Machine Learning-Based Assessment of Land-Use Change, Forest Recovery, and Landscape Connectivity in Islamabad
Muhammad Tariq Badshah · Hakim Ullah Khan · Muhammad Shabir 等 9 人
利用机器学习评估伊斯兰堡1991-2021年土地利用变化、森林恢复及景观连通性。
随机森林分类Landsat影像，FRAGSTATS和LFT分析景观格局。
城市扩张显著，森林面积先降后升，但景观破碎化持续，连通性有限。
可延伸研究森林恢复与景观连通性的空间协调机制，结合多尺度数据优化城市生态规划。
研究伊斯兰堡城市扩张与森林恢复，非中国三农或农业信息化主题，不入选。
土地利用/土地覆盖变化（LULCC）是栖息地破碎化、生物多样性丧失及景观连通性下降的主要驱动因素，尤其在快速城市化地区表现突出。尽管伊斯兰堡经历了显著的城市扩张和森林覆盖变化，但将土地覆盖动态与景观连通性相结合的城市尺度长期评估仍较为有限。本研究分析了1991年至2021年间伊斯兰堡土地利用/土地覆盖变化的时空特征，并评估了近期森林恢复是否改善了景观结构连通性。将1991年、2001年、2011年和2021年获取的Landsat影像划分为五类土地覆盖类型：水体、森林、建设用地、裸地和农业用地。分类采用谷歌地球引擎（GEE）中的随机森林（RF）算法完成。景观组成和空间配置通过FRAGSTATS 4.3进行量化，森林破碎化则利用景观破碎化工具v2.0（LFT）以100米边缘阈值进行评估。分类结果的总体精度超过90%，Kappa系数（K）大于0.85。建设用地面积从1991年的76.31平方公里（占研究区面积的7.55%）增加到2021年的258.62平方公里（占25.60%），表明城市快速扩张及随之而来的栖息地转化。森林覆盖面积在2001年增至340.86平方公里，2011年降至271.96平方公里，随后于2021年恢复至409.22平方公里。尽管森林面积有所增加，破碎化指标仍表明存在持续的空间分割和有限的结构连通性。高斑块密度（PD）、景观聚集度降低以及最大斑块指数（LPI）的变化均反映出持续的空间分割和有限的栖息地连续性。这些发现凸显了将基于随机森林的土地覆盖分类、多时相遥感与景观指标相结合用于城市环境监测的价值。研究结果表明，未来的土地利用规划应综合考虑景观连通性、现有森林斑块的保护以及空间协调的恢复措施，同时持续推进植树造林。