المحرر المسؤول: مارك هاولز

المعايير البيئية
نظم المعلومات الجغرافية (GIS)
ضبابية حدسية
صنع القرار متعدد المعايير
خريطة موقع محطة الطاقة الشمسية
خريطة مواقع محطات طاقة الرياح
خريطة الموقع الأمثل لطاقة الرياح الشمسية

إن التطور السريع للتكنولوجيا والصناعية يؤدي إلى استهلاك سريع للموارد الأحفورية، التي هي بالفعل محدودة وستنفد في المستقبل. خاصة في عصرنا، مع زيادة جودة الحياة في المدن، يزداد الطلب على الطاقة الكهربائية بشكل أكبر. في تلبية وإنتاج هذا النوع المتزايد من الطاقة، يتم الآن استبدال الموارد الأحفورية بمصادر الطاقة المتجددة (RES) الاقتصادية والصديقة للبيئة. عند النظر إلى إنتاج الكهرباء في العالم، يتضح أن مصادر الطاقة المتجددة لها بالفعل مكانة مهمة. في عام 2022، تم الحصول على 29.9% من إجمالي إنتاج الكهرباء العالمي من المصادر المتجددة، وقريباً من ذلك (12.1% من حيث القيم المطلقة) يتم توفيره من قبل محطات الطاقة الشمسية الكهروضوئية (REN21، 2023). في هولندا، في من إجمالي إنتاج الكهرباء جاء من مصادر متجددة [2]، والتي لديها
زيادة بنسبة مقارنةً بعام 2021. بينما لم يتغير مقدار الكهرباء المنتجة في عام 2022 مقارنةً بعام 2021، انخفض إنتاج الكهرباء من المصادر الأحفورية بـ إنتاج الكهرباء من المصادر المتجددة زاد إلى 47 مليار كيلوواط ساعة، مع من الطاقة الشمسية و من موارد الرياح. وكان ذلك بشكل كبير بسبب زيادة السعة (الطاقة الشمسية +4 جيجاوات، الرياح +1 جيجاوات) وظروف الطقس الأفضل. تم إجراء تحليل الإمكانيات المكانية للطاقة الشمسية مؤخرًا. على سبيل المثال، في مرجع [3]، ركزت أبحاثهم حول الطاقة الشمسية من أجل مستقبل مستدام في الصين على الزيادة السريعة في الطلب على الكهرباء في الصين وكشفت أن موارد الطاقة الشمسية وكميات كبيرة من الأراضي متاحة على نطاق واسع في المناطق الغربية والشمالية من الصين [4]. تم التحقيق في المناطق التي يمكن فيها إنشاء مزارع شمسية في مدينة كارتاخينا، الواقعة في جنوب شرق إسبانيا، باستخدام نظم المعلومات الجغرافية (GIS) وطرق تحليل القرار متعدد المعايير (MCDA) [5]. عملوا على تحديد المناطق المحتملة حيث يمكن إنشاء مزارع شمسية.

يمكن إنشاؤه في محافظة الإسماعيلية، مصر، باستخدام مهمة رادار التوبوغرافيا المتنقلة وطريقة تحليل القرار متعدد المعايير. تركز الدراسات الحديثة من المراجع [6،7] على إمدادات الطاقة من الرياح والطاقة الشمسية في هولندا، وقد أسفرت هذه الدراسات عن إنشاء قواعد بيانات جغرافية مكانية.

تم حل ملفات توليد الطاقة من الرياح على اليابسة والبحرية على مستوى كل توربين، بالإضافة إلى ملفات توليد الطاقة لفئات متعددة من الألواح الشمسية المرتبطة بالمباني، والأراضي، والمياه. كانت السيناريوهات المستخدمة هي ما يسمى بسيناريوهات انتقال الطاقة لعام 2030 و2050. تركز هذه الدراسات على إمكانيات الموقع على مستوى النظام، وأقل على المناطق المحلية المناسبة الفعلية. يجب استخدام نوع من عملية دعم اتخاذ القرار للعثور على المواقع المثلى، مع الأخذ في الاعتبار العديد من الجوانب، مثل تكامل المناظر الطبيعية، وتوافر بنية الشبكة التحتية، وما إلى ذلك. نقترح طريقة تعتمد على الأنظمة الضبابية.
[8] بحث في ملاءمة جزيرة أوليونغ في كوريا لمزارع الطاقة الشمسية باستخدام نظم المعلومات الجغرافية بالاشتراك مع المجموعات الضبابية. وهذا يسمح بدعم وتحليل عمليات اتخاذ القرار [9]. ذكر أنه بينما يتم نمذجة الأنظمة في الهندسة وفروع العلوم الأخرى وفقًا لمبادئ الطرق الرياضية الدقيقة، يتم البحث عن طريقة جديدة لحل المشكلات بسبب عدم اليقين في عمليات اتخاذ القرار. يتم تعريفها على أنها إنشاء أنظمة اتخاذ القرار التي يمكن أن تستخدم وتختار وفقًا للموقف [10]. يصف مفاهيم المنطق الضبابي، مثل أن التعريفات التي تحتوي على “قليل”، ليست مفهومة تمامًا بين الناس. يتم تعريفها على أنها ضمان أن تتم معالجة العمليات المنطقية بنجاح أكبر من أنظمة الكمبيوتر [11]. عرّف مفهوم مجموعة الضبابية الحدسية (IFS) كعمومية لمفهوم المجموعة الضبابية في دراسته. تم تقديم أول معلومات حول مفهوم الضبابية ومبادئها من قبل لوتفي [12]. [13] اقترحوا أول تطبيق في الانحدار الضبابي من خلال دراستهم في عام 1982. تم إجراء التحليل باستخدام تقنية البرمجة الخطية [14]. ذكروا في دراستهم أن نموذج الانحدار الضبابي الخطي هو طريقة أكثر ملاءمة [15]. في دراسته، شرح نموذج الانحدار الضبابي الذي تم تطويره بواسطة المنطق الضبابي [16]. اقترحوا طريقة انحدار ضبابية تشرح الضبابية التي قد تحدث عندما لا تؤخذ الضبابية الناتجة عن الحكم البشري في الاعتبار في الطرق المستخدمة لتقييم جودة الصورة الذاتية (IQA) [17]. اقترحوا مشغل FPC المستخدم للقيود في مشكلة برمجة رياضية لصياغة نماذج الانحدار الضبابي الخطي مع معلمات ضبابية باستخدام ملاحظات ضبابية [18]. درسوا عناصر المجموعات الضبابية الحدسية التي لها درجة عضوية ودرجة عدم عضوية مجموعها هو

أقل من أو يساوي 1. يتم مناقشة التفسيرات الضبابية الحدسية لعمليات اتخاذ القرار متعددة الأشخاص ومعايير متعددة في عدة دراسات [19]؛ [20-24]. طريقة جديدة للتعامل مع مشاكل اتخاذ القرار متعددة المعايير تعتمد على المجموعات الضبابية الاستدلالية.

تم الإبلاغ عن ذلك [25-28]. تتيح هذه الطريقة تحديد درجة التوفر والفشل لكل بديل وفقًا لمجموعة المعايير المعبر عنها بواسطة المجموعات الضبابية الحدسية.

تركز أبحاثنا على تطبيق المجموعات الضبابية لدعم اتخاذ قرارات الموقع لمحطات الطاقة الشمسية والرياح. حسب علمنا، هناك دراسات قليلة جدًا حول امتدادات المجموعات الضبابية بسبب التعقيد الحسابي، وكان معظم الباحثين على نماذج الضبابية من النوع الأول. في دراستنا، تم استخدام نهج قائم على الضبابية الحدسية لدعم تخطيط محطات الطاقة الشمسية والرياح في المناطق المثلى.

تقدم هذه القسم أساسيات التقنيات المستخدمة في هذا العمل بما في ذلك نظم المعلومات الجغرافية كتقنية رسم خرائط والمجموعات الضبابية الحدسية.

تم تعريف نظم المعلومات الجغرافية بطرق مختلفة من قبل علماء مختلفين. تم تعريف نظم المعلومات الجغرافية كنظام للحصول على وتخزين والتحكم ومعالجة وتحليل وعرض البيانات المكانية المرتبطة بالأرض [29]. وصف نظم المعلومات الجغرافية كنظام معلومات يقوم بتخزين وتحليل وعرض البيانات المكانية وغير المكانية، و[30] يصف قاعدة بيانات كنظام معلومات متخصص يمكن أن يحتوي على سمات موزعة مكانيًا، أو أنشطة أو أحداث يمكن تعريفها كنقاط، خطوط، ومناطق في الفضاء [31]. يعرف نظم المعلومات الجغرافية كمجموعة قوية من الأدوات لجمع وتخزين واسترجاع وعرض البيانات المكانية في العالم الحقيقي، ووفقًا للمرجع [32]؛ نظم المعلومات الجغرافية هي أداة تجمع وتخزن وتتحكم في البيانات الجغرافية حول العالم. إنه نظام يدمج ويستخدم ويحلل ويظهر للغرض المطلوب [33]. العلماء الذين قاموا بدراسات متنوعة حول نظم المعلومات الجغرافية في تركيا استخدموا أيضًا تعريفات مختلفة لنظم المعلومات الجغرافية. وفقًا للمرجع [34]؛ نظم المعلومات الجغرافية هو نظام معلومات يقوم بوظائف جمع وتخزين ومعالجة وتقديم المعلومات الرسومية وغير الرسومية التي تم الحصول عليها من الملاحظات المعتمدة على الموقع للمستخدم بطريقة متكاملة.

