentacija padine 0 NW-N-NE E-W SW-SE S

Voda > voda 8,396 -1,547 -0,454 -2,388 -2,355

Voda > usjevi i tlo 4,396 -0,112 0,378 -0,312 -0,599


Voda > drveće -28,716 0,510 0,209 -0,445 -0,296

Izgrađeno > izgrađeno -28,769 -0,171 -0,202 0,042 0,179

Izgrađeno > usjevi i tlo -28,734 -0,168 -0,484 0,266 0,118

Izgrađeno > trava i šikara -28,768 -0,581 -0,490 0,082 0,424

Izgrađeno > drveće -28,720 -0,224 0,119 -0,034 0,100

Usjevi i tlo > voda 4,849 0,019 0,699 -1,130 -1,252

Usjevi i tlo > izgrađeno -28,759 -0,364 -0,270 -0,184 0,420

Usjevi i tlo > usjevi i tlo -3,042 -0,801 -0,500 0,178 0,525

Usjevi i tlo > trava i šikara -3,441 -0,330 -0,160 0,102 0,201

Usjevi i tlo > drveće -28,721 -0,046 0,000 0,060 -0,006

Trava i šikara > voda -28,739 -0,360 -0,086 -0,067 0,286

Trava i šikara > izgrađeno -28,710 0,226 0,002 -0,043 -0,138

Trava i šikara > usjevi i tlo -28,774 -0,270 -0,207 0,066 0,217

Trava i šikara > trava i šikara -28,806 -0,010 0,050 0,061 -0,058

Trava i šikara > drveće -28,787 0,001 0,044 0,041 -0,047

Drveće > voda -29,867 2,132 -1,753 -34,673 -35,143

Drveće > izgrađeno -28,800 0,021 -0,553 -0,894 0,582

Drveće > usjevi i tlo -28,711 0,105 0,097 -0,009 -0,120

Drveće > trava i šikara -28,723 0,230 0,140 -0,116 -0,174

Drveće > drveće -29,332 0,573 0,338 -0,190 -0,432

XXVIII

Udaljenost od

gradova (m) 0-500

500-

1000

1000-

2000

2000-

4000

4000-

6000

6000-

8000

8000-

10000

10000-

15000

15000-

22434

Voda > voda -29,510 -30,577 -1,109 -3,064 0,516 1,169 0,928 -5,545 -32,217

Voda > usjevi i tlo -2,790 -3,857 -1,839 -0,573 1,382 0,718 -1,656 -5,451 -32,288

Voda > trava i šikara -29,599 -30,666 -1,122 -0,034 -0,552 1,739 -32,838 -1,482 -32,306

Voda > drveće -29,422 0,479 0,978 0,122 -0,438 0,925 -2,106 -0,393 -32,129

Izgrađeno > izgrađeno 3,567 2,155 1,196 0,255 -0,243 -0,479 -0,520 -0,627 -1,367

Izgrađeno > usjevi i tlo 1,335 0,651 1,120 0,155 0,067 -0,352 -0,118 -0,207 -3,789


šikara -1,072 -1,220 -0,393 -0,224 -0,300 0,170 -0,522 0,555 -0,324

Izgrađeno > drveće -0,383 -0,753 -1,413 -0,171 -0,184 -0,793 -0,240 0,568 0,662

Usjevi i tlo > voda -29,692 -30,759 -2,011 -4,204 0,742 1,724 -2,639 -33,740 -32,399

Usjevi i tlo > izgrađeno 2,122 1,955 1,564 1,138 -0,700 -1,142 -2,725 -2,082 -4,146


tlo 0,072 0,894 1,126 0,769 0,138 0,076 -0,080 -1,051 -3,667


šikara 0,046 0,305 0,458 0,298 -0,136 -0,126 0,036 -0,069 -0,782

Usjevi i tlo > drveće 0,137 0,386 0,368 0,085 0,137 0,253 0,050 -0,403 -0,920

Trava i šikara > voda -29,623 -30,690 -0,166 -33,320 1,618 -1,319 0,255 -1,028 -32,330

Trava i šikara >

izgrađeno 1,232 1,705 2,137 0,016 -0,030 -1,258 -1,117 -0,929 -2,875


tlo -0,311 0,341 0,640 0,252 -0,041 -0,111 0,186 -0,151 -1,940


šikara -1,223 -0,660 -0,440 -0,115 -0,182 -0,196 -0,033 0,434 0,023

Trava i šikara > drveće -1,955 -1,533 -1,182 -0,544 0,033 -0,006 -0,035 0,395 0,382

Drveće > voda -30,051 -31,118 -32,478 -33,747 2,086 -33,631 0,115 -34,098 -32,758

Drveće > izgrađeno -29,543 4,047 1,588 -33,240 -0,605 -33,124 -32,782 -33,591 0,461

Drveće > usjevi i tlo -1,267 0,792 0,577 0,316 0,256 -0,249 -0,255 -0,231 -1,703

Drveće > trava i šikara -0,817 -0,761 -0,915 -0,528 0,124 -0,132 0,339 0,122 0,449

Drveće > drveće -2,473 -1,596 -1,279 -0,560 -0,054 0,047 0,045 0,435 1,205

Indeks ukupnog

kretanja stan.

2011/2001.

