長期的な生態系サービスのための都市農業の最適化：シナリオベースの適地分析とランドスケープアプローチの統合

Urban Farm DB の要約

オランダ・ロッテルダムを事例に、XGBoost（SHAP）による機械学習の適地モデリング、深層学習による土地利用シミュレーション、生態系サービスの貨幣価値評価を組み合わせ、2030年・2050年に向けた3つのシナリオ（現状趨勢型、適地誘導型の自律的変化、適地誘導型のランドスケープアプローチ）を比較した。適地誘導シナリオは現状趨勢型シナリオより優れた結果を示し、ランドスケープアプローチのシナリオが調整・文化サービスで最も長期的に安定した成果を示した一方、生態保護の制約が集約的生産を制限する場合、供給サービスは頭打ちになるか低下し得ることが明らかになった。