وفقًا للمرجع [35]. “نظم المعلومات الجغرافية هي مجموعة من الأنظمة التي يتم إدخال جميع أنواع البيانات المتعلقة بالأشياء والأحداث على الأرض في الكمبيوتر وفقًا للإحداثيات الحقيقية وتحليلها هنا وعرضها في شكل خرائط وجداول ورسوم بيانية”. وفقًا للمرجع [36]؛ نظم المعلومات الجغرافية هي

نظام كمبيوتر يستخدم البيانات الجغرافية ويقوم بأداء مهام إدارة وتحليل متنوعة على البيانات. وفقًا لتعريف آخر، يسمح نظم المعلومات الجغرافية بإدخال أي بيانات ذات خصائص مكانية (المناخ، الغطاء النباتي، الأشكال الأرضية، السكان، الاستيطان، إلخ) في بيئة الكمبيوتر (الرقمنة)، للحصول على بيانات جديدة باستخدام البيانات المدخلة، لاستخدام هذه البيانات. الاستفسار، الترتيب، التحليل، كشف علاقاتها المتبادلة مع بعضها البعض والنتائج التي تم الحصول عليها في الرسوم البيانية، الخرائط، الصور ثلاثية الأبعاد، إلخ. إنه نظام رسم خرائط محوسب يعتمد على التصور [37،38]؛ أكتورك وآخرون، 2021). في هذه الدراسة، بعد إنشاء الخرائط الأساسية، تم إنشاء خرائط النتائج من خلال إعطاء قيم الفئات بشكل منفصل لكل خريطة استخدام في وحدة إعادة التصنيف في برنامج Arc-GIS 10.8 لإنشاء خرائط الرياح، خرائط الشمس وخرائط الرياح + الشمس [9،39،40]. تسلسل البيانات والتحليل في هذا النموذج موضح في الشكل 15. أثناء الحصول على الخرائط الأساسية، تم إنشاء خرائط الانحدار، الاتجاه، الإشعاع الشمسي وخرائط الارتفاع في وحدة التحليل المكاني لبرنامج Arc-GIS 10.8 من خلال دمج 12 خريطة DEM بدقة 12.5 م من قمر Alos Polsar الصناعي (https://asf.alaska.edu/datasets /daac/alos-palsar/). تم الحصول على خرائط سرعة الرياح ودرجة حرارة الهواء بصيغة DEM وتم إنشاؤها في وحدة التحليل المكاني لبرنامج Arc-GIS 10.8 ((https://globalsolaratlas.info/map)(https://globalwindatlas.info/en)). للأسف، كانت بيانات الأقمار الصناعية غير كافية لمنطقة الدراسة أثناء إنشاء خرائط ضغط الهواء ورطوبة الهواء. لهذا السبب، تم الحصول على بيانات الرطوبة والضغط السنوية المتوسطة من 28 محطة ميتولوجية مختلفة ضمن حدود هولندا ومعالجتها على أساس النقاط. تم تحويل بيانات النقاط إلى بيانات مكانية في وحدة المحلل الجيستاتيكي لبرنامج Arc-GIS 10.8. أثناء إنشاء خرائط درجة حرارة السطح، تم الحصول على خرائط درجة حرارة السطح باستخدام بيانات الحزمة 10، الحزمة 4 والحزمة 5 من قمر Landsat 8 الصناعي وتم صياغتها في برنامج Arc-GIS 10.8. في خرائط استخدام الأراضي، تم تبسيط خرائط CORINE من المستوى 3 إلى المستوى 2 وتم رقمنتها في برنامج Arc-GIS 10.8. تم رقمنة خرائط خطوط الطاقة وخطوط الطرق من صيغة الراستر في برنامج Arc GIS 10.8 وتم تحديد معاملات المسافة في وحدة العازلة.

[12] كان أول من اقترح مفهوم المنطق الضبابي. أظهر زاده أن العديد من المفاهيم يمكن تعريفها لغويًا بشكل أفضل من الرياضيات التقليدية، وتعتبر المنطق الضبابي وتعبيراته في المجموعات الضبابية نموذجًا أفضل للحياة الحقيقية (يلديز وكيسوغلو: 2014). في مفهوم المجموعة الكلاسيكية، العنصر الذي لديه دالة خصائص إما أن يكون عنصرًا أو لا يكون عنصرًا في المجموعة. ومع ذلك، في مفهوم المجموعة الضبابية، يتم تعريف ما إذا كانت التفاحة تنتمي إلى مجموعة أم لا من خلال دالة الانتماء التي تعين درجة الانتماء في النطاق لكل كائن [12،41].

التعريف 1. دع تكون مجموعة غير فارغة و . ثم بالنسبة للدالة
، يمكن تعريف مجموعة ضبابية A عند X لإظهار درجة الانتماء لـ

في الواقع، كل دالة انتماء هي دالة تعيد عناصر مجموعة عالمية كلاسيكية إلى رقم في النطاق .

في المجموعة الضبابية A، درجة انتماء عنصر إلى المجموعة هي ، بينما درجة عدم الانتماء هي . لذلك، فإن مجموع درجات الانتماء وعدم الانتماء يساوي 1. ومع ذلك، فإن هذه الحالة غير كافية لشرح عدم اليقين في بعض المشكلات. لهذا السبب [11]، اقترح نظرية المجموعة الضبابية الحدسية، التي هي تعميم لنظرية المجموعة الضبابية، انظر أيضًا [20].

التعريف 2. دع X تكون مجموعة غير فارغة و . لذا (x): و
لإجراءين؛

تسمى معادلة المجموعة (1) مجموعة ضبابية حدسية. هنا، ( ) تشير إلى درجة انتماء العنصر إلى المجموعة ، بينما تشير إلى الدرجة التي لا ينتمي بها العنصر إلى المجموعة . التردد في مجموعة حدسية؛ يتم تعريفه على أنه ). لذلك، المعادلة
(2) موجودة:

تتكون مجموعة ضبابية حدسية من أعداد ضبابية حدسية، ويتم تعريف عدد ضبابي حدسي على أنه . يمكن استخدام دالة الدرجة لترتيب الأعداد الضبابية الحدسية (تشين وتان، 1994). يتم حساب قيمة الدرجة للعدد الضبابي الحدسي مع . العدد الضبابي الحدسي الذي لديه قيمة درجة أكبر هو أكبر.

تشير درجة التردد إلى مستوى التردد حول ما إذا كان عنصر ينتمي إلى المجموعة . إذا كانت درجة التردد كبيرة، فإن انتماء ذلك العنصر إلى تلك المجموعة غير مؤكد نسبيًا، وإذا كانت درجة التردد صغيرة، فإن حالة الانتماء إلى تلك المجموعة أكثر وضوحًا نسبيًا. في طرق اتخاذ القرار، يشكل جمع المعلومات والحصول على النتائج باستخدام المعلومات المجمعة الأساس. تم تطوير مشغل المتوسط الحسابي بواسطة المرجع [42] لجمع بيانات ضبابية حدسية، أي، إيجاد القيم المتوسطة.

التعريف 3. دع تكون n أعداد ضبابية حدسية. يتم تعريف المتوسط الحسابي، حيث هو متجه الوزن للأعداد المعطاة، على أنه:

وفقًا للتعريفات المقدمة أعلاه، يوفر استخدام المنطق الضبابي الحدسي عملية اتخاذ قرار مرنة في تحديد، على سبيل المثال، الأداء المالي للشركات. في هذه الدراسة، نتبع الطريقة المقترحة من قبل داس وآخرون (2014) باستخدام الخطوات التالية. في هذه الدراسة؛ تشكل مجموعة البدائل، و تشكل مجموعة المعايير.

الخطوة 1. إنشاء مصفوفة قرار مع “ معايير مع ” بدائل

لكل بديل، يتم جمع البيانات، وتُقيَّم هذه البيانات لغويًا، وتتحول هذه المصطلحات اللغوية إلى أرقام ضبابية استدلالية لتشكيل مصفوفة القرار. .

في مشاكل اتخاذ القرار متعددة المعايير، يختلف وزن كل معيار. قد تكون بعض المعايير أكثر أهمية، بينما قد تكون أخرى أقل أهمية. في عملية اتخاذ القرار حيث لا تكون أوزان المعايير معروفة تمامًا، يمكن حساب وزن كل معيار من خلال اتباع الخطوات المذكورة أدناه. مصفوفة الانتروبيا من مصفوفة القرار ( ) تم حسابه بمساعدة المعادلة (5) ويمثل بـ المصفوفة المعطاة أدناه.

تشير الإنتروبيا إلى الفوضى في النظام ككلمة. يمكن تعريف مقياس المعلومات لتقييم البيانات باستخدام هذا المفهوم من خلال المعادلة (6).

مصفوفة القياس التي تم الحصول عليها من هذه المعلومات القياسية تشير إلى .

بعد بناء الـ مصفوفة، أوزان المعايير يتم حسابها باستخدام المعادلتين (7) و (8).

بعد حساب وزن كل معيار، تم الحصول على القيم المتوسطة الموزونة يتم حسابها باستخدام المعادلة (9).

بعد حساب القيم المتوسطة الموزونة، يمكن استخدام دالة الدرجة التي حددها تشين وتان (1994) لإيجاد الدرجة لكل بديل. بعد حساب درجات البدائل، فإن البديل الذي يحصل على أعلى درجة يعني أنه أفضل بديل.

تتناول هذه الدراسة تحديد الإمكانيات الشمسية والرياحية في هولندا. تقع البلاد في شمال غرب القارة الأوروبية. يحيط بها بحر الشمال من الشمال والغرب، وألمانيا من الشرق وبلجيكا من الجنوب. لديها واحدة من أعلى كثافات السكان بين دول الاتحاد الأوروبي. هي الأدنى في أوروبا. 40% من أراضيها تقع تحت مستوى سطح البحر. تقع بين و خط العرض الشمالي و خط الطول الشرقي. تتمتع هولندا بمناخ محيطي دافئ وممطر. الهدف من هذه الدراسة هو فحص 12 منطقة في هولندا – شمال هولندا (A1)، غيلدرلاند (A2)، فريزلاند (A3)، شمال برابانت (A4)، درينثي (A5)، غرونينغن (A6)، زيلاند (A7)، أوترخت (A8)، جنوب هولندا (A9)، ليمبورغ (A10)، أوفرايسل (A11) وفليفولاند (A12) – لإنشاء محطات الطاقة الشمسية ومزارع الرياح في هولندا. تم تقييم البدائل وفقًا لمعايير مختلفة مثل الارتفاع، والانحدار، وتغطية الأرض، والاتجاه، ونوع الصخور الجيولوجية، والإشعاع الشمسي، ودرجة حرارة الهواء، وخطوط النقل، وسرعة الرياح، وضغط الهواء، ورطوبة الهواء، ودرجة حرارة سطح الأرض (LST) وشبكة النقل باستخدام تقنية رسم الخرائط Arc-GIS وطرق اتخاذ القرار متعددة المعايير (MCDM)، وهي واحدة من الطرق الضبابية الاستدلالية.

