快速准确地获取土地利用信息,可为城市发展和生态环境保护提供参考依据。基于谷歌地球引擎(Google Earth Engine,GEE)平台的多时相Landsat图像密集时间叠加和随机森林算法对云南省的土地利用类型进行分类,分析云南省土地利用和土地覆盖(...快速准确地获取土地利用信息,可为城市发展和生态环境保护提供参考依据。基于谷歌地球引擎(Google Earth Engine,GEE)平台的多时相Landsat图像密集时间叠加和随机森林算法对云南省的土地利用类型进行分类,分析云南省土地利用和土地覆盖(Land use and Land cover,LULC)时空变化趋势,并使用地理探测器定量评估关键的驱动因素。结果表明,1)LULC分类平均总体精度和Kappa系数分别为88.64%、86.01%,精度较高,满足数据使用要求。2)云南省土地类型以林地、耕地、草地及稀疏灌草混交地为主,占比97.91%~98.38%,土地利用转移以林地和耕地互相转换、草地及稀疏灌草混交地转为耕地为主。3)云南省滇中和滇东部的土地利用强度总体高于其他地区,滇西北和滇西南地区的土地利用强度较低。4)不同驱动因素对LULC影响程度存在显著差异,植被类型、年均气温和土壤类型对LULC变化的影响程度相对较小,高程、坡度、坡向、年均降水、人口密度、GDP和人口城镇化率等对LULC变化的影响程度普遍较高,其中GDP、人口密度和人口城镇化率对LULC变化程度影响较高。研究结果可为云南省后续生态环境保护政策制定和区域可持续发展提供数据基础与支撑。展开更多
文摘快速准确地获取土地利用信息,可为城市发展和生态环境保护提供参考依据。基于谷歌地球引擎(Google Earth Engine,GEE)平台的多时相Landsat图像密集时间叠加和随机森林算法对云南省的土地利用类型进行分类,分析云南省土地利用和土地覆盖(Land use and Land cover,LULC)时空变化趋势,并使用地理探测器定量评估关键的驱动因素。结果表明,1)LULC分类平均总体精度和Kappa系数分别为88.64%、86.01%,精度较高,满足数据使用要求。2)云南省土地类型以林地、耕地、草地及稀疏灌草混交地为主,占比97.91%~98.38%,土地利用转移以林地和耕地互相转换、草地及稀疏灌草混交地转为耕地为主。3)云南省滇中和滇东部的土地利用强度总体高于其他地区,滇西北和滇西南地区的土地利用强度较低。4)不同驱动因素对LULC影响程度存在显著差异,植被类型、年均气温和土壤类型对LULC变化的影响程度相对较小,高程、坡度、坡向、年均降水、人口密度、GDP和人口城镇化率等对LULC变化的影响程度普遍较高,其中GDP、人口密度和人口城镇化率对LULC变化程度影响较高。研究结果可为云南省后续生态环境保护政策制定和区域可持续发展提供数据基础与支撑。
