白俄罗斯土地利用和覆盖热点分析以及变化检测

注：本项目在“一带一路”国际科学组织联盟（ANSO）联合研究合作专项的支持下完成。

项目背景

采用Sentinel Hub和Google Earth Engine进行数据准备和融合，使用公开数据集、出版物和目视解译进行训练样本的标注，再使用监督学习OBIA-RF（面向对象随机森林）方法分别对农业和林业数据集进行地物分类和提取，最后进行制图、统计分析。结合气象、土壤数据，进行土壤生态潜力的评估。

本篇主要介绍使用上一篇文章提到的 基于面向对象提取的白俄罗斯土地利用分类 LULC（land use and land cover）数据成果进行进一步的热点分析和变化检测，以发现土地利用变化热点区域以及变化类型。

△图1. 土地利用分类热点及变化检测流程图

项目基本流程

在利用面向对象土地利用分类获得2014-2023年的LULC数据后，对土地利用多边形数据计算面积并提取中心点，将面积作为权重值，对各多边形中心点使用空间核密度分析，综合评估一定搜索距离内，各类土地利用分布多边形的数量和面积，分别得到森林和农田的分布热点区域。

接下来确定地物类型变化数量和种类，并建立映射表，如上图示，分为6种变化类型，分别为：森林流失、农田流失、森林增长、农田增长、森林变为农田以及农田变为森林。根据上述类别制作重分类表，对每两年间的变化情况进行统计，制作变化分布图。

项目成果

△  图2.白俄罗斯2014—2023年耕地热点分布图

△  图3.白俄罗斯2014—2023年森林热点分布图

对比图2和图3，发现耕地分布有明显的空间聚集。主要集中在Minsk西南部、Grodno、Brest西部、Mogilev以及Gomel东部。而Gomel和Vitebsk北部和南部地区则少有耕地分布。森林分布相对于耕地分布较平均，只有少部分热点区域，表示森林资源广泛分布在全境，且有部分集中连片的大面积单体森林区域。

白俄罗斯的农业主要集中在肥沃的平原地区，特别是南部和中部区域，这些地方更适合大规模的机械化农业操作。因此，这些区域的农业地块一般具有较高的连续性和整合性，典型的白俄罗斯农场（尤其是国有农场）面积较大，常常数百到数千公顷不等。这与耕地热点分布图展示的状况相符。

2014到2019年的耕地分布热点相对较稳定，年际间没有太大变化，而2020-2023年间，热点在空间上变化较大。可能的原因是近几年白俄罗斯降水量显著增加，全年无云日期减少，影响了卫星影像质量，同时由于降水和气温变化带来的物候期变化导致同期作物类型和生长阶段的一致性降低，导致了分类误差，进而影响了核密度统计的结果。从长期来看，白俄罗斯的农业资源分布仍比较稳定。森林资源的变化则更不明显，近十年来森林面积具有不明显的波动变化，总面积和空间热点分布都比较稳定。

△  图4.白俄罗斯2014—2023年地物覆盖类型变化分布图

上图显示了2014-2023，每两年间的土地利用和覆盖类型的变化情况。其中2014—2016年的森林和耕地变化较小。主要为部分区域的森林面积减少和增长。以及城市周边区域的少部分农田-森林转换。而2016—2018年出现了较大规模的农田-森林转换，这可能与低矮灌木、复杂轮作区域以及部分经济林的分类准确性稍差有关，同时也受不同年数据归一化影响，混淆了分类结果，导致了地物变化。但整体来说依旧能反映地物类型变化重点区域以及长时间范围内的变化趋势，结合逐年面积统计数据，能够反映相对客观的森林和农田资源分布情况，为宏观和区域性农业政策的制订和实施提供客观、有效的参考。