لقد حددنا 14 معيارًا للموقع الأمثل لمحطات الطاقة الشمسية وطاقة الرياح في هولندا، بما يتماشى مع الأدبيات الحالية وآراء الخبراء. تم تلخيص هذه المعايير أدناه:
(C1) الميل: تعتبر خصائص الميل في التضاريس عاملاً مهماً لتركيب أنظمة الطاقة المتجددة (انظر الشكل 1). في اختيار الموقع المناسب لمحطة طاقة الرياح، يجب ألا يتجاوز الميل حيث يسبب مشاكل من حيث النقل والتركيب والأداء. في نطاق الدراسة، المناطق ذات الانحدار أقل من تم تحديدها كملائمة لاختيار موقع WPP من حيث هذا المعيار [43] أوزجانم.إتالمرجع، 2017 [38]؛ ترك وآخرون 2020؛ ترك وآخرون، 2021، [44]. بالنسبة لهولندا، يوضح الشكل 2 خريطة الانحدار. من الواضح أن معيار الانحدار يتجاوز في عدد قليل جداً من المواقع في الجنوب الغربي (مقاطعة ليمبورغ) فقط.
(C2) الاتجاه: الاتجاه هو موقع أي مكان بالنسبة للشمس، ويشار إليه أيضًا بالتوجه. يشير إلى موقع منحدرات الجبال بالنسبة للشمس. في هولندا لا توجد جبال، ولكن يمكن العثور على بعض المناطق التلّية. مع هذه الميزات التي توفرها، فإنه مهم من حيث الطاقة المتجددة [43] أوزجانم.إت وآخرون، 2017 [38]؛ ترك وآخرون 2020؛ ترك وآخرون، 2021، [44]. بالنسبة لهولندا، يوضح الشكل 3 خريطة الجوانب.
(C3) الإشعاع الشمسي: الإشعاع الشمسي هو أحد أهم المعايير للطاقة الشمسية وطاقة الرياح. الإشعاع الشمسي هو الطاقة المشعة التي تُ emitted عادةً إلى البيئة خلال فترة زمنية معينة. وحدة الطاقة المشعة الساقطة على وحدة المساحة هي (جول/متر مربع، ). الإشعاع الشمسي هو الطاقة لكل وحدة مساحة المستلمة من الشمس في شكل إشعاع كهرومغناطيسي في نطاق الطول الموجي لأداة القياس [43] أوزكان م.إتال، 2017 [38]؛ ترك et al. 2020؛ ترك et al.، 2021، [44]. بالنسبة لهولندا، يوضح الشكل 4 خريطة الإشعاع الشمسي.
(C4) استخدام الأراضي: استخدام الأراضي هو تنظيم كيفية استخدام الأرض في بلد أو منطقة معينة، وحمايتها وإدارتها. يهدف استخدام الأراضي إلى حماية المصالح الاقتصادية والاجتماعية والبيئية للأرض بطريقة متوازنة. يشمل استخدام الأراضي حماية الموارد الطبيعية.
من الأرض، تخطيط استخدام الأراضي، الزراعة، الغابات، السياحة، إنتاج الطاقة، النقل، تحديد مناطق الطاقة المتجددة وغيرها من الأنشطة الاقتصادية وفقًا لاستخدام الأراضي [43] أوزجانم.إتال، 2017 [38]؛ ترك et al. 2020؛ ترك et al.، 2021، [44]. الشكل 5 يوضح خريطة هولندا من حيث استخدام الأراضي.
(C5) سرعة الرياح: تُسمى الحركات الهوائية الأفقية المتجهة من مناطق الضغط العالي إلى مناطق الضغط المنخفض بالرياح. بعبارة أخرى، تتشكل الرياح بسبب فرق الضغط بين نقطتين وتستمر الرياح في الهبوب حتى ينخفض هذا الفرق في الضغط. الجهاز الذي يقيس سرعة الرياح يُسمى مقياس سرعة الرياح [43] أوزجانم.إتالمتوسط السنوي لسرعة الرياح في هولندا موضح في الشكل 6.
(C6) درجة حرارة الهواء: يُطلق على متوسط (الطاقة الحركية لجزيء) الطاقات الحركية للجزيئات التي تشكل مادة ما اسم درجة الحرارة. نظرًا لأن الجزيئات التي تشكل المادة تنقل طاقاتها الحركية نتيجة التصادم مع بعضها البعض، فإن الطاقة الحركية لكل جزيء تختلف وعندما تصطدم ببعضها، تتغير طاقاتها الحركية باستمرار. نظرًا لأن الطاقات الحركية لجزيئات المادة عند نفس درجة الحرارة تختلف، فإن درجة الحرارة هي متوسط الطاقات الحركية لجميع الجزيئات، وليس لجزيء واحد. تؤدي الدورة الهوائية في الأماكن الحارة المشمسة إلى انخفاض درجة حرارة اللوحة مما يؤدي إلى زيادة إنتاج الطاقة والكفاءة، وقد تم تحديد أن كفاءة إنتاج الطاقة من الدورة الهوائية قد انخفضت (هومادي، 2016). بعد الحصول على خرائط درجة حرارة الهواء لمنطقة الدراسة من “الأطلس العالمي” رقميًا، تم استخدامها في برنامج Arc-GIS 10.2 لتشكيل هيكل متوافق مع مقياس العمل من خلال إعادة التصنيف على زر إعادة التصنيف في وحدة أداة التحليل المكاني [43] أوزكان.م.إتال، 2017 [38]؛ ترك et al. 2020؛

ترك وآخرون، 2021، [44]. في الشكل 7، يتم عرض خريطة متوسط درجة حرارة الهواء في هولندا.
(C7) ضغط الهواء: يُطلق على بخار الماء الذي تحمله الهواء اسم الرطوبة. تختلف كمية الرطوبة، أي بخار الماء، التي يمكن أن يحملها الهواء باختلاف درجة الحرارة والضغط. زيادة درجة الحرارة تزيد من كمية الرطوبة التي يمكن نقلها. تم الحصول على خرائط الرطوبة لمنطقة الدراسة من خلال رقمنة بيانات النقاط التي تم الحصول عليها من محطات في 12 موقعًا مختلفًا في برنامج Arc-GIS 10.2 واستخدام طريقة “Kriging” في وحدة التحليل الجيستاتيستيكي (Sahin F et al., 2020). الشكل 8 يُظهر النتيجة.
(C8) رطوبة الهواء: للغازات المحيطة بالأرض وزن. القوة التي تمارسها الغازات المكونة للغلاف الجوي على الأرض تحت تأثير الجاذبية تُسمى ضغط الهواء. تم رقمنة خريطة ضغط الهواء في برنامج Arc-GIS 10.2 وتم الحصول عليها باستخدام طريقة “Kriging” في وحدة التحليل الجيستاتيكي [45،46]، انظر الشكل 9.
(C9) درجة حرارة سطح الأرض: تعتبر درجات حرارة سطح الأرض من المعلمات المهمة من حيث المناخ وتستخدم في نماذج المناخ. يتم استخدامها بنجاح لتحديد قيم و تغييرات درجة حرارة سطح الأرض (LST) والتحقيق في آثارها [34،47،48]. تختلف درجة حرارة سطح الأرض وفقًا لتغطية الأرض واستخدامها وغالبًا ما تستخدم في تحديد التغيرات في الأرض [49]. جزيرة الحرارة الحضرية [50]، المناخ [51]، الزراعة (أوزلكان، 2014)، الجفاف، الغابات، البحرية وفي العديد من الدراسات الأخرى، تعتبر بيانات LST مصدر بيانات مهم وفعال [52-55]. من أجل حساب قيمة LST بنجاح، هناك حاجة إلى بيانات مثل قيم التأثيرات الجوية، معلمات المستشعر، والانبعاثية السطحية للأرض للمساعدة في حساب LMS [56]. تُستخدم طرق القناة الواحدة، وزاوية متعددة، وقنوات متعددة، ونافذة مقسمة في حساب LST [57]. في طريقة القناة الواحدة، يتناسب التغير في الإشعاع على الأرض المنبعث من الغلاف الجوي بشكل مباشر مع البيانات المكتشفة في قناتين مختلفتين. بهذه الطريقة، يمكن الوصول إلى قيم التأثير الجوي وإشعاع السطح [58]. تُستخدم قيم درجة الحرارة الجوية، والرطوبة، وبخار الماء، ودرجة حرارة السطوع المستمدة من صور الأقمار الصناعية الحرارية [59، 60]. تتراوح درجات حرارة سطح الأرض من إلى تمت دراستها في منطقة الدراسة. بسبب المناخ المحيطي المعتدل في هولندا، تكون الشتاء دافئة والصيف باردة. تستمر الأمطار في هولندا طوال العام، لذا لا توجد فترة جفاف. يتراوح متوسط هطول الأمطار السنوي في هولندا بين 736.6 مم و 838.2 مم. يُلاحظ أن درجة حرارة سطح جزء كبير من هولندا هي الأماكن التي تكون فيها درجة حرارة السطح منخفضة هي الأماكن التي تشهد هطولاً عالياً. هذه حالة لا نرغب فيها لطاقة الشمس والرياح. هذا يؤدي إلى انخفاض في قوة الاحتكاك بالقرب من الأرض، وشدة الرياح، وبالتالي، قوة كوريوليس. هذا يقلل من متوسط حركة الغلاف الجوي وتوليد الرياح [43]؛ أوزجان م. وآخرون، 2017 [38]؛ تركت وآخرون، 2020؛ ترك وآخرون، 2021، [44]. الشكل 10 يظهر درجة حرارة سطح الأرض. نحصل على درجة حرارة السطح كما يلي (الأشكال 10 و 11).

تم تحليل بيانات نطاقات قمر صناعي لاندسات 8 كما هو موضح في الرسم البياني أعلاه، وتم استخدام برنامج Arc GIS 10.8 للتحليل (تشاندير وغروينفيلد، 2009؛ خيمينيز-مونوز وآخرون، 2014 [38]؛ روزنشتاين وآخرون، 2014؛

ترك وآخرون، 2021). في المرحلة الأولى من الدراسة، تم تصنيف صور الأقمار الصناعية للاقمار الصناعية لاندسات 8 في نطاقات مختلفة، وتم استخدام المعادلة التالية للحصول على قيمة الإشعاع الجوي في هذه المرحلة.
Band10x0,003342+0,1.
السطوع الطيفي عند فتحة المستشعر )
في الخطوة الثانية، تم استخدام معادلة أخرى لتحويل قيمة الإشعاع الجوي إلى درجة حرارة المستشعر (تشاندير وماركهم، 2003).

كما تم استخدام المعادلة التالية للحصول على خرائط NDVI (هاتفيلد وآخرون، 1985؛ ليو وزانغ، 2011؛ مكفيترز، 1996؛ زانغ وآخرون، 2006). خرائط مؤشر كثافة النباتات المعيارية مهمة لأنها تظهر الفروق في تقلبات درجة الحرارة للسطح الطبيعي وفقًا لكثافات النباتات (إيريش، 1998؛ لاندسات؛ زانتر، 2016).