0-10 10-20 20-30 30-50 50-70 70-90 90-100 100-

120

120-

1650

Voda > voda -33,786 -30,339 -32,679 -4,477 3,478 -5,944 -4,363 -6,612 -4,488

Voda > usjevi i tlo -33,316 -29,869 -32,210 -4,419 3,390 -4,109 -4,018 -6,671 -4,885

Voda > trava i šikara -32,013 -28,566 -30,906 -31,517 2,554 -0,804 -1,653 -0,801 -32,320

Voda > drveće -31,842 -28,395 -30,736 -31,347 1,571 -0,148 -0,308 0,146 -32,150

Izgrađeno >

izgrađeno -2,742 -2,350 -2,736 -0,776 -0,831 -0,085 0,824 0,059 -0,808


tlo -2,070 1,787 -0,964 1,100 -0,077 -0,614 0,462 0,245 0,656


šikara 0,095 0,069 1,318 1,590 0,761 -1,073 -0,622 0,010 1,138

Izgrađeno > drveće 0,239 -0,349 1,737 0,938 1,084 -0,994 -1,383 0,384 0,934

Usjevi i tlo > voda -33,366 -29,919 -32,260 -32,871 3,386 -5,775 -2,872 -34,205 -33,674

Usjevi i tlo >

izgrađeno -31,970 -28,523 -30,864 -3,453 -3,732 -0,209 1,302 -0,886 -1,496


tlo -4,187 -6,440 -5,434 -1,905 -0,575 0,559 0,439 -0,796 -2,014

XXIX


šikara -3,413 -4,944 -2,667 -0,172 -0,030 0,272 0,114 -0,088 -1,007

Usjevi i tlo > drveće -1,956 -2,637 -2,337 0,575 -0,154 0,121 0,123 -0,167 -0,071

Trava i šikara > voda -31,827 -28,380 -30,721 -31,331 1,747 -0,865 0,532 -32,665 0,508

Trava i šikara >

izgrađeno -2,630 -28,433 -30,774 -0,870 -2,184 -1,120 1,310 0,458 0,201

Trava i šikara >

usjevi i tlo -3,064 -0,131 -3,049 -0,551 -0,535 0,182 0,221 0,073 -0,110


i šikara -0,175 0,549 0,458 0,883 0,264 -0,185 -0,308 0,222 0,353

Trava i šikara >

drveće 0,179 0,614 0,743 0,980 0,277 -0,385 -0,454 0,315 0,742

Drveće > voda -31,894 -28,447 -30,788 -31,399 2,063 -1,006 0,646 -32,733 -32,202

Drveće > izgrađeno -32,052 -28,605 -30,946 -31,556 0,182 -1,010 1,693 -32,890 -32,359

Drveće > usjevi i tlo -1,199 -28,406 -2,078 -0,397 -0,586 0,028 0,521 -0,191 -0,104

Drveće > trava i

šikara 0,772 -2,054 -0,198 0,093 -0,004 -0,280 -0,194 0,166 0,646

Drveće > drveće 1,642 0,983 1,097 0,182 0,100 -0,288 -0,396 0,278 0,620

Udaljenost od minskih

područja (m) 0-500

500-

1000

1000-

2000

2000-

5000

5000-

10000

10000-

20000

20000-

54532

Voda > voda -3,185 -2,647 -32,528 -2,468 0,946 1,975 -4,621

Voda > usjevi i tlo -4,358 -4,292 -33,288 -4,265 -1,734 2,468 -3,744

Voda > trava i šikara -32,460 -31,922 -32,517 -2,094 -32,759 1,937 -0,882

Voda > drveće -1,277 -31,708 -32,304 -0,934 -1,990 1,254 -0,055

Izgrađeno > izgrađeno -0,730 -0,181 0,172 -0,391 -0,648 -0,132 0,314

Izgrađeno > usjevi i tlo 0,267 1,259 0,850 0,071 0,635 -0,660 -0,645

Izgrađeno > trava i šikara 1,317 1,466 0,897 0,559 0,071 -2,154 -1,170

Izgrađeno > drveće 1,217 2,110 1,034 0,594 -0,342 -2,923 -1,915

Usjevi i tlo > voda -33,072 -32,535 -33,130 -4,425 -0,674 2,407 -5,186

Usjevi i tlo > izgrađeno -3,214 -0,682 0,062 -2,354 -2,158 -0,005 0,616

Usjevi i tlo > usjevi i tlo -2,367 -1,210 -1,001 -0,631 -0,586 -0,045 0,667

Usjevi i tlo > trava i šikara -1,044 -0,408 0,157 0,088 -0,926 -0,416 0,361

Usjevi i tlo > drveće -0,283 0,385 0,554 0,316 -0,151 -0,212 -0,128

Trava i šikara > voda -32,138 -31,600 -32,196 -0,033 1,042 0,329 -0,059

Trava i šikara > izgrađeno -0,977 0,726 -0,517 -1,674 -0,476 0,079 0,343

Trava i šikara > usjevi i tlo -0,781 -0,176 -0,322 -0,274 0,312 0,369 -0,025

Trava i šikara > trava i šikara 0,299 0,397 0,344 -0,003 0,107 -0,313 -0,085

Trava i šikara > drveće 0,642 0,999 0,999 0,287 0,328 -0,913 -0,529

Drveće > voda -32,190 -31,653 -32,248 -32,728 0,916 0,763 0,022

Drveće > izgrađeno -32,242 1,007 -32,300 -32,780 -32,541 0,893 0,193

Drveće > usjevi i tlo -0,612 -0,307 -0,041 0,012 -0,056 0,576 -0,194

Drveće > trava i šikara -0,986 0,289 0,664 0,665 -0,303 0,037 -0,319

Drveće > drveće 0,924 0,143 -0,032 0,307 0,302 0,172 -0,397

SIMULACIJSKI MODEL PROMJENE ZEMLJIŠNOG POKROVA U … · Trendovi demografskih kretanja ne daju uporište optimizmu ni u budućnosti, tako da se očekuje daljnje pogoršanje biološke

Documents