OECD Ülkelerinin Ekolojik Ayak İzinin Entropi-Topsis Yöntemi ile Analizi

Abstract

Ekolojik ayak izi, bireylerin, toplulukların ve ülkelerin doğal kaynakları kullanma biçimini ve çevresel etkilerini ölçen önemli bir göstergedir. Bu kavram, ekosistem üzerindeki insan etkisini değerlendirerek sürdürülebilirliğin sağlanmasına yönelik farkındalık oluşturmayı amaçlamaktadır. Ekolojik ayak izinin analizi, tüketilen doğal kaynak miktarını ve bu tüketimin ekosistem üzerindeki etkilerini ortaya koyarak çevresel dengenin korunmasının önemini vurgulamaktadır. Ülkelerin karbon emisyonlarının azaltılması, yenilenebilir enerji kullanımı, sürdürülebilir tarım uygulamaları, biyoçeşitliliğin korunması ve atık yönetimi gibi alanlardaki politika ve tutumları, ekolojik ayak izinin azaltılmasında kritik bir rol oynamaktadır. Bu bağlamda, ekolojik ayak izinin azaltılması, hem doğal kaynakların etkin ve sürdürülebilir kullanımını sağlamak hem de uzun vadede çevresel dengeleri korumak açısından zorunluluk haline gelmiştir. Aynı zamanda, bireylerin tüketim alışkanlıklarına yönelik bilinçli yaklaşımlar benimsemeleri, ekolojik ayak izinin azaltılmasına önemli ölçüde katkı sağlayacaktır. Çalışmada, OECD ülkelerinin ekolojik ayak izi bileşenlerine yönelik ağırlıkları ve performans sıralamaları belirlenmiş; böylece ülkelerin çevresel sürdürülebilirlik düzeyleri değerlendirilerek, ekolojik etkileri karşılaştırmalı biçimde analiz edilmiştir. OECD ülkelerinin ekolojik ayak izi 2010-2022 verileri Global Footprint Network (Küresel Ayak İzi Ağı)ndan derlenmiştir. Çalışmada, ilk olarak kriter ağırlıkları Entropi yöntemi ile belirlenmiş, ardından alternatiflerin performans sıralaması TOPSIS yöntemi kullanılarak gerçekleştirilmiştir. Analiz sonucunda en yüksek kriterin karbon, en düşük kriterin ise yapılaşmış alan olduğu bulunmuştur. Performans sıralamasında ise ilk ülke ABD, son ülke Almanya olarak bulunmuştur. Son bölümde ise kullanılan modelin sağlamlığını test etmek ve farklı kriter ağırlıklarının Çok Kriterli Karar Verme (ÇKKV) sonuçları üzerindeki etkisini göstermek amacıyla kapsamlı bir duyarlılık analizi gerçekleştirilmiştir. Duyarlılık analizi ile her senaryoda en önemli kriterin ağırlık katsayısı %1 azaltılarak 40 farklı senaryo oluşturulmuştur. Elde edilen senaryolar, TOPSIS yöntemi kullanılarak yeniden değerlendirilmiş ve bu doğrultuda ülkelerin performans puanları ile sıralamaları elde edilmiştir. Yapılan analiz sonucunda, bazı OECD ülkelerinin sıralamalarında küçük değişiklikler gözlemlenmiştir. Bu tür değişimler, ilk sıralamanın geçerliliği ve güvenilirliği açısından önem arz etmektedir. Ayrıca 2010-2022 yılları boyunca Avusturalya, Japonya, Polonya gibi ülkelerin dışında diğer ülkelerin performans sıralamalarında çok fazla değişim olmadığı gözlemlenmiştir. Bu on üç yıl boyunca kriter ağırlıklarında ise karbon ve yapılaşmış alan kriteri dışındaki diğer kriterlerde minör düzeyde bir değişkenlik gözlemlenmiştir.