NDVI فلوط (الفرقة 5 – الفرقة 4) / فلوط (الفرقة 5 + الفرقة 4)
NDVI = خرائط مؤشر كثافة النباتات المعيارية.
في الجزء الآخر من الدراسة، تم حساب نسبة الغطاء النباتي. تم استخدام المعادلة التالية لحساب نسبة الغطاء النباتي (لاندسات؛ زانتر، 2016).

حساب نسبة الغطاء النباتي.
في المرحلة الأخيرة من الدراسة، تم إنشاء خرائط لدرجة حرارة السطح (LST) بهامش خطأ أدنى.
(C10) خط النقل: اليوم، لا شك أن أكثر أنواع الطاقة فائدة واقتصادية هي الطاقة الكهربائية. الطلب على الطاقة الكهربائية، الذي بدأ استخدامه لأغراض الإضاءة نحو نهاية القرن التاسع عشر، وصل إلى أبعاد هائلة في السنوات التالية. وقد جعلت هذه الحالة الحاجة إلى نقل الطاقة أمرًا ضروريًا، وبالتالي تم استخدام خطوط نقل الطاقة. هذه هي الخطوط التي تنقل الطاقة الكهربائية التي تم الحصول عليها بطريقة منظمة ومخططة من محطات الطاقة إلى خطوط التوزيع. لا يمكن إنشاء المراكز التي تنتج الطاقة الكهربائية (محطات الطاقة الكهرومائية، محطات الطاقة الحرارية، محطات الطاقة بالدورة الغازية، محطات الطاقة الشمسية، إلخ) بالقرب من مراكز الاستهلاك. من بين أهم الأسباب لذلك هي صعوبات نقل المواد الخام، التلوث البيئي، السلامة، إلخ. سيتم نقل الطاقة الكهربائية المنتجة على مسافات تصل إلى عدة كيلومترات. في هذه النقطة، تتضح أهمية خطوط نقل الطاقة حيث يجب أن تكون هناك حدائق شمسية ورياح جديدة.

يفضل أن تكون قريبة من هذه الخطوط في الشكل 12 [43]؛ أوزكانم.إتال، 2017 [38]؛ ترك et al. 2020؛ ترك et al.، 2021، [44].
(C11) شبكة النقل: شريط طويل من السطح الصلب يستخدم في النقل البري. يمكن أن يتكون من أسباب طبيعية أو من صنع الإنسان. يساعد حركة البشر والحيوانات والمركبات على التقدم بسرعة وسهولة وأمان. تختلف الطرق بشكل كبير، من المسارات التي أنشأتها آثار الأقدام على التضاريس الوعرة إلى الطرق السريعة متعددة الحارات. الشكل 13 يظهر بنية الطرق الهولندية.
(C12) الارتفاع: الارتفاع مرتبط بسرعة الرياح. المسافة الرأسية لنقطة من الأرض عن مستوى سطح البحر تُسمى الارتفاع أو العلو. يؤثر الارتفاع على أداء طاقة الرياح نتيجة لزيادة سرعة الرياح (عبد الرحمن، 2016). خرائط ارتفاع هولندا تم إنشاء خرائط الراستر باستخدام برنامج Arc General Command GIS10.2 Spatial Analyst Package نتيجة لعملية الرقمنة في وحدة الأدوات. تم تحويل هذه الخرائط التي تم إنشاؤها إلى تنسيق DEM في وحدة تحويل الأدوات في برنامج Arc-GIS 10.2 [38]؛ أيدين وآخرون، 2010؛ تورك وآخرون، 2021). يمكننا رؤية خرائط الارتفاع في الشكل 14.

في هذا القسم، يتم شرح خطوات منهجية نظم المعلومات الجغرافية وطريقة اتخاذ القرار متعددة المعايير المعتمدة على المنطق الضبابي المقترحة.

في هذه الدراسة، نظرًا لأن البيانات النقطية مطلوبة للتسجيل الموزون، تم تحويل البيانات بصيغة المتجهات إلى بيانات نقطية بعد تحليل المسافة. بعد تحويل جميع البيانات إلى صيغة نقطية، تم جعل جميع الخرائط في نوع بيانات نقطية بنفس حجم الخلايا. ). ثم تم تقسيم المعايير إلى فئتين: 1 (جميع المناطق المناسبة) و 0 (غير المناسبة
تم إعطاء درجات بين 1 و 4 للمناطق، وتم تراكب البيانات للحصول على خريطة للمناطق المناسبة وغير المناسبة لـ WPP و SPP (خريطة القناع). ثم، بمساعدة آراء الخبراء، تم تصنيف المعايير وفقًا لأهميتها وتحديد أوزانها من خلال نهج GIS-الفuzzy-intuitionistic. تم إخضاع جميع البيانات لعملية إعادة التصنيف وتراكبها مع الأوزان المحددة كما هو موضح في الشكل 15 من أجل تصنيف المناطق المناسبة ضمن نفسها. تم تكرار هذه العملية مرة أخرى مع وزن متساوي للمعايير من منظور مختلف للمقارنة. أخيرًا، تم تراكب خرائط التداخل الموزونة مع خريطة القناع للحصول على خرائط الملاءمة النهائية، الأشكال 16-18. يتم تقديم خرائط الملاءمة النهائية بطريقتين مختلفتين، أولاً وفقًا للأوزان المحددة من خلال نهج GIS-الفuzzy-intuitionistic، وثانيًا من خلال اعتبار المعايير موزونة بالتساوي، ويتم تفسير النتائج.

كما يتضح في النموذج الذي تم إنشاؤه للتصنيف، تم تحديد وزن كل طبقة من خلال إعطاء درجة بين 1 و 4 وفقًا لوزن مكونات كل طبقة وتم دمج الطبقات كما هو موضح في الجدول 1 والجدول 2. بعد دمج هذه الطبقات، تم إجراء التصنيف وتم إنشاء خرائط النتائج، وهي خريطة الطاقة الشمسية في الشكل 16، خريطة طاقة الرياح في الشكل 17 وأخيرًا خريطة الطاقة الشمسية-الرياح المثلى في الشكل 18.

في هذه الدراسة، تم استخدام نهج غامض استدلالي لاختيار الموقع الأنسب لمحطات الطاقة الشمسية وطاقة الرياح في هولندا.

في هذه الدراسة، تم إجراء استبيان مع صانع قرار وتم اختيار 12 معيارًا كبديل لمشكلة تركيب محطة الطاقة الشمسية ومحطة الطاقة الريحية لعملية التقييم الشاملة لـ 12 منطقة في هولندا.

أولاً، يتم تقييم أهمية كل معيار باستخدام مصطلحات لغوية مثل “مهم جداً (VI)”، “مهم (I)”، “متوسط (M)”، “غير مهم (U)”، “غير مهم جداً (VU)”. توضح الجدول 3 مجموعات فuzzy الاستدلالية المقابلة المحددة باستخدام قيمة حقيقية بين 0 و 1، وتظهر الجدول 4 والجدول 7 أحكام اللغة لصانع القرار حول أهمية المعايير.

بعد تحديد أهمية كل معيار، يقدم صانع القرار تقييمًا للأداء للمناطق الجغرافية من حيث 12 معيارًا باستخدام المصطلحات اللغوية “مرتفع جدًا (EH)”، “مرتفع جدًا (VH)”، “مرتفع (H)”، “مرتفع متوسط (MH)”، “متوسط (M)”، “منخفض متوسط (ML)”، “منخفض (L)”، “منخفض جدًا (VL)”، “منخفض للغاية (EL)”، وتظهر الجدول 5 المجموعات الضبابية الحدسية المرتبطة بكل مصطلح. الجدول 6 و

الجدول 8 يدل على القرارات اللغوية لصانع القرار لأداء البدائل.

تظهر الجداول 6 و 8 كل معيار مُعَدل لمحطة الطاقة الشمسية ومحطة الطاقة الريحية، على التوالي. يتعين على صانعي القرار ترتيب النقاط وفقًا لأهمية كل معيار، كما هو موضح في الجدول 9 لمحطة الطاقة الشمسية ومحطة الطاقة الريحية وفي الجدول 10 لمحطة الطاقة الريحية.

أولاً وقبل كل شيء، قمنا بحساب مصفوفة الدرجات بحيث يمكن لهولندا

يتم تصنيفها وفقًا للدرجات لـ 12 منطقة مختلفة. قمنا بتصنيف المواقع وفقًا للقيم التي تم الحصول عليها. الجدول 11 يسرد المواقع المقترحة.

وفقًا لهذه النتيجة، تم تحديد أن فريزلاند (A3) هو أفضل مكان لمحطة الطاقة الشمسية ومزرعة الرياح بين 12 منطقة. عند حساب المتوسط الكلي لنتائج الطاقة الشمسية وطاقة الرياح، ثبت أن منطقة فريزلاند هي المنطقة الأكثر ملاءمة لكل من محطات الطاقة الشمسية وطاقة الرياح.

نتائج محطة الطاقة الشمسية موضحة كما هو موضح في الشكل 16 ومحطة طاقة الرياح في الشكل 17. تعطي الأشكال أيضًا المساحة الإجمالية للفئات الثلاث في الأشكال. تُظهر خرائط الاستخدام الأمثل للأراضي التي تجمع بين الطاقة الشمسية والرياح في الشكل 18 للخرائط المنتجة (الجدول 11). قيمة مساحة ملاءمة تركيب محطة الطاقة الشمسية هي . حوالي 3531.72 ميغاوات من هذه المساحة تتوافق مع إمكانات الطاقة الشمسية القابلة للاستخدام في هولندا. اللون الأزرق والأحمر مهمان جدًا في هذه الخريطة لأن هذه الألوان تشير إلى أن الطاقة الشمسية متاحة. اللون الأحمر يشير إلى أنه أكثر أهمية بكثير، حوالي .

تبلغ قيمة مساحة ملاءمة تركيب مزرعة الرياح 34844.5 كم2. تم وضع أبراج طاقة الرياح بقدرة 1 ميغاوات في هذه المنطقة على فترات 1 كم. حوالي 3484450 ميغاوات من هذه المساحة تتوافق مع الإمكانات الحالية لطاقة الرياح على اليابسة في هولندا. اللون الأصفر والأحمر مهمان جدًا في هذه الخريطة. لأن اللون الأصفر يظهر أنه المنطقة الأكثر ملاءمة لطاقة الرياح. اللون الأحمر يشير إلى أن حوالي 154.6 كم2 هو مكان أكثر ملاءمة.

