米翁波林地景观中的土地覆盖动态:对尼亚萨特别保护区(2000–2024)的多尺度机器学习分析

《Land》:Land-Cover Dynamics in a Miombo Woodland Landscape: A Multi-Scale Machine Learning Analysis of the Niassa Special Reserve (2000–2024)

【字体: 大 中 小 】 时间:2026年08月28日 来源:Land 3.5

编辑推荐:

  理解稀树草原系统中的土地覆盖变化,需要采用考虑多空间尺度上生态梯度与人类土地利用的方法。本研究探讨了2000年至2024年间莫桑比克尼亚萨特别保护区(NSR)及其周边缓冲区的土地覆盖动态。利用随机森林(RF)对卫星影像进行土地覆盖分类,总体精度达到约98%,并

  
理解稀树草原系统中的土地覆盖变化,需要采用考虑多空间尺度上生态梯度与人类土地利用的方法。本研究探讨了2000年至2024年间莫桑比克尼亚萨特别保护区(NSR)及其周边缓冲区的土地覆盖动态。利用随机森林(RF)对卫星影像进行土地覆盖分类,总体精度达到约98%,并在景观、管理和局地尺度上对变化进行了量化。通过1000次迭代评估了模型的鲁棒性,并通过10,000次蒙特卡洛模拟传播分类不确定性。结果显示,NSR内部植被向更密集的方向转变,开放林地与密林增加,而以草本为主的区域减少。NSR内部郁闭林增加了约552 km2(95% MCSI: 375–586 km2),但在周边缓冲区减少了约1549 km2(95% MCSI: ?1499至?1226 km2)。NSR内的社区利用区域共计损失了约969 km2的郁闭林(95% MCSI: ?1014至?954 km2)。主要转变发生在相邻植被类别之间,表明这是结构性变化而非离散的类别转换。这些结果表明,在景观尺度上,保护与木本植被更大的持久性和扩张相关,而局地人类利用区域则表现出相反的轨迹。
理解稀树草原系统中的土地覆盖变化,需采用考虑多空间尺度上生态梯度与人类土地利用的方法。土地利用与土地覆盖变化科学在保护背景下的管理、政策制定和资源分配中至关重要。遥感技术被广泛用于分析土地覆盖变化,机器学习(ML,利用算法解析数据的计算领域)分类技术提高了区分土地覆盖类型的能力。然而,稀树草原和林地系统植被结构连续,且不同覆盖类型光谱特征重叠,使得分类面临挑战。这种光谱复杂性对基于分类的变化检测可靠性提出质疑。土地覆盖模式必须在社会政治和经济背景下解释,保护区成果与生计策略、治理结构和历史土地利用交织。研究区莫桑比克的尼亚萨特别保护区(NSR)是非洲最大的保护区之一,拥有大面积连续的Miombo林地生态系统。该保护区于2000年实施共同管理计划,将特许权承租人转变为生态保护和当地发展的参与者。然而,当地社区的存在增加了土地利用压力,使得该景观成为具有不同保护、管理和使用强度的镶嵌体。以往研究多局限于较大或较小空间尺度,缺乏关于大规模保护和共同管理策略如何影响土地覆盖动态的定量证据。因此,研究人员开展了此项研究,评估2000至2024年间NSR及周边景观的土地覆盖变化与保护和管理背景的关联,量化多尺度上土地覆盖及其变化和主要转变路径,并评估ML模型在光谱复杂Miombo林地中的适用性和鲁棒性。该研究表明保护区在景观尺度上与木本植被持久性和扩张相关,但在局部人类利用区域表现出相反轨迹。论文发表在《Land》。