Keywords

• Ekolojik ayak izi
• OECD ülkeleri
• Entropi
• TOPSIS
• ÇKKV

Analysis of Ecological Footprint of OECD Countries With Entropi-Topsis Method

Abstract

The ecological footprint is an important indicator that measures how individuals, communities, and countries use natural resources and their environmental impacts. This concept aims to raise awareness of sustainability by assessing the impact of human activities on the ecosystem. The analysis of the ecological footprint highlights the importance of maintaining environmental balance by revealing the amount of natural resources consumed and the impact of this consumption on the ecosystem. Countries' policies and approaches in areas such as reducing carbon emissions, using renewable energy, implementing sustainable agricultural practices, preserving biodiversity, and managing waste play a critical role in reducing the ecological footprint. In this context, reducing the ecological footprint has become a necessity both for ensuring the efficient and sustainable use of natural resources and for maintaining environmental balance in the long term. At the same time, adopting conscious approaches to consumption habits will significantly contribute to reducing the ecological footprint. In the study, the weights and performance rankings of the ecological footprint components of OECD countries were determined, thereby assessing the environmental sustainability levels of the countries and comparatively analyzing their ecological impacts. The ecological footprint data for OECD countries from 2010 to 2022 has been collected from the Global Footprint Network. In the study, the criterion weights were first determined using the Entropy method, and then the performance ranking of the alternatives was conducted using the TOPSIS method. The analysis revealed that the highest criterion is carbon, while the lowest criterion is built-up land. In the performance ranking, the top country was found to be the United States, while the last country was Germany. In the final section, a comprehensive sensitivity analysis was conducted to test the robustness of the model and to demonstrate the impact of different criterion weights on the Multi-Criteria Decision Making (MCDM) results. Through sensitivity analysis, 40 different scenarios were created by reducing the weight coefficient of the most important criterion by 1% in each scenario. The obtained scenarios were re-evaluated using the TOPSIS method, and accordingly, the performance scores and rankings of the countries were determined. As a result of the analysis, minor changes were observed in the rankings of some OECD countries. Such variations are significant in terms of the validity and reliability of the initial ranking. Additionally, it was observed that there were not many changes in the performance rankings of countries other than Australia, Japan, and Poland during the years 2010-2022. During these thirteen years, minor variations were observed in the weights of criteria other than the carbon and built-up land criteria.

Keywords

• Ecological footprint
• OECD countries
• Entropi
• TOPSIS
• MCDM

References

1. Abdel-Basset, M., Mohamed, M., & Smarandache, F. (2018). A hybrid neutrosophic group ANP-TOPSIS framework for supplier selection problems. Symmetry, 10(6), 226. https://doi.org/10.3390/sym10060226
2. Alp, İ., Öztel, A., & Köse, M. S. (2015). Entropi tabanlı MAUT yöntemi ile kurumsal sürdürülebilirlik performansı ölçümü: bir vaka çalışması. Ekonomik ve Sosyal Araştırmalar Dergisi, 11(2), 65-81. Erişim adresi: https://dergipark.org.tr/tr/pub/esad/issue/38966/456071#article_cite
3. Apaydın, Ş. (2020). Küreselleşmenin ekolojik ayak izi üzerindeki etkileri: Türkiye örneği. Ekonomi Politika ve Finans Araştırmaları Dergisi, 5(1), 23-42. https://doi.org/10.30784/epfad.695836
4. Atılgan, D., & Dallı, T. (2024). Küreselleşme Türkiye’deki ekolojik ayak izini etkiliyor mu? ARDL testinden kanıtlar. Adıyaman Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (47), 480-510. https://doi.org/10.14520/adyusbd.1478435
5. Ayçin, E., & Çakın, E. (2019). Ülkelerin inovasyon performanslarının ölçümünde Entropi ve MABAC çok kriterli karar verme yöntemlerinin bütünleşik olarak kullanılması. Akdeniz İİBF Dergisi, 19(2), 326-351. https://doi.org/10.25294/auiibfd.649275
6. Behzadian, M., Otaghsara, S.K., Yazdani, M., & Ignatius, J. (2012). A state-of the-art survey of TOPSIS applications. Expert Systems with Applications, 39(17), 13051-13069. https://doi.org/10.1016/j.eswa.2012.05.056
7. Çınaroğlu, E. (2020). Yenilikçi Girişimlere ait faaliyetlerin entropi destekli MABAC yöntemi ile değerlendirilmesi. Journal of Entrepreneurship and Innovation Management, 9(1), 111-135, Erişim adresi:https://dergipark.org.tr/tr/pub/jeim/issue/60043/868114
8. Daldıran, B. (2025). Greenproduction and ecological footprint: evaluation of sustainability performance with Multi-Criteria Decision-Making methods. Girişimcilik ve İnovasyon Yönetim Dergisi, 14(1), 105-126. Erişim adresi: https://dergipark.org.tr/en/pub/jeim/issue/93234/1672086