مع الجمع بين محطات الطاقة الشمسية ومحطات الطاقة الريحية
تظهر الخرائط، أن ملاءمة تركيب محطة الطاقة الشمسية-الرياح المثلى لها قيمة مساحة تبلغ 34875.8 كم2. وهذا يؤدي إلى حوالي من طاقة الرياح (كم ميغاوات؟) و1233 ميغاوات من الطاقة الشمسية. اللون الرمادي والأحمر مهمان جدًا في خريطة الشمس-الرياح لأن اللون يشير إلى الموقع المناسب للطاقة الهجينة. المنطقة الأكثر ملاءمة للطاقة الشمسية هي اللون الأحمر. تقع أيضًا في منطقة فريزلاند من المناطق المناسبة لطاقة الشمسية-الرياح.

في دراستنا، من خلال النظر إلى الأشكال 16 و17، يمكننا أن نرى أن كل جزء من هولندا مناسب لموقع محطة الطاقة الشمسية وموقع محطة طاقة الرياح. عند فحص معاييرنا البيئية الـ 12، يمكننا أن نرى أن منطقة فريزلاند تحتوي على أفضل المناطق لطاقة الرياح والطاقة الشمسية. دعونا نلقي نظرة على الظروف المناخية في فريزلاند؛ فريزلاند لديها مناخ بحري. تمطر كل شهر من السنة. متوسط درجة الحرارة السنوية لفريزلاند هو و310 مم من الأمطار تسقط سنويًا. يكون الجو جافًا 136 يومًا في السنة، ومتوسط الرطوبة هو ومؤشر الأشعة فوق البنفسجية هو 3. الشتاء بارد. هذه الخصائص تميز مناخًا معتدلًا ليس حارًا في الصيف. هذه الظروف الجوية مهمة لكفاءة الطاقة الشمسية. تحتاج الألواح التي تسخن ببطء إلى الراحة في الليل، أي أن تبرد وتكون جاهزة لليوم التالي. من أجل تحقيق كفاءة أفضل في اليوم التالي وتقليل فقد الحرارة والطاقة. وفقًا لـ N.S. نورتيير وآخرون، على الرغم من أنه من المتوقع أن ينخفض عدد التوربينات على اليابسة قليلاً نحو عام 2030 (من 2015 إلى 1938)، فإن قدرتها المجمعة تزيد بشكل كبير (من 3.48 جيجاوات إلى 6.20 جيجاوات) بسبب الزيادة في متوسط القدرة المقدرة (من 1.73 ميغاوات إلى 3.20 ميغاوات). من المتوقع حدوث تحولات جغرافية في تركيز قدرة التوربينات على اليابسة في مقاطعات فريزلاند (غربًا)، غرونينغن (شمال شرق)، شمال هولندا (شمال شرق) وفليفولاند (جنوبًا). في الشكل 17 يمكننا أن نرى أن نشر كل من محطات الطاقة الشمسية والرياح أفضل نحو الغرب. بهذه الطريقة، تظهر دراسة (N.S [6]. أنه يمكن القيام بها في الدراسات المستقبلية. في دراستنا، يمكننا الوصول إلى نفس الاستنتاج ويمكننا أن نرى أن كل جزء من هولندا مناسب لبناء محطة طاقة على ارتفاع 100 م. عندما ننظر إلى سرعات الرياح السنوية، نرى أن سرعات الرياح الأكثر ملاءمة عند ارتفاع 100 م.

بشكل إجمالي، إذا تم تركيب محطة طاقة رياح كاملة القدرة ومحطة طاقة شمسية في هولندا في السنوات القادمة، فإنها ستولد إجمالي حوالي 7016.17 ميغاوات من الطاقة. ستختلف هذه الكمية من الطاقة اعتمادًا على المواد المستخدمة والقدرة المركبة. إذا كانت أبراج الرياح التي نستخدمها ليست 1 ميغاوات ولكن 2 ميغاوات أو أعلى، ستزداد الطاقة المنتجة.

في هذه الدراسة، تناولنا مشكلة تحديد مواقع محطات الطاقة الشمسية-الرياح المثلى في 12 منطقة من هولندا مع الأخذ في الاعتبار كل من العوامل النوعية والكمية وحل المشكلة بطريقتين: باستخدام تقنية رسم الخرائط GIS ونهج فازي الحدسي. في هذا البحث، قمنا أولاً بمسح 12 منطقة من البلاد الهولندية بشكل نوعي وكمّي ووجدنا مناطق مناسبة لمحطات الطاقة الشمسية-الرياح المثلى باستخدام طريقتين: تقنية رسم الخرائط GIS ونهج فازي الحدسي. تم التحقق من اتساق النتائج من خلال مقارنة نتائج تقنية رسم الخرائط GIS ونهج فازي الحدسي.

وفقًا للنتائج، تمتلك هولندا مساحة تبلغ 35317.2 كم2 للطاقة الشمسية و34844.5 كم2 لطاقة الرياح. على الرغم من وجود مناطق مناسبة للغاية، إلا أن مناسبة فقط لتركيب محطة الطاقة الشمسية-الرياح المثلى. نتيجة مهمة أخرى هي أننا استخدمنا طريقة مختلفة، وهي نهج فازي الحدسي، للتحقق من
تقنية الرسم البياني التي تم الحصول عليها في GIS. أيضًا، وفقًا للأشكال المقدمة في هذه الدراسة (الأشكال 16-18)، من الواضح أننا قدمنا خرائط ملائمة ومثلى للطاقة الشمسية والرياح. تختلف منطقة فريزلاند كأكثر المناطق ملاءمة لتركيب محطات الطاقة الشمسية-الرياح المثلى. حسب علم المؤلفين، هذه واحدة من أولى الدراسات الشاملة في السياق الهولندي. مع تضمين أدبيات هذا الكتاب، يتم تحقيق فوائد أكثر أهمية في تركيب محطات الطاقة الشمسية (SPP) ومحطات الطاقة الريحية (WPP). يتم تقييم توسيع مرحلة تركيب SPP وWPP، والنموذج، والحجم، والعلاقة مع البيئة الطبيعية لـ SPP وWPP المخطط لها بالتفصيل. بالإضافة إلى ذلك، يجب أيضًا تسجيل حريات قطع الأراضي على أرض SPPs في المناطق المسجلة كمناسبة لتركيب SPPs وWPPs. تؤكد هذه الدراسة أيضًا على أن طرق GIS وخيارات النظام قوية جدًا في وظائف خرائط الأرض. أولاً، يمكن توسيع منطقة التطبيق من خلال تحليل المناطق الحالية في أوروبا. ثانيًا، في نهج GIS وفازي الحدسي، يمكن تحليل البيانات غير الدقيقة بشكل مرضي، وتحليلها بشكل أفضل وفصلها للحصول على نتائج أكثر موثوقية. أخيرًا، يمكن تحويل المشكلة إلى مشكلة تغيير متعددة الأهداف، حيث يمكن معالجة هدفين في وقت واحد.

يجب أن تتضمن جميع المخطوطات الأقسام التالية تحت عنوان ‘التصريحات’.

لا تتطلب هذه المقالة موافقة أخلاقية أو إذنًا للمشاركة.

قام المؤلفون بأداء هذا العمل. لم يكن هناك حاجة لإصدار من مكان آخر.

لا يوجد تمويل لمصادر تم استخدامها في هذه المقالة.

غوكهان شاهين: التصور، البرمجيات، الكتابة – المراجعة والتحرير، التحقيق. أحمد كوتش: التصور، الكتابة – المراجعة والتحرير، التحقيق. ويلفريد فان سرك: التصور، البرمجيات، الكتابة – المراجعة والتحرير، التحقيق.

مثل هذه المقالات عمل عليها العديد من الكتاب، لكننا عملنا فقط على هذه المقالة. هذا العنوان “اتخاذ القرار متعدد المعايير لاختيار موقع محطة الطاقة الشمسية – محطة طاقة الرياح باستخدام نهج قائم على GIS-Intuitionistic Fuzzy مع تطبيق في هولندا” درسها العديد من الناس لكن هذه المقالة تخصنا فقط. نعلن أن هذا العمل الذي درسناه. نعلن أنه لا يوجد تضارب في المصالح.

البيانات التي تم استخدامها سرية.

