SIMULACIJSKI MODEL PROMJENE ZEMLJIŠNOG POKROVA U … · Trendovi demografskih kretanja ne daju...
Transcript of SIMULACIJSKI MODEL PROMJENE ZEMLJIŠNOG POKROVA U … · Trendovi demografskih kretanja ne daju...
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
3.1.2. Zemljišni pokrov Požeško-slavonske županije 1999. godine ................................ 24
3.1.3. Zemljišni pokrov Požeško-slavonske županije 2013. godine ................................ 25
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
3.4.2. Varijable promjena zemljišnog pokrova Požeško-slavonske županije 1999. – 2013.
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.
3.1.2. Zemljišni pokrov Požeško-slavonske županije 1999. godine
Klasifikacija zemljišnog pokrova Požeško-slavonske županije za 1999. godinu
prikazana je na sl. 7.
Sl. 7. Zemljišni pokrov u Požeško-slavonskoj županiji 1999. godine
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 %).
3.1.3. Zemljišni pokrov Požeško-slavonske županije 2013. godine
Klasifikacija zemljišnog pokrova Požeško-slavonske županije za 2013. godinu
prikazana je na sl. 8.
Sl. 8. Zemljišni pokrov u Požeško-slavonskoj županiji 2013. godine
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).
Tab. 3. Matrica konfuzije klasifikacije zemljišnog pokrova Požeško-slavonske županije 1999.
Referentni podaci
Voda Izgrađ. Usjevi Trava Drveće Ukupno
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
Proizvodna točnost (%)
Ukupna točnost: 95,54 % Kapa koeficijent: 0,94
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.
Tab. 4. Matrica konfuzije klasifikacije zemljišnog pokrova Požeško-slavonske županije 2013.
Referentni podaci
Voda Izgrađ. Usjevi Trava Drveće Ukupno
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
Proizvodna točnost (%)
Ukupna točnost: 96,97 % Kapa koeficijent: 0,95
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.
Tab. 6. Bruto promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1999. – 2013. god.
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.
Sl. 10. Promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1999. – 2013. godine
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.
3.4.1. Varijable promjena zemljišnog pokrova Požeško-slavonske županije 1985. – 1999.
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).
3.4.2. Varijable promjena zemljišnog pokrova Požeško-slavonske županije 1999. – 2013.
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.
Sl. 14. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2013. godinu dobivena
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.
Sl. 15. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2013. god.
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.
Sl. 17. Validacija simulacije promjena zemljišnog pokrova Požeško-slavonske županije za
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.
Sl. 18. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2027. godinu dobivena
modelom logističke regresije
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.
Sl. 19. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2027. god.
dobivene modelom logističke regresije
46
Konačni simulacijski model zemljišnog pokrova za 2027. godinu dobiven fuzijom
pojedinačnih rastera modeliranih umjetnim neuronskim mrežama prikazan je na sl. 20.
Sl. 20. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2027. godinu dobivena
modelom umjetnih neuronskih mreža
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.
Sl. 21. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2027. god.
dobivene modelom umjetnih neuronskih mreža
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).
Tab. 12. Apsolutna i relativna struktura zemljišnog pokrova i neto promjene između stvarnih
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.
Sl. 23. Simulacija promjena zemljišnog pokrova u Požeško-slavonskoj županiji 2013. – 2027.
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
Zagrebu, Prirodoslovno-matematički fakultet, Geografski odsjek, Zagreb.
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
Zagrebu, Prirodoslovno-matematički fakultet, Geografski odsjek, Zagreb.
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.)
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. 6. Zemljišni pokrov u Požeško-slavonskoj županiji 1985. godine
Sl. 7. Zemljišni pokrov u Požeško-slavonskoj županiji 1999. godine
Sl. 8. Zemljišni pokrov u Požeško-slavonskoj županiji 2013. godine
Sl. 9. Promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1985. – 1999. godine
Sl. 10. Promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1999. – 2013. godine
Sl. 11. Primjer kalibracije modela pomoću umjetnih neuronskih mreža u dodatku MOLUSCE
Sl. 12. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2013. godinu dobivena
modelom logističke regresije
Sl. 13. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2013. god.
dobivene modelom logističke regresije
Sl. 14. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2013. godinu dobivena
modelom umjetnih neuronskih mreža
Sl. 15. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2013. god.
