Integrating machine learning and geospatial technologies for spatio-temporal analysis of urban expansion and land use transformation in Gambella Town, Ethiopia
Kanenus Fufa Dararo · Goanar Jal Dup · Weyesa Merga Chemeda 等 4 人
用机器学习与遥感分析埃塞俄比亚甘贝拉镇2005-2025年城市扩张与土地利用变化。
Landsat多时相影像、随机森林分类与GIS空间分析，结合277份问卷。
建成区从93公顷增至1956公顷，灌草地大幅转为建成区和农地。
可将随机森林时序分类与驱动力调查结合，扩展到更多非洲小城镇并耦合城市增长模拟。
研究聚焦埃塞俄比亚城市扩张与土地利用变化，属城市地理与遥感应用，与三农、农业信息化主题无直接关联，不建议进入每日精选。
快速城市化及与之相关的建成区扩张正在改变土地资源、生态系统功能和城市空间结构。区分城市增长（urban growth）、城市扩张（urban expansion）和城市蔓延（urban sprawl），对于理解城市转型的过程与格局、支撑可持续城市规划至关重要。本研究融合机器学习与地理空间技术，分析埃塞俄比亚甘贝拉镇（Gambella Town）土地利用与土地覆盖（LULC）的时空动态及城市扩张。采用遥感技术和基于随机森林（RF）分类器的监督机器学习方法，处理了2005年、2015年和2025年的多时相Landsat卫星影像。研究识别出六类主要LULC类型：农业用地、灌草地、建成区、裸地、林地和水体。2005年、2015年和2025年的分类总体精度分别为90%、90%和89%。结果表明，土地发生了显著转变，城市实体空间快速扩张，建成区面积从2005年的93公顷（2.0%）增至2025年的1,956公顷（41.3%）。这一扩张伴随着周边土地资源的重大转变，尤其是灌草地及其他开阔地被转化为建成用地。农业用地从634公顷（13.4%）增至1,750公顷（36.9%），而灌草地则从3,375公顷（71.1%）降至652公顷（13.7%）。从277名受访者收集的社会经济信息表明，人口增长、城乡迁移、住房需求、就业机会和基础设施建设是城市扩张的主要驱动因素。本研究将城市扩张（以建成用地增加为表征）与城市蔓延（指城市向外发展的空间格局与形态）加以区分。随机森林分类与基于GIS的空间分析的融合，为土地转变、植被丧失及城市服务压力加剧提供了有价值的证据，有助于甘贝拉镇实现更可持续的城市规划与土地管理。