[1] IRENA, Renewable Capacity Statistics, 2023. https://www.irena.org/Publications /2023/Mar/Renewable-capacity-statistics-2023.
[2] CBS, Renewable electricity share up by 20 percent in 2022, https://www.cbs.nl/en -gb/news/2023/10/renewable-electricity-share-up-by-20-percent-in-2022, 2023.
[3] Q. Hang, Z. Jun, Y. Xiao, C. Junkui, Prospect of concentrating solar power in China-the sustainable future, Renew. Sustain. Energy Rev. 12 (2008) 2505-2514.
[4] J.M. Sánchez-Lozano, J. Teruel-Solano, P. Soto-Elvira, M.S. García-Cascales, Geographical information systems (GIS) and multi-criteria decision making (MCDM) methods for the evaluation of solar farms locations: case study in southeastern Spain, Renew. Sustain. Energy Rev. 24 (2013) 544-556.
[5] H.A. Effat, Selection of potential sites for solar energy farms in Ismailia Governorate, Egypt using SRTM and Multicriteria Analysis, International Journal of Advanced Remote Sensing and GIS 2 (1) (2013) 205-220.
[6] N.S. Nortier, K. Lowenthal, S.L. Luxembourg, A. van der Neut, A.A. Mewe, W.G.J. H.M. van Sark, Spatially resolved generation profiles for onshore and offshore wind turbines: a case study of four Dutch energy transition scenarios, Renewable and Sustainable Energy Transition 2 (2022) 10037.
[7] N.S. Nortier, M. Paardekooper, C. Lucas, A. Blankert, A. van der Neut, S. L. Luxembourg, A.A. Mewe, W.G.J.H.M. van Sark, Spatially resolved generation profiles for building, land and water-bound PV: a case study of four Dutch energy transition scenarios, ADGEO 58 (2023) 199-216.
[8] J. Suh, J.R.S. Brownson, Solar farm suitability using geographic information system fuzzy sets and analytic hierarchy processes:Case study of Ulleung Island, Korea Energies 9 (2016) 648.
[9] H.Z. Al Garni, A. Awasthi, Solar PV power plant site selection using a GIS-AHP based approach with application in Saudi Arabia, Appl. Energy 206 (2017) 1225-1240.
[10] B. Yuan, J.G. Kor, Fuzzy Sets and Fuzzy Logic Theory and Aplications, 1994. New York.
[11] K. Atanassov, Intuitionistic fuzzy sets, Fuzzy Set Syst. (20) (1986) 87-96.
[12] L.A. Zadeh, Fuzzy sets, Inf. Control 8 (1965) (1965) 338-353.
[13] H. Tanaka, S. Uejima, K. Asai, Linear regression analysis with fuzzy model, IEEE Systems, Trans. Systems Man Cybernet. SMC- 2 (1982) 903-907.
[14] J. Nowaková, M. Pokorný, Mathematics, computer science. 12th IFAC Conference on programmable devices and embedded systems the international federation of automatic control September 25-27, Fuzzy Linear Regression Analysis, in: 2013. Velke Karlovice, Czech Republic, 2013.
[15] T. Kaya, Bulanık Regresyon ve Ekonometrik Bir Uygulama (fuzzy regression and an Econometric application). Çukurova Üniversitesi, Sosyal Bilimler Enstitüsü, Yayımlanmamış Yüksek Lisans Tezi (2014).
[16] K. Chan, U. Engelke, Fuzzy Regression for Perceptual İmage Quality Assessment. Engineering Applications of Artificial Intelligence, 2015, p. 43.
[17] L. Chen, S. Nien, A new approach to formulate fuzzy regression models, Appl. Soft Comput. 86 (2020).
[18] J. Li, W. Zeng, J. Xie, Q. Yin, A New Fuzzy Regression Model Based on Least Absolute Deviation, vol. 52, Engineering Applications of Artificial Intelligence, 2016, pp. 54-64.
[19] K.A. Wiguna, R. Sarno, N.F. Ariyani, Optimization Solar Farm Site Selection Using Multi-Criteria Decision Making Fuzzy AHP and PROMETHEE: Case Study in Bali, 2016 International Conference on Information & Communication Technology and Systems (ICTS), Surabaya, 2016, pp. 237-243.
[20] A. Asakereh, M. Soleymani, M.J. Sheikhdavoodi, A GIS-based Fuzzy-AHP method for the evaluation of solar farms locations: case study in Khuzestan province, Iran, Sol. Energy 155 (2017) 342-353.
[21] Y. Lin, Z. Ma, K. Zhao, W. Hu, J. Wei, The impact of population migration on urban housing prices: evidence from China’s major cities, Sustainability 10 (3169) (2018) 1-14.
[22] H. Yousefi, H. Hamed, Y.S. Amin, Spatial site selection for solar power plants using a GIS-based Boolean-fuzzy logic model: a case study of Markazi province, Iran, Energies 11 (2018) 1648, https://doi.org/10.3390/en11071648.
[23] Y.A. Solangi, S.A.A. Shah, H. Zameer, et al., Assessing the solar PV power project site selection in Pakistan: based on AHP-fuzzy VIKOR approach, Environ. Sci. Pollut. Res. 26 (2019) 30286-30302.
[24] A.P. Vavatsikos, A. Arvanitidou, D. Petsas, Wind farm investments portfolio formation using GIS-based suitability analysis and simulation procedures, J. Environ. Manag. (2019).
[25] H. Garg, Novel intuitionistic fuzzy decision making method based on an improved operation laws and its application, Eng. Appl. Artif. Intell. 60 (2017) 164-174. ISSN 0952-1976.
[26] C. Kahraman, I. Otay, Solar PV power plant location selection using a z-fuzzy number based AHP, International Journal of the Analytic Hierarchy Process 10 (3) (2018).
[27] L. De Santoli, F. Mancini, D.A. Garcia, A GIS-Based Model to Assess Electric Energy Consumptions and Useable Renewable Energy Potential in Lazio Region at Municipality Scale, Sustainable Cities and Society46, 2019.
[28] S. Geng, L. Lin, L. Zhang, X. Liu, Z. Huang, Site selection framework of fishing photovoltaic hybrid project under interval-valued intuitionistic fuzzy environment, J. Clean. Prod. 252 (2020).
[29] H.D. Parker, The Unique Qualities of geographic information system: a commentary, Photgrammetric Engeneering And Remote Sensing 54 (11) (1988) 1547-1549.
[30] K. Dueker, Land resource information systems: a review of fifteen years experience, Geo Process. 1 (1979) 105-128.
[31] P.A. Burrough, Principles of Geographic Systems for Land Resources Assessment, Clarendon, Oxford, 1986.
[32] I. Heywood, S. Cornelius, S. Carver, An Introduction to Geographical Information Systems, Longman, New York, 1998, pp. 11-12.
[33] C. Fitzpatrick, D.J. Magu1re, GIS in Schools: Infrastructure, Methodology and Role, 2000.
[34] T. Yomralıoğlu, Coğrafi Bilgi Sistemleri Temel Kavramlar Ve Uygulamalar (Geographic Information Systems Basic Concepts and Applications), vol. 2, Akademi Kitabevi, 2000. Baskı.
[35] M. Kawabata, Multidisciplinary cooperation in GIS education: a case study of Us Colleges and universities”, J. Geogr. High Educ. 34 (4) (2010) 493-509.
[36] F. Tuna, Ortaöğretim Coğrafya Derslerinde Proje Tabanlı Öğrenimi Desteklemek Amacı İle Cografi Bilgi Sistemlerinden (CBS) Yararlanma (Utilizing geographic information systems (GIS) to support project-based Learning in secondary education geography lessons). Yayımlanmamış PHD Thesis, Marmara Üniversitesi Eğitim Bilimleri Enstitüsü, 2008. İstanbul.
[37] D. Messaoudi, N. Settou, B. Negrou, B. Settou, GIS based multi-criteria decision making for solar hydrogen production sites selection in Algeria, Int. J. Hydrogen Energy (60) (2019) 31808-31831.
[38] A. Koc, S. Turk, G. Sahin, Multi-criteria of wind-solar site selection problem using a GIS-AHP-based approach with an application in Igdir Province/Turkey, Environ. Sci. Pollut. Control Ser. (31) (2019) 32298-32310.
[39] A.A. Merrouni, F.E. Elalaoui, A. Mezrhab, A. Mezrhab, A. Ghennioui, Large scale PV sites selection by combining GIS and Analytical Hierarchy Process. Case study: eastern Morocco, Renew. Energy 119 (2018) 863-873.
[40] L. Castro-Santos, G.P. Garcia, T. Simões, A. Estanqueiro, Planning of the Installation of Offshore Renewable Energies: A GIS Approach of the Portuguese Roadmap, Renewable Energy132, 2019, pp. 1251-1262.
[41] H.E. Colak, T. Memisoglu, Y. Gercek, Optimal Site Selection for Solar Photovoltaic (PV) Power Plants Using GIS and AHP: A Case Study of Malatya Province, Turkey, Renewable Energy149, 2020, pp. 565-576.
[42] Z. Xu, Intuitionistic fuzzy aggregation operators, IEEE Trans. Fuzzy Syst. 15 (6) (2007) 1179-1187.
[43] A. Garni, Z. Hassan, Anjali Awasthi, Solar PV power plant site selection using a GISAHP based approach with application in Saudi Arabia, in: Applied Energy, vol. 206, Elsevier, 2017, pp. 1225-1240. C.
[44] F. Kaya, G. Gökhan Şahin, M.H. Alma, Investigation effects of environmental and operating factors on PV panel efficiency using by multivariate linear regression, Int. J. Energy Res. 45 (2021) 554-567.
[45] F (b) Sahin, G. Işik, G. Şahin, M.K. Karaa, Estimation of PM10 levels using feed forward neural networks in Igdir, Turkey, Urban Clim. 34 (2020) 100721.
[46] F(a) Sahin, M.K. Kara, A. Koc, G. Sahin, Multi-criteria decision-making using GISAHP for air pollution problem in Igdir Province/Turkey, Environ. Sci. Pollut. Control Ser. 27 (2020) 36215-36230.
[47] D. Arca, Afet Yönetiminde Coğrafi Bilgi Sistemleri ve Uzaktan Algılama, Karaelmas Fen ve Mühendislik Dergisi 2 (ss) (2012) 53-61.
[48] H. Liu, D. Sun, Y. Yu, H. Wang, Y. Liu, Q. Liu, Y. Du, H. Wang, B. Cao, Evalution of the VIIRS and MODIS LST products in an arid area of northwest China, Remote Sens. Environ. 142 (2014) 111-121.
[49] R. Bayar, K. ve Karabacak, Ankara İli Arazi Örtüsü Değişimi (2000-2012)(Ankara province land cover change (2000-2012)), Cografi Bilimler Dergisi 15 (1) (2017) 59-76.
[50] Ü.D. Yüksel, O. ve Yılmaz, Ankara Kentinde Kentsel Isi Adasi Etkisinin Yaz Aylarinda Uzaktan Algilama Ve Meteorolojik Gözlemlere Dayali Olarak Saptanmasi Ve Değerlendirilmesi, Gazi Üniv, Müh. Mim. Fak. Der. Cilt 23 (No 4) (2008) 937-952, 2008.
[51] E. Özelkan, S. Bagis, E.C. Ozelkan, B.B. Üstündağ, M. Yücel, C. ve Ormeci, Spatial Interpolation of climatic, Avrupa Bilim ve Teknoloji Dergisi e-ISSN: 2148-2683948 variables using land surface temperature and Modified inverse distance weighting, Int. J. Rem. Sens. 36 (2015) 1000-1025.
[52] Q. Weng, Thermal infrared remote sensing for urban climate and environmental studies: methods applicaitons, and trends, ISPRS J. Photogramm 64 (2009) 335-344.
[53] R. Hamdi, Estimating urban heat island effects on the temperature series of Uccle (Brussels, Belgium) using remote sensing data and a land surface scheme, Remote Sens 2 (2010) 2773-2784.
[54] L. Liu, Y. ve Zhang, Urban heat island analysis using the Landsat TM data and Aster data: a case study in Hong Kong, Remote Sens 3 (2011) 1535-1552.
[55] J. Zhou, Y. Chen, J. Wang, W. Zhan, Maximum nighttime urban heat island (UHI) intensity simulation by integrating remotely sensed data and meteorological observations, IEEE J. Sel. Top. Appl. Earth Obs. Rem. Sens. 4 (2011) 138-146.
[56] A. Sekertekin, S. ve Bonafoni, Land surface temperature retrieval from Landsat 5, 7, and 8 over rural areas: assessment of different retrieval algorithms and emissivity models and toolbox implementation, Rem. Sens. (2020).
[57] A. Sekertekin, Ş.H. Kutluoglu, S. Kaya, A.M. Marangoz, Uydu Verileri Ile Arazi Örtüsündeki Yer Yüzey Sıcaklığı Değişimlerinin Analizi: Zonguldak Örneği, Türkiye, TMMOB Harita Ve Kadastro Mühendisleri Odası (Analysis of Ground Surface Temperature Changes in the Land Cover with Satellite Data: the Case of Zonguldak, Turkey, TMMOB Chamber of Surveying and Cadastre Engineers), 15, Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara, 2015, p. 25. -28 Mart 2015.
[58] B. Çelik, Yeryüzü Sıcaklıklarının Uzaktan Algılama Tekniği Ile Belirlenmesi: TekKanal Yöntemleri (Determination of Earth Temperatures by Remote Sensing Technique: Single-Channel Methods), İstanbul Teknik Üniversitesi Yüksek Lisans Tezi, 2013.
[59] J.C. Price, The Contribution of Thermal Data in Landsat Multispectral Classifacition, Photo, English Remote Sensing, 1981.
[60] A. Chedin, N.A. Scott, C. Whacihe, P. ve Moulinier, The improved initialisation inversion method: a high resolution physical method for temperature retrievals from the TIROS-N series, J. Clim. Appl. Meteorol. (1985).
[61] M. Ozcan, A.K. Caliskan, Engineering management program EM 599 – TERM PROJECT, fina report. Site Selection for Wind-Solar Hybrit Power Plant in Turkey, Middle East Technical University industrial department, 2017.
[62] S. Turk, A. Koc, G. Sahin, Multi-criteria of PV solar site selection problem using GIS-intuitionistic fuzzy based approach in Erzurum province/Turkey, Scientifc Reports 11 (2021) 5034.