研究人员在开展研究时,使用了以下关键技术方法。研究区为莫桑比克尼亚萨特别保护区(NSR)及周边缓冲区。数据来源包括2024年的Harmonized Landsat Sentinel-2(HLS,协调陆地卫星Sentinel-2,整合多卫星数据的遥感产品)影像和2000年的Landsat 7 ETM+影像,辅助预测变量涵盖归一化植被指数(NDVI,量化植被绿度的指标)等。野外数据采集于2024年5至7月,通过智能手机和Kobo Toolbox调查收集了500个验证点,并生成了207,518个训练点。研究采用随机森林(RF,基于决策树的集成机器学习算法)进行分类,超参数通过网格搜索优化。通过1000次随机划分验证集评估模型鲁棒性。在变化检测方面,通过像素逐个交叉表进行计算,并利用10,000次蒙特卡洛模拟进行不确定性传播分析。样本队列来源为NSR及其周边缓冲区的卫星影像和野外采集点。

研究结果如下:

3.1. 光谱特征与模型适用性
通过描述性光谱方差分析发现,各土地覆盖类别的光谱波段值范围大量重叠,开放林地、郁闭林(CCF,树冠郁闭度较高的森林)、草地和农业点几乎完全重叠,表明需使用ML分类。仅使用平均NDVI的逻辑回归模型总体精度为87.07%,但在区分裸地、草地/农业(GA,草本植物或耕作区域)和开放林地/稀树草原(OWS,稀树植被覆盖的区域)方面能力有限。这证明NDVI无法在此类高密度植被环境中有效区分结构类别。

3.2. 2000年和2024年影像分类
通过1000次迭代运行RF模型,结果表明模型性能高度稳定。2024年总体分类精度为98.84%,2000年为97.85%。变量重要性分析显示,红光波段和植被指数贡献最大。训练数据集大小敏感性分析表明,将2024年数据集从207,518个点减少到62,255个点未显著降低精度,验证了模型鲁棒性。

3.3. 多尺度土地覆盖变化动态(2000–2024)
通过多尺度土地覆盖变化分析得出,整个区域变绿,尤其NSR内部开放林地和密林增加,草本植物为主的区域减少;而周围缓冲区郁闭林大幅减少。蒙特卡洛不确定性传播证实这些主导变化模式稳健。保护区内不同特许经营区呈现异质性,大多数具有积极管理的特许区表现出木本植被增加,而包含社区居住区的区块则出现郁闭林减少的局部退化信号。

讨论部分总结如下:
研究量化了NSR在2000年和2024年的植被结构覆盖及其跨多尺度空间单元的变化。结果表明,2000至2024年间,研究区土地覆盖总体向木本植被增加的方向转变,保护状态在塑造景观结果中发挥了作用。NSR内部郁闭林增加,而未受保护缓冲区则显著减少。许多观测到的变化反映植被变厚等结构性变化,而非离散的类别转换。保护区内部土地覆盖动态并非均匀一致,受特许经营类型、社区居住区和环境梯度影响,存在空间异质性。Desmet发现NDVI是分类该林地的重要因素,但本研究表明仅靠NDVI无法区分类别,红光波段和综合植被指数更为重要。在绿色人工智能时代,验证计算必要性至关重要,迭代和蒙特卡洛模拟支持了所用方法的鲁棒性。由于仅评估了两个时间节点且缺乏详细土地利用数据,研究无法完全分离因果机制。这些发现为非洲稀树草原景观土地系统变化研究提供了经验见解,并提出了一个跨多空间尺度评估保护有效性的框架。

研究结论部分翻译如下:
2000至2024年间,NSR的土地覆盖轨迹与周围未受保护景观不同:经不确定性调整后的估计值显示,NSR内部郁闭林增加了约552 km2(95% MCSI: 375–586 km2),而缓冲区减少了约1549 km2(95% MCSI: ?1499至?1226 km2)。草地/农业在两个区域均大幅减少。然而在更精细尺度上,NSR内的社区利用区域共计损失了约969 km2的郁闭林(95% MCSI: ?1014至?954 km2),且唯一表现出草地/农业扩张的社区缓冲区Nkalapa,增加了约130 km2的该类别,同时损失了100 km2的郁闭林。综上所述,这些结果表明,在景观尺度上,保护与木本植被更大的持久性和扩张相关。尽管如此,这种保护信号在空间上具有异质性,在人类土地利用集中的区域可能会出现局部逆转。使用经典的随机森林单次运行分类可以确信地检测到这些变化,但光谱连续的植被类别需要谨慎解释。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号