9. Ecer, F. (2022). An extended MAIRCA method using intuitionistic fuzzy sets for coronavirus vaccine selection in the age of COVID-19. Neural Comput & Applic, 34, 5603–5623. https://doi.org/10.1007/s00521-021-06728-7
10. Galli, A., Wackernagel, M., Iha, K., & Lazarus, E. (2014). Ecological footprint: implications for biodiversity. Biological Conservation, 173, 121-132. https://doi.org/10.1016/j.biocon.2013.10.019
11. GFN. (2022). Global Footprint Network, National Footprint Accounts, Ecological Footprint. Erişim adresi: http://data.footprintnetwork.org
12. GFN. (2025). Global Footprint Network. Ecological footprint and biocapacity data. Erişim adresi: https://www.footprintnetwork.org/
13. Kılınç, E. C. (2021). Ekolojik ayak izi-enerji ar-ge harcamaları ilişkisi: OECD ülkeleri örneği. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 527-541. https://doi.org/10.25287/ohuiibf.723064
14. Koide, R., Lettenmeier, M., Kojima, S., Toivio, V., Amellina, A., & Akenji, L. (2019). Carbon footprints and consumer lifestyles: an analysis of lifestyle factors and gap analysis by consumer segment in Japan. Sustainability, 11(21), 59-83. https://doi.org/10.3390/su11215983
15. Ma, Y., Xu, L., Cai, J., Cao, J., Zhao, F., & Zhang, J. (2021). A novel hybrid multi-criteria decision-making approach for offshore wind turbine selection. Wind Engineering, 45(5), 1273-1295. https://doi.org/10.1177/0309524X20973600
16. Öztel, A., Aydın, B., & Köse, M. S. (2018). Entropi Tabanlı TOPSIS yöntemi ile enerji sektöründe kurumsal sürdürülebilirlik performansının ölçümü: Akenerji örneği. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi, 9(24), 1-24. Erişim adresi: https://dergipark.org.tr/tr/pub/gumus/issue/40078/374945
17. Öztok, D., & Tapan, D., (ed), (2012). Türkiye’nin ekolojik ayak izi raporu, Ofset Yapımevi. Erişim adresi: http://awsassets.wwftr.panda.org/downloads/turkiyenin_ekolojik_ayak_izi_raporu.pdf
18. Ömürbek, N., Eren, H., & Dağ, O. (2017). Entropi-ARAS ve Entropi-MOOSRA yöntemleri ile yaşam kalitesi açısından AB ülkelerinin değerlendirilmes. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(2), 29-48. Erişim adresi: https://dergipark.org.tr/tr/pub/ohuiibf/issue/28958/296823
19. Rockström, J., Steffen, W., Noone, K., Persson, A, Chapin FS 3rd, Lambin EF, Lenton TM, Scheffer M, Folke C, Schellnhuber HJ, Nykvist B., deWit, C.A., Hughes, T., van der Leeuw, S., Rodhe, H., Sörlin, S., Snyder, P.K., Costanza, R., Svedin, U., Falkenmark, M., Karlberg, L., Corell, R.W., Fabry, V.J., Hansen, J., Walker, B., Liverman, D., Richardson, K., Crutzen, P., & Foley, J.A. (2009). A safe operating space for humanity. Nature, 461(7263), 472-475. https://doi.org/10.1038/461472a
20. Rouyendegh, B. D. (2015). Developing an Integrated ANP and Intuitionistic Fuzzy TOPSIS model for supplier selection. ASTM International. J. Test. Eval., 43(3), 664-672. https://doi.org/10.1520/JTE20130114
21. Sarkodie, S. A. (2021). Environmental performance, biocapacity, carbon & ecological footprint of nations: Drivers, trends and mitigation options. Science of the Total Environment, 751, 141912. https://doi.org/10.1016/j.scitotenv.2020.141912
22. Şimşek, T., & Bursal, M. (2019). Türkiye’de ekolojik ayak izi ve biyokapasite arasındaki ilişki: Bootstrap Rolling Window nedensellik testi. IBAD Sosyal Bilimler Dergisi,(Özel Sayı),452-465.https://doi.org/10.21733/ibad.613865
23. Ye, B., Yang, Z., Wan, L., & Dong, Y. (2020). Multi-Objective evaluation of airborne self-separation procedure in flow corridors based on TOPSIS and Entropy. Sustainability, 12(1), 322. https://doi.org/10.3390/su12010322
24. Zhang, H., Gu, C.L., Gu, L.W. & Zhang, Y. (2011). The evaluation of tourism destination competitiveness by TOPSIS & information ENTROPY - A case in the Yangtze River Delta of China. Tourism Management, 32(2), 443-451. https://doi.org/10.1016/j.tourman.2010.02.007
25. Zou, Z., Yun, Y., & Sun, J. (2006). Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment. Journal of Environmental Sciences, 18(5), 1020-1023. https://doi.org/10.1016/S1001-0742(06)60032-6
26. Wang, P., Zhu, Z., & Wang, Y. (2016). A novel hybrid MCDM model combining the SAW, TOPSIS and GRA methods based on experimental design. Information Sciences, 345, 27-45. https://doi.org/10.1016/j.ins.2016.01.076
27. Wang, Y.M., & Lee, H.S. (2009). Developing a fuzzy TOPSIS approach based on subjective weights and objective weights. Expert Systems with Applications, 36(5), 8980–8985. https://doi.org/10.1016/j.eswa.2008.11.035
28. Wu, D., Wang, N., Yang, Z., Li, C., & Yang, Y. (2018). Comprehensive evaluation of coal-fired power units using grey relational analysis and a hybrid Entropy-Based weighting method. Entropy, 20(4), 215. https://doi.org/10.3390/e20040215