Handling editor: Mark Howells

Ecological criteria
Geographical information systems (GIS)
Intuitionistic fuzzy
Multi-criteria decision-making
Solar power plant siting map
Wind power plant siting map
Solar-wind optimal siting map

The rapid development of technology and industrialization causes the rapid consumption of fossil resources, which are already limited and will be depleted in the future. Especially in our age, with the increase in the quality of life in cities, the demand for electrical energy is increasing even more. In meeting and producing this increasing energy type, fossil resources are now being replaced by economic and environmentally friendly renewable energy sources (RES) [1]. Considering the world electricity production, it is seen that renewable energy sources already have an important place. In 2022, 29.9 % of the total global electricity production is obtained from renewable sources, and nearly of that ( 12.1 % in absolute terms) is provided by photovoltaic (PV) solar power plants (REN21, 2023). In the Netherlands, in of total electricity production came from renewable sources [2], which has
increased by compared to 2021. While the amount of electricity produced in 2022 did not change compared to 2021, electricity production from fossil sources decreased by . Electricity production from renewable sources increased to 47 billion kWh , with from solar and from wind resources. This was largely due to increased capacity (solar +4 GW , wind +1 GW ) and better weather conditions. Spatial potential analysis of solar PV has been performed recently. For instance Ref. [3], in their research on solar energy for a sustainable future in China focused on the rapid increase in electricity demand in China and revealed that solar resources and large amounts of land are widely available in the western and northern regions of China [4]. investigated the areas where solar farms can be established in the city of Cartegena, located in southeastern Spain, using Geographic Information Systems (GIS) and Multi-Criteria Decision Analysis (MCDA) methods [5]. worked on the identification of potential areas where solar farms

can be established in Ismailia Province, Egypt, using the shuttle radar topography task and multi-criteria decision analysis method. Recent studies by Refs. [6,7] focus on Dutch wind and solar PV power supply and these have resulted in the construction of geodatabases of spatially

resolved scenario-specific, hourly onshore and offshore wind power generation profiles at an individual turbine level, as well as generation profiles for several categories of building-bound, land-bound and water-bound PV. The scenarios used were so-called eneryg transition scenarios for 2030 and 2050. These studies focus on system level location potential, less on actual local suitable areas. Some kind of decision making support process must be used to find optimal locations, taking into account many aspects, such as land-scape integration, availability of grid infrastructure etc. We propose a method based on fuzzy systems.
[8] investigated the suitability of Korea’s Ulleung Island for solar farms using GIS in combination with fuzzy sets. This allows to support and analyse decision-making processes [9]. stated that while systems in engineering and other branches of science are modeled according to the principles of precise mathematical methods, a new way is sought for solving problems due to the uncertainty of decision-making processes. It is defined as creating decision systems that can use and make choices according to the situation [10]. describes the concepts of fuzzy logic, such as that the definitions containing “a little”, are not fully understood among people. It is defined as ensuring that logic processes are executed more successfully than computer systems [11]. defined the concept of Intuitive Fuzzy Set (IFS) as a generalization of the concept of fuzzy set in his study. The first information about the concept of fuzzy and its principles was put forward by Lütfi [12]. [13] proposed the first application in fuzzy regression with their study in 1982. The analysis was performed using linear programming technique [14]. stated in their study that the linear fuzzy regression model is a more appropriate method [15]. in his study explained the fuzzy regression model developed by fuzzy logic and fuzzy logic [16]. proposed a fuzzy regression method that explains the blurring that may occur when blurring due to human judgment is not taken into consideration in the methods for subjective image quality assessment (IQA) [17]. proposed the FPC operator used for constraints in a mathematical programming problem to formulate fuzzy linear regression models with fuzzy parameters using fuzzy observations [18]. studied the elements of heuristic fuzzy sets that have a membership degree and a non-membership degree whose sum is

less than or equal to 1 . Intuitive fuzzy interpretations of multi-person and multi-criteria multi-criteria decision making processes are discussed in several studies [19]; [20-24]. New method for dealing with multi-criteria decision making problems based on heuristic fuzzy sets

are reported [25-28]. This method allows the degree of availability and failure of each alternative according to the set of criteria expressed by Intuitionistic fuzzy sets.

Our research focuses on application of fuzzy sets in support of location deceision making for solar and wind plants, To the best of our knowledge, there are very few studies on the extensions of fuzzy sets due to computational complexity, and most of the researchers have been on type-1 fuzzy models. In our study, an intuitionistic fuzzy-based approach is used to support planning of solar and wind plants on optimal areas.

This section introduces the fundamentals of the techniques used in this work including GIS as a mapping technique and intuitionistic fuzzy sets.

Geographic Information Systems have been defined in different ways by different scientists. GIS has been defined as a system for acquiring, storing, controlling, processing, analyzing and displaying spatial data connected to the earth [29]. described GIS as an information system that stores, analyzes and displays spatial and non-spatial data, and [30] describes a database as a specialized information system that can contain spatially distributed attributes, activities or events that can be defined as points, lines, and areas in space [31]. defines GIS as a powerful set of tools for collecting, storing, retrieval, and displaying spatial data in the real world, and according to Ref. [32]; GIS is a tool that collects, stores, and controls geographic data around the world. It is a system that integrates, uses, analyzes and shows for the desired purpose [33]. Scientists who have done various studies on GIS in Turkey have also used different definitions of GIS. According to Ref. [34]; GIS is an information system that performs the functions of collecting, storing, processing and presenting graphical and non-graphic information obtained by location-based observations to the user in an integrated manner.

According to Ref. [35]. “GIS is a set of systems in which all kinds of data belonging to objects and events on earth are entered into the computer according to real coordinates and analyzed here and displayed in the form of maps, tables and graphics”. According to Ref. [36]; GIS is a

computer system that uses geographic data and performs various management and analysis tasks on data. According to another definition, GIS allows to enter any data with spatial characteristics (climate, vegetation, landforms, population, settlement, etc.) into a computer environment (digitization), to obtain new data by using the entered data, to use this data. questioning, arranging, analyzing, revealing their mutual relations with each other and the results obtained in graphics, maps, 3D images, etc. It is a computerized mapping system based on visualization [37,38]; Akturk et al., 2021). In this study, after the base maps were created, the result maps were created by giving class values separately for each usage map in the recclasify module in the Arc-GIS 10.8 package program to create wind maps, solar maps and wind + solar maps [9,39,40]. The data sequence and analysis in this model is shown in Fig. 15. While obtaining the base maps, slope, aspect, solar radiation and elevation maps were created in the Spatial Analysis module of the Arc-GIS 10.8 package program by combining 12 dem maps with a resolution of 12.5 m from the Alos Polsar satellite (https://asf.alaska.edu/datasets /daac/alos-palsar/). Wind speed and air temperature maps were obtained in dem format and created in the Spatial Analysis module of the Arc-GIS 10.8 package program ((https://globalsolaratlas.info/map)(htt ps://globalwindatlas.info/en)). Unfortunately, satellite data were insufficient for the study area while creating air pressure and air humidity maps. For this reason, annual average humidity and pressure data of 28 different metrology stations within the borders of the Netherlands were obtained and processed on a point basis. Point data were converted into spatial data in the Geostatistical Analyst module of the Arc-GIS 10.8 package program. While creating surface temperature maps, surface temperature maps were obtained by using band 10 , band 4 and band 5 data of Landsat 8 satellite and formulated in Arc-GIS 10.8 package program. In land use maps, CORINE level 3 maps were simplified to level 2 and digitized in Arc-GIS 10.8 program. Power lines and road lines maps were digitized from raster format in Arc GIS 10.8 program and distance coefficients were determined in Buffer module.

[12] was the first to propose the concept of fuzzy logic. Zadeh has shown that many concepts can be defined linguistically better than traditional mathematics, and fuzzy logic and its expressions in fuzzy sets constitute a better model of real life (Yildiz and Kişoğlu: 2014). In the classical set concept, an element with a characteristic function is either an element or not an element of a set. However, in the concept of fuzzy set, whether an apple belongs to a cluster or not is defined by a membership function that assigns a membership degree in the range to each object [12,41].

Definition 1. Let be a non-empty set and . Then for the function
, a fuzzy set A at X can be defined to show the membership degree of

In fact, every membership function is a function that returns the elements of a classical universal set to a number in the range .

In the fuzzy set A , the degree of belonging of an element to the set is , while the degree of not belonging is . Therefore, the sum of the degrees of belonging and not belonging is equal to 1 . However, this situation is insufficient to explain the uncertainty in some problems. For this reason [11], proposed the Intuitionistic fuzzy set theory, which is the generalization of fuzzy set theory, see also [20].

