基于GEE和Landsat时间序列数据的海南岛土地利用分类研究

土地利用/覆盖变化(land use/cover change,LUCC)是当前全球变化研究的核心内容之一。土地利用遥感监测是土地利用变化相关研究的重要技术手段,尤其是高分辨率遥感技术和谷歌地球引擎(Google Earth Engine,GEE)云计算平台的出现,为土地利用空间信息的获取提供了新的途径和方法。本研究基于GEE云平台提供的Landsat-8 OLI时间序列卫星影像数据,采用随机森林(random forest,RF)和支持向量机(support vector machines,SVM)分类算法,对海南岛土地利用类型进行了遥感分类研究。结果表明:RF与SVM算法对海南岛土地利用中水体和建筑用地的分类精度均较高,对耕地、园地和林地分类精度较低。与SVM方法相比,RF分类方法能够更准确识别各类地物信息,更适于海南岛土地利用分类的研究。海南岛林地(包括天然林、橡胶林等)所占比例最大,主要分布在海南岛中部;耕地和园地面积接近,相间分布于海南岛大部分区域;水体和建筑用地面积较小,在海南岛均呈零散的分布状态,以沿海地区为主。GEE平台对于开展大区域土地利用分类与遥感动态监测具有重要的意义。

撂荒地监测方法与生态影响述评

撂荒地是多重驱动力下的复杂人地交互系统,对生态环境具有多维影响。目前,撂荒地监测方法在全球范围内仍处于起步和探索阶段,已有的方法可分为遥感图像分类和变化检测2种类型。制约遥感图像分类法的瓶颈是撂荒地与草地、裸地、灌木和低强度耕地的区分;制约变化检测法的瓶颈是非耕地变化噪声干扰及监测周期外的历史撂荒地识别。相关研究逐渐趋向使用多源数据、高分数据、集成方法、精细分类等以提高监测精度。从撂荒地的生态影响角度分析,其自然演替存在正向和逆向2种可能性。部分撂荒地会因土壤侵蚀、野火多发而导致生态系统退化,但绝大多数撂荒地的生态系统会持续向好发展,包括植物群落恢复、土壤恢复、增加碳汇、丰富生物与景观多样性等。中国已有耕地中,旱地和陡坡耕地比例较高,较易形成撂荒现象。研究认为,撂荒地研究应具有前瞻性,充分考量全球气候变化、中国人口结构老龄化、人口分布城市化对耕地撂荒的潜在影响。同时,撂荒地研究应面向管理,积极契合乡村振兴、精准扶贫、土地整治、退耕还林还草、永久基本农田保护、生态保护红线划定、国土空间规划等国家战略,统筹权衡粮食安全、生态安全和经济社会发展间的相互关系,为相关政策制定提供依据。最后,研究认为应由国家层面统一部署,开展全国撂荒地精准调查,摸清家底、优化配置,按照国土空间的生态适宜性来科学地确定撂荒地治理方式。