dobivene modelom umjetnih neuronskih mreža
Sl. 16. Validacija simulacije promjena zemljišnog pokrova Požeško-slavonske županije za
2013. godinu dobivene modelom logističke regresije
Sl. 17. Validacija simulacije promjena zemljišnog pokrova Požeško-slavonske županije za
2013. godinu dobivene modelom umjetnih neuronskih mreža
Sl. 18. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2027. godinu dobivena
modelom logističke regresije
Sl. 19. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2027. god.
dobivene modelom logističke regresije
Sl. 20. Simulacija zemljišnog pokrova Požeško-slavonske županije za 2027. godinu dobivena
modelom umjetnih neuronskih mreža
Sl. 21. Pouzdanost simulacije zemljišnog pokrova Požeško-slavonske županije za 2027. god.
dobivene modelom umjetnih neuronskih mreža
VIII
Sl. 22. Simulacija promjena zemljišnog pokrova u Požeško-slavonskoj županiji 2013. – 2027.
godine dobivena modelom logističke regresije
Sl. 23. Simulacija promjena zemljišnog pokrova u Požeško-slavonskoj županiji 2013. – 2027.
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. 2. Matrica konfuzije klasifikacije zemljišnog pokrova Požeško-slavonske županije 1985.
Tab. 3. Matrica konfuzije klasifikacije zemljišnog pokrova Požeško-slavonske županije 1999.
Tab. 4. Matrica konfuzije klasifikacije zemljišnog pokrova Požeško-slavonske županije 2013.
Tab. 5. Bruto promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1985. – 1999. god.
Tab. 6. Bruto promjene zemljišnog pokrova u Požeško-slavonskoj županiji 1999. – 2013. god.
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
Tab. 11. Apsolutna i relativna struktura zemljišnog pokrova i neto promjene između stvarnih
podataka za 2013. i simuliranih podataka za 2027. modelom logističke regresije
Tab. 12. Apsolutna i relativna struktura zemljišnog pokrova i neto promjene između stvarnih
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 ---
Varijabla Objašnjenje Varijabla Objašnjenje
G_ST_11 prosječna gustoća naseljenosti 2011. godine IN_ST_1101 indeks ukupnog kretanja stanovništva 2011./2001. godine
ORIJ orijentacija padine UD_PRO udaljenost od prometnica
UD_RI udaljenost od rijeka UD_NA_13 udaljenost od izgrađenih dijelova naselja 2013. godine
UD_ LCC_13 udaljenost od promjena zemljišnog pokrova 1999. – 2013. N_VIS nadmorska visina
IND_ML_11 indeks mladosti stanovništva (<15 / ≥65 god.) 2011. 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
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 ---
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 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
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 ---
Varijabla Objašnjenje Varijabla Objašnjenje
G_ST_11 prosječna gustoća naseljenosti 2011. godine IN_ST_1101 indeks ukupnog kretanja stanovništva 2011./2001. godine
ORIJ orijentacija padine UD_PRO udaljenost od prometnica
UD_RI udaljenost od rijeka UD_NA_13 udaljenost od izgrađenih dijelova naselja 2013. godine
UD_ LCC_13 udaljenost od promjena zemljišnog pokrova 1999. – 2013. N_VIS nadmorska visina
IND_ML_11 indeks mladosti stanovništva 2011. 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
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 > izgrađeno 2,741 -2,484 -2,844 -3,251 -3,928 -4,114
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 > izgrađeno 2,825 -66,796 -67,209 -66,417 -66,511 -65,815
Usjevi i tlo > usjevi i tlo 0,587 0,676 0,368 -0,322 -2,428 -6,214
Usjevi i tlo > trava i šikara 0,776 0,782 0,027 -0,824 -2,334 -5,744
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 > izgrađeno 2,813 -66,794 -67,207 -66,415 -66,509 -65,813
Trava i šikara > usjevi i tlo 0,563 0,513 0,313 -0,688 -2,714 -5,039
Trava i šikara > trava i šikara 0,352 0,638 0,197 -0,321 -1,409 -4,737
Trava i šikara > drveće -1,117 -0,069 0,222 0,459 0,154 -0,693
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 > usjevi i tlo 0,420 0,735 -0,138 -0,300 -1,932 -33,013
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
