Past trends and future projections: a spatio-temporal analysis of land cover change in the uMngeni catchment using remote sensing and CMIP6 scenarios

方法

Landsat影像、随机森林分类、CA-ANN模型结合CMIP6三种SSP情景。

发现

草地和林地减少，耕地和建设用地增加，高排放情景下自然植被损失更大。

机会点

可将该框架用于中国流域，耦合农业政策与SSP情景评估耕地扩张对生态的胁迫。

理解uMngeni流域长期土地覆盖动态，对于在日益加剧的人为和气候压力下维护生态系统完整性和维持生物多样性至关重要。然而，对这些变化的空间显式评估仍然有限，尤其是在未来气候变化背景下。本研究利用Landsat（5、7和8）影像和随机森林分类，分析了1991年至2021年的土地覆盖变化。通过将CMIP6衍生的气候预估与元胞自动机—人工神经网络模型相结合，在SSP126、SSP245和SSP585情景下模拟了2031年的未来土地覆盖动态。随机森林分类在1991年、2001年、2011年和2021年的总体精度分别为81.7%、83.1%、82.2%和88.0%，相应的kappa系数分别为0.77、0.79、0.78和0.85。1991年至2021年间，草地和林地覆盖分别减少了17.9%和6.6%，而耕地和建成区面积分别增加了6.9%和12.4%。预估结果表明，在所有情景下，草地、湿地和自然植被将持续丧失，且在高排放路径下减少幅度更大。耕地和建成区面积在各情景下均扩张，其中SSP585情景下增幅最大。这些发现凸显了生态系统稳定性面临日益增大的压力，并为uMngeni流域的综合土地利用规划、生物多样性保护、气候韧性管理和可持续资源管理提供了空间显式证据支持。