Definition 2. Let X be a non-empty set and . So ( x ): and
for two functions;

The set equation (1) is called the Intuitionistic fuzzy set. Here, ( ) indicates the degree of belonging of the element to the set , while indicates the degree to which the element does not belong to the set . Hesitation in a heuristic set; It is defined as ). Therefore, equation
(2) exists:

A intuitionistic fuzzy set consists of intuitionistic fuzzy numbers, and a intuitionistic fuzzy number is defined as . A score function can be used to rank the Intuitionistic fuzzy numbers (Chen and Tan, 1994). The score value of the Intuitionistic fuzzy number is calculated with . The heuristic fuzzy number with a larger score value is larger.

The degree of hesitation indicates the level of hesitation about whether an element belongs to the set . If the degree of hesitation is large, the belonging of that element to that cluster is relatively uncertain, and if the degree of hesitation is small, the status of belonging to that cluster is relatively more obvious. In decision-making methods, the collection of information and obtaining the results with the collected information constitute the basis. An arithmetic mean operator was developed by Ref. [42] for the collection of heuristic fuzzy data, that is, finding the mean values.

Definition 3. Let be n intuitive fuzzy numbers. The arithmetic mean, where is the weight vector of the given numbers, is defined as:

According to the definitions given above, using heuristic fuzzy logic provides a flexible decision process in determining, for example, the financial performance of companies. In this study, we follow the proposed method by Das et al. (2014) using the following steps. In this study; constitutes the set of alternatives, and constitutes the set of criteria.

Step 1. Creating a Decision Matrix with ” ” Criteria with ” ” Alternatives

For each alternative, data is collected, these data are evaluated linguistically, and these linguistic terms are transformed into heuristic fuzzy numbers to form a decision matrix .

In multi-criteria decision making problems, the weight of each criterion is different. Some criteria may be more important, while others may be less important. In a decision process where the criteria weights are not completely known, the weight of each criterion can be calculated by following the steps given below. The entropy matrix of the decision matrix ( ) formed first is calculated with the help of equation (5) and is represented by the matrix given below.

Entropy refers to the disorder in the system as a word. An information measure of evaluation data using this concept can be defined by equation (6).

The measurement matrix obtained with this measurement information is indicated by .

After constructing the matrix, criteria weights are calculated using equations (7) and (8).

After calculating the weight of each criterion, the weighted average values are calculated using equation (9).

After calculating the weighted average values, the score function defined by Chen and Tan (1994) can be used to find the score for each alternative. After calculating the scores of the alternatives, the alternative with the highest score means the best alternative.

This study focuses on identifying the solar and wind potential in the Netherlands. The country is located in the northwest of the European continent. It is surrounded by the North Sea to the north and west, Germany to the east and Belgium to the south. It has one of the highest population densities among EU countries. is the highest in Europe. It is the lowest country in Europe. 40% of its territory is below sea level. Tt is located between and north latitude and east longitude. The Netherlands has a warm and rainy oceanic climate. The aim of this study is to examine the 12 regions of the Netherlands – Noord Holland (A1), Gelderland (A2), Friesland (A3), Noord Brabant (A4), Drenthe (A5), Groningen (A6), Zeeland (A7), Utrecht (A8), Zuid Holland (A9), Limburg (A10), Overijssel (A11) and Flevoland (A12) – for the establishment of solar power plants and wind farms in the Netherlands. The alternatives were evaluated according to various criteria such as elevation, slope, land cover, aspect, aspect, slope, slope, geological rock type, solar radiation, air temperature, transmission line, wind speed, air pressure, air humidity, land surface temperature (LST) and transportation network using Arc-GIS mapping technique and Multi-Criteria Decision Making (MCDM), one of the heuristic fuzzy methods.

We have determined 14 criteria for the optimum location of solar and wind power plants in the Netherlands, in line with the existing literature and expert opinion. These criteria are summarized below:
(C1) Slope: The slope characteristics of the topography are an important factor for RES installation (see Fig. 1). In wind power plant (WPP) suitable location selection, the slope should not exceed as it causes problems in terms of transportation, installation and performance. Within the scope of the study, areas with a slope below were determined as suitable for WPP site selection in terms of this criterion [43] Ozcan M.et al., 2017 [38]; Türket al. 2020; Turk et al., 2021, [44]. For the Netherlands, Fig. 2 shows the slope map. It is clear that the slope criterion is exceeded at a very low number of locations in the south-west (Limburg province) only.
(C2) Aspect: Aspect is the position of any place relative to the sun, also denoted to as orientation. It refers to the position of the slopes of the mountains relative to the sun. In the Netherlands no mountains exist, but some hilly regions can be found. With these features it provides, it is important in terms of renewable energy [43] Ozcan M.et al., 2017 [38]; Türket al. 2020; Turk et al., 2021, [44]. For the Netherlands, Fig. 3 shows the aspect map.
(C3) Solar irradiation: Solar radiation is one of the most important parameters for solar and wind energy. Solar radiation is the radiant energy that is generally emitted to the environment within a certain period of time. The unit of radiant energy falling on the unit surface is (joule/square meter, ). Solar radiation is the power per unit area received from the Sun in the form of electromagnetic radiation in the wavelength range of the measuring instrument [43] Ozcan M.et al., 2017 [38]; Türket al. 2020; Turk et al., 2021, [44]. For the Netherlands, Fig. 4 shows the solar radiation map.
(C4) Land use: Land use is the regulation of how the land in a country or region is to be used, protected and managed. Land use aims to protect the economic, social and environmental interests of the land in a balanced way. Land use includes the protection of the natural resources
of the land, the planning of land use, agriculture, forestry, tourism, energy production, transportation, determination of renewable energy areas and other economic activities in accordance with land use [43] Ozcan M.et al., 2017 [38]; Türket al. 2020; Turk et al., 2021, [44]. Fig. 5 shows the map of the Netherlands in terms of land use.
(C5) Wind speed: Horizontal directional air movements moving from areas of high pressure to areas of low pressure are called winds. In other words, the wind is formed due to the pressure difference between two points and the wind continues to blow until this pressure difference decreases. The device that measures wind speed is called anemometer [43] Ozcan M.et al., 2017; Koç A et al., 2019; Türket al. 2020; Turk et al., 2021, [44]. The annual average wind speed map of the Netherlands is demonstrated in Fig. 6.
(C6) Air Temperature: The average (kinetic energy of a particle) of the kinetic energies of the particles that make up a substance is called temperature. Since the particles that make up matter transfer their kinetic energies as a result of collision with each other, the kinetic energy of each particle is different and when they hit each other, their kinetic energies change constantly. Since the kinetic energies of the particles of the substance at the same temperature are different, the temperature is the average of the kinetic energies of all of the particles, not a single particle. Air circulation in hot places with sun result when the panel temperature decreases energy production and efficiency increase, air circulation energy production and it was determined that the efficiency decreased (Homadi, 2016). After the air temperature maps of the study area were obtained from “Global Atlas” numerically, they were used in Arc-GIS 10.2 package program to form a structure compatible with the working scale by reclassification on the Reclass button in the Spatial Analyst Tool module [43] Ozcan M.et al., 2017 [38]; Türket al. 2020;

Turk et al., 2021, [44]. In Fig. 7, the Netherlands average air temperature map is shown.
(C7) Air Pressure: The water vapor carried by the air is called humidity. The amount of moisture, that is, water vapor, that the air can carry varies with temperature and pressure. An increase in temperature increases the amount of moisture that can be transported. Moisture maps of the study area were obtained by digitizing the point data obtained from stations in 12 different locations in the Arc-GIS 10.2 package program and using the “Kriging” method in the Geostatistical Analyst module (Sahin F et al., 2020). Fig. 8 shows the result.
(C8) Air Humidity: The gases surrounding the earth have a weight. The force exerted by the gases forming the atmosphere on the earth under the influence of gravity is called air pressure. The Air Pressure map was digitized in the Arc-GIS 10.2 package program and obtained using the “Kriging” method in the Geostatistical Analyst module [45,46], see Fig. 9.
(C9) Land Surface Temperature: Land surface temperatures are an important parameter in terms of climate and are used in climate models. It is successfully used to determine the land surface temperature (LST) values and changes and to investigate their effects [34,47,48]. Land Surface Temperature differs according to land cover and usage and is frequently used in determining the changes in the land [49]. Urban heat island [50], climate [51], agriculture (Özelkan, 2014), drought, forestry, maritime and in many other studies, LST data is an important and effective data source [52-55]. In order to calculate the LST value successfully, data such as atmospheric effects values, sensor parameters, and ground surface emissivity are needed to assist in the calculation of LMS [56]. Single-channel, Multi-angle, Multi-channel, Split Window methods are used in the calculation of LST [57]. In the single channel method, the radiation change on the earth emitted from the atmosphere is directly proportional to the data detected in two different channels. In this way, atmospheric effect and surface radiation values can be reached [58]. Atmospheric temperature, humidity, water vapor and brightness temperature values obtained from thermal satellite images are used [59, 60]. Land surface temperatures ranging from to were studied in the study area. Due to the temperate oceanic climate of the Netherlands, winters are warm and summers are cool. Rainfall in the Netherlands continues throughout the year, so there is no dry period. Average annual precipitation in the Netherlands ranges from 736.6 mm to 838.2 mm . It is seen that the surface temperature of a large part of the Netherlands is . The places where the surface temperature is low are the places with high precipitation. This is a situation we do not want for Solar and Wind energy. This causes a decrease in the friction force close to the ground, the wind intensity and, accordingly, the Coriolis force. This reduces the average movement of the atmosphere and wind generation [43]; Özcan M. et al., 2017 [38]; Türket et al., 2020; Turk et al., 2021, [44]. Fig. 10 show the land surface temperature. We obtain the LST as follows (Figs. 10 and 11).

Band data of Landsat 8 satellite was analyzed as in the diagram above and Arc GIS 10.8 program was used for analysis (Chander and Groeneveld, 2009; Jimenez-Munoz et al., 2014 [38]; Rozenstein et al., 2014;

Turk et al., 2021). In the first stage of the study, the satellite images of Landsat 8 in different bands were classified and the following equation was used to obtain the atmospheric radiation value in the stage.
Band10x0,003342+0,1.
Spectral luminance at sensor aperture ( )
In the second step, another equation was used to convert the atmospheric irradiance value to the sensor temperature (Chander and Markham, 2003).