Diachronic Analysis of Land-Use and Forest-Cover Changes in the Irobo Classified Forest (Sikensi, Côte d’Ivoire)

方法

Landsat影像、Google Earth Engine、CART监督分类、G

发现

森林覆盖从46.67%降至20.22%，年均损失2.20%，2050年或仅剩11.92%。

机会点

可结合高分辨率时序遥感与农业扩张驱动因子建模，提升热带分类林退化预警与恢复优先区识别。

森林覆盖的减少是科特迪瓦面临的一项重大保护挑战，农业扩张对森林生态系统造成了相当大的压力。本研究旨在分析1988年至2026年间伊罗博分类林（Irobo Classified Forest）土地利用和森林覆盖的时空变化，并评估基于趋势情景的2050年森林覆盖变化。研究使用了在Google Earth Engine中处理的Landsat 4 TM和Landsat 8 OLI/TIRS卫星影像，并辅以GIS数据和实地观测。采用分类与回归树（Classification and Regression Trees, CART）算法进行监督分类，以区分四类土地利用类型：水体、森林、耕地/休耕地以及居民点/裸地。森林覆盖从1988年的19,105.81公顷（46.67%）下降至2026年的8,278.17公顷（20.22%），损失达10,827.64公顷，占初始森林覆盖的56.67%。年均森林损失量估计为284.94公顷/年，对应的年森林砍伐率为2.20%。与此同时，耕地和休耕地占分类林面积的比例从50.69%增加至79.10%。空间分析表明，1988年至2026年间，剩余森林区域变得更加分散，空间连续性降低。在趋势情景下，到2050年森林面积可能下降至约4,881.19公顷，占分类林面积的11.92%。这些发现表明，结合遥感、GIS和实地观测对于量化长期土地利用变化和识别未来可能面临转换风险的森林区域具有实用价值。研究结果为伊罗博分类林的森林监测、保护和恢复规划提供了空间依据。