Trava i šikara > drveće -1,108 -0,376 0,274 0,604 0,570 -0,336
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 > usjevi i tlo 0,869 0,683 -0,607 -0,202 -0,633 -2,038
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
Usjevi i tlo > izgrađeno 1,061 0,994 0,297 -0,708 -1,790 -3,964
XVII
Usjevi i tlo > usjevi i tlo 1,291 0,933 0,490 -0,248 -1,613 -2,294
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
Trava i šikara > izgrađeno 0,802 0,314 0,052 -0,470 -0,121 -2,264
Trava i šikara > usjevi i tlo 1,150 0,439 0,130 -0,433 -0,972 -2,038
Trava i šikara > trava i šikara 0,186 0,230 0,183 0,041 -0,041 -2,167
Trava i šikara > drveće -0,790 -0,267 0,102 0,154 0,307 -0,362
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
Voda > trava i šikara 1,570 -66,655 -66,485 -66,351 -66,025 -63,750
Izgrađeno > izgrađeno -0,095 0,875 0,109 -0,848 -2,183 -2,843
Izgrađeno > usjevi i tlo 1,570 -66,655 -66,485 -66,351 -66,026 -63,750
Izgrađeno > trava i šikara 1,571 -66,655 -66,485 -66,352 -66,026 -63,751
Izgrađeno > drveće 1,570 -66,655 -66,485 -66,351 -66,026 -63,750
Usjevi i tlo > voda 1,570 -66,655 -66,485 -66,351 -66,026 -63,750
Usjevi i tlo > izgrađeno 1,575 -66,658 -66,488 -66,354 -66,029 -63,753
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 > voda 1,570 -66,655 -66,485 -66,351 -66,025 -63,750
Trava i šikara > izgrađeno 1,570 -66,655 -66,485 -66,352 -66,026 -63,751
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 > izgrađeno 1,570 -66,655 -66,485 -66,351 -66,025 -63,750
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
Izgrađeno > trava i
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
Usjevi i tlo > usjevi i
tlo -3,200 -2,035 -1,991 -1,176 -0,988 0,507 0,734 0,828 0,751
XX
Usjevi i tlo > trava i
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
Izgrađeno > usjevi i
tlo 0,005 0,246 0,871 0,633 0,193 -0,065 -0,256 -1,201 -1,601
Izgrađeno > trava i
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
Usjevi i tlo > usjevi i
tlo -2,061 -1,630 -0,175 0,690 0,675 0,376 0,554 0,637 0,661
Usjevi i tlo > trava i
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
Trava i šikara > trava
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 > trava i šikara 1,992 -0,514 -1,583 -33,001 -0,584 -33,246
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 > voda 1,990 -0,350 -1,216 -33,016 -32,643 -33,262
Trava i šikara > izgrađeno 0,640 0,660 -0,073 -0,589 -3,849 -33,024
Trava i šikara > usjevi i tlo 0,814 0,515 0,094 -0,857 -3,218 -5,863
Trava i šikara > trava i šikara 0,165 0,182 0,303 0,321 -0,411 -2,649
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 > usjevi i tlo 0,100 0,161 0,220 0,458 -0,975 -1,549
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 > izgrađeno 2,477 -1,181 -2,190 -2,551 -3,488 -6,132
Izgrađeno > usjevi i tlo 1,926 -0,297 -1,453 -1,843 -1,844 -4,483
Izgrađeno > trava i šikara 1,538 -0,711 -0,717 -0,680 -0,596 -1,196
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 > usjevi i tlo 0,739 0,850 0,424 -0,487 -2,153 -6,677
Usjevi i tlo > trava i šikara 0,664 0,606 0,232 -0,457 -1,763 -4,396
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
Trava i šikara > usjevi i tlo 0,450 0,622 0,354 -0,451 -1,429 -5,491
Trava i šikara > trava i šikara 0,154 0,410 0,206 -0,009 -0,382 -1,951
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 > izgrađeno 1,020 0,205 0,614 -32,887 -33,348 -32,606
Drveće > usjevi i tlo 0,026 0,149 0,411 0,150 -0,564 -1,258
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 > trava i šikara 1,594 -0,394 -3,269 -3,875 -31,126
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
Izgrađeno > usjevi i
tlo -1,314 1,169 0,551 0,725 -0,168 -0,694 -1,508
Izgrađeno > trava i
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
Usjevi i tlo > usjevi i
tlo 0,212 1,176 1,098 1,113 -0,086 -1,376 -1,616
Usjevi i tlo > trava i
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
Trava i šikara > trava
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
Izgrađeno > izgrađeno 2,774 -2,560 -2,938 -3,358 -4,009 -4,192
