近期，苏州科技大学陈超教授团队在 Sustainable Horizons 发表研究文章，利用海湾LUCC数据集技术，对中国杭州湾地区1985-2020年间的土地利用情况进行了研究，并旨在为区域的可持续发展提供数据支撑与技术支持。
原文链接：https://doi.org/10.1016/j.horiz.2023.100061
- 研究背景 -
土地利用/覆盖变化（LUCC，Large-scale, long-term series, and high-precision land use and cover change）通常定义为地表的自然覆盖和人类对土地的使用，是人与自然之间相互作用的直接结果，其动态变化反映了人类赖以生存的地球环境系统与人类日益发展的生产系统之间相互作用的基本过程。LUCC研究的本质是促进合理的土地利用，以期在实现SDGs可持续土地利用中发挥重要作用。
海湾是海洋与陆地相互作用的区域，是人类从事海洋经济、发展海洋生产活动的重要基地，与人类的生存和发展密切相关。世界各地大大小小的海湾众多，主要分布在北美、欧洲、亚洲沿岸，其中大型海湾有240多个。
海湾LUCC数据集对于海湾资源利用、海湾生态保护、海湾经济可持续发展具有重要意义，大尺度、长时序、高精度的LUCC制图是湾区国土空间规划和可持续发展的基础支撑。针对湾区景观破碎化程度高、地表异质性强、土地利用类型转换频繁等特点，本研究发展了结合光谱指数与主成分分析的随机森林算法，对1985-2020年间中国杭州湾的LUCC进行了提取（图1）。
Fig. 1. Study Area
- 结果与讨论 -
本研究在传统光谱波段的基础上，融入了反映植被覆盖度、地表不透水面及地表湿度的遥感指数和主成分变换之后的主成分分量，强化了随机森林算法对不同特征的解译能力，并结合数字化海岸线分析系统，对杭州湾1985-2020年间的LUCC与海岸线信息进行了时空格局分析（图2），其分析结果如下：
Fig. 2. LUCC dataset for Hangzhou Bay from 1985 to 2020.
研究期间内，建设用地由278.26km2增加到2984.76km2，年均增长77.33km2。水域面积呈波动增长趋势，由509.00km2增至680.21km2，年均增加4.88km2。林地面积较平稳地减少，由2159.49km2减少到1881.52km2，年均减少7.94km2。耕地面积由6998.45km2减少到4800.59km2，年均减少62.80km2。裸地面积波动较大，由768.99km2增加到1078.13km2，年均增加8.83km2。滩涂总面积由181.65km2减少至161.50km2，年均减少0.58km2。滩涂主要集中在杭州湾南岸，面积比例由1985年的76.69%变为2020年的85.86%。
土地流转中，耕地是最主要的转出源，主要转出为建设用地与裸地，面积分别为2268.05km2和630.20km2。在转入方面，主要以水体与林地为主，分别为376.22km2和352.22km2。其余地物间的土地转移均小于300km2。
根据数字化海岸线分析系统统计，海岸线长度从1985年的383.73km减少到2020年的362.80km，年均减少0.60km。如图3、4所示，杭州湾北岸净海岸线移动为773.58m，终点速率为22.10m/a，线性回归速率为27.00m/a；杭州湾南岸净海岸线移动为4109.57m，终点速率和线性回归速率分别为117.42m/a 和132.22m/a。
Fig. 3. Spatial changes in the northern coastline
Fig. 4. Spatial changes in the southern coastline
虽然本研究改进了传统的随机森林算法，但由于像素混合的复杂性以及同物异谱、异物同谱的情况，该算法在处理复杂边界和时仍然存在一定的局限性。特别是在复杂的长时间序列Landsat影像中，部分林地和耕地的边界难以区分，这对分类的准确性存在一定的影响。
- 总结与展望 -
本研究提取了杭州湾土地利用/覆被及海岸线遥感信息，旨在厘清土地利用及海岸线的时空演变特征。通过引入光谱波段、遥感指数和主成分分量，成功提高了决策树在分类任务中的强度和性能。该方法在处理复杂的长期遥感数据方面显示出巨大的潜力。然而，该方法的适应性和泛化能力在一定程度上受到数据集特征的影响。本研究主要关注随机森林算法的应用。对于其他集成学习方法，还需要进一步的研究和探索。进一步研究应重点关注：1. 向模型输入更多的特征，通过特征选择提供更全面、多样化的信息，从而增强RF分类能力；2. 研究海岸线分类方法，明确自然海岸线保留率。
作者简介
Jintao Liang received her B.S. degree in marine technology in 2021 from Zhejiang Ocean University, Zhoushan, China. He is currently pursuing her M.S. degree in
Zhejiang Ocean University. His research work focuses on remote sensing of coastal environment. His supervisor is Dr. Chao Chen.
Chao Chen received his B.E. degree in communication engineering in 2005 and his M.S. degree in photogrammetry and remote sensing in 2009, both from the Shandong University of Science and Technology, Qingdao, China. He received his Ph.D. degree in cartography and geography information system from Peking University, Beijing, China, in 2013.
He is currently a Full Professor with Suzhou University of Science and Technology, Suzhou, China. His research work focuses on remote sensing of coastal environment.
单位简介
苏州科技大学是一所以工为主、工理文管艺多学科协调发展的全日制普通高校，是教育部本科教学工作水平评估优秀高校。2017年成为住房和城乡建设部与江苏省共建高校，同年获批江苏省博士学位授予立项建设单位。学校现有包括国家地方联合工程研究中心、江苏省重点实验室、江苏省高校哲学社会科学重点研究基地等省级以上科研平台34个。
引用格式：Liang, J., Chen, C., Song, Y., Sun, W., Yang, G. 2023. Long-term mapping of land use and cover changes using Landsat images on the Google Earth Engine Cloud Platform in bay area - A case study of Hangzhou Bay, China. Sustainable Horizons 7, 100061.
期刊官网（英文）：https://journals.elsevier.com/sustainable-horizons
期刊官网（中文）：https://www.sustainable-horizons.com/
Linkedin Page：https://www.linkedin.com/company/sustainable-horizons/
投稿链接：https://www.editorialmanager.com/horiz/default1.aspx
版权声明：
本文由 Sustainable Horizons 负责发布，欢迎转发分享至朋友圈，如需转载，应声明出处。Sustainable Horizons 为英文开源学术期刊，以上中文标题、内容仅供参考，具体内容请以英文原文为准。投稿、合作、转载请发送邮件至sush_journal@sustech.edu.cn，我们将在第一时间回复您的信息。