Izgrađeno > usjevi i tlo 2,791 -6,038 -36,853 -36,050 -36,118 -35,425
Izgrađeno > trava i šikara 2,743 -4,015 -35,867 -35,064 -35,132 -34,439
Izgrađeno > drveće 2,590 -1,929 -34,899 -34,097 -34,164 -33,472
Usjevi i tlo > voda -1,359 0,358 -0,341 1,307 -1,303 -32,327
Usjevi i tlo > izgrađeno 2,822 -66,803 -67,222 -66,419 -66,487 -65,794
Usjevi i tlo > usjevi i tlo 0,564 0,634 0,369 -0,309 -2,486 -6,847
Usjevi i tlo > trava i šikara 0,773 0,557 0,102 -0,827 -2,104 -5,557
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 > izgrađeno 2,819 -66,803 -67,221 -66,419 -66,486 -65,793
Trava i šikara > usjevi i tlo 0,813 0,632 0,034 -0,833 -2,618 -6,362
Trava i šikara > trava i šikara 0,724 0,776 0,007 -0,801 -2,064 -4,974
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 > izgrađeno 2,817 -66,802 -67,221 -66,418 -66,486 -65,793
Drveće > usjevi i tlo -0,329 0,089 0,345 0,302 -0,456 -1,853
Drveće > trava i šikara -1,404 -0,834 -0,074 0,478 0,677 0,440
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 > izgrađeno 1,107 0,944 0,946 -1,326 -3,383 -4,298
Usjevi i tlo > usjevi i tlo 1,373 0,922 0,444 -0,315 -1,689 -2,128
Usjevi i tlo > trava i šikara 0,678 0,453 0,346 -0,026 -0,835 -2,373
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
Trava i šikara > izgrađeno 1,353 0,829 0,344 -1,146 -2,030 -32,331
Trava i šikara > usjevi i tlo 0,866 0,552 0,247 -0,201 -0,909 -2,004
Trava i šikara > trava i šikara 0,350 0,277 0,119 0,093 -0,219 -2,479
Trava i šikara > drveće -0,527 -0,028 0,231 0,350 0,045 -2,009
Drveće > voda -33,054 1,615 -32,665 0,094 -0,274 -32,385
Drveće > izgrađeno 0,571 1,393 0,113 -0,246 -33,613 -32,320
Drveće > usjevi i tlo 0,171 0,348 0,274 0,123 -0,417 -1,145
Drveće > trava i šikara -1,014 -0,802 -0,483 0,156 0,540 0,072
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
Trava i šikara > trava i
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
Izgrađeno > trava i
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
Usjevi i tlo > usjevi i
tlo -2,318 -1,404 -0,005 0,957 0,413 0,759 0,967 0,515 0,014
Usjevi i tlo > trava i
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
Trava i šikara > usjevi i
tlo -0,893 -0,345 0,133 0,442 0,429 0,213 0,310 0,263 0,063
Trava i šikara > trava i
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 > trava i šikara 1,656 -66,680 -66,547 -66,441 -66,048 -63,985
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
Izgrađeno > usjevi i tlo 1,657 -66,681 -66,547 -66,441 -66,048 -63,985
Izgrađeno > trava i šikara 1,657 -66,681 -66,548 -66,442 -66,048 -63,985
XXVII
Izgrađeno > drveće 1,657 -66,681 -66,548 -66,442 -66,048 -63,985
Usjevi i tlo > voda 1,657 -66,681 -66,547 -66,441 -66,048 -63,985
Usjevi i tlo > izgrađeno 1,658 -66,681 -66,548 -66,442 -66,049 -63,986
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 > voda 1,656 -66,680 -66,547 -66,441 -66,048 -63,985
Trava i šikara > izgrađeno 1,657 -66,681 -66,547 -66,441 -66,048 -63,985
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 > izgrađeno 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 > trava i šikara 5,773 -0,962 -0,859 -0,880 -0,679
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
Izgrađeno > trava i
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
Usjevi i tlo > usjevi i
tlo 0,072 0,894 1,126 0,769 0,138 0,076 -0,080 -1,051 -3,667
Usjevi i tlo > trava i
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
Trava i šikara > usjevi i
tlo -0,311 0,341 0,640 0,252 -0,041 -0,111 0,186 -0,151 -1,940
Trava i šikara > trava i
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
Izgrađeno > usjevi i
tlo -2,070 1,787 -0,964 1,100 -0,077 -0,614 0,462 0,245 0,656
Izgrađeno > trava i
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
Usjevi i tlo > usjevi i
tlo -4,187 -6,440 -5,434 -1,905 -0,575 0,559 0,439 -0,796 -2,014
XXIX
Usjevi i tlo > trava i
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
Trava i šikara > trava
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