Land Use Change, Flood Exposure, and Vegetation Stress in the Chi River Basin, Northeast Thailand: A Multi-Temporal Remote Sensing and Machine Learning Assessment
Jiradech Majandang · Patiwat Littidej · Benjamabhorn Pumhirunroj 等 4 人
用多时相遥感和机器学习评估泰国栖河流域土地利用变化、洪水暴露与植被胁迫的关系。
2015–2024年多时相遥感、LDD土地利用数据、随机森林、SHAP与空间统计
农地占84.2%，洪水频发于农地和水体，21.1%流域植被受胁迫，DEM是洪水主导因子。
可结合高分辨率时序遥感与作物模型，量化洪水胁迫对热带平原农业产量的级联影响。
基于多时相遥感与机器学习的流域土地利用—洪涝—植被胁迫评估，方法扎实、数据翔实，对农业防灾与气候韧性有参考价值，但属区域性研究，公共影响有限。
气候变化加剧了东南亚的水文极端事件，但在热带洪泛平原环境中，土地利用变化、洪水暴露与植被胁迫之间的关系仍缺乏深入认识。本研究利用2015—2024年多时相遥感数据集、泰国土地发展厅（LDD）的官方土地利用数据以及机器学习方法（包括对二元洪水发生事件的随机森林分类、SHAP分析和空间统计），评估了泰国东北部奇河上游流域的土地利用动态、洪水暴露和植被胁迫。农业用地在景观中占主导地位（2023年为84.2%），2015—2023年间土地利用变化率为11.0%，主要表现为农业用地扩张导致的林地转换（38.6%的林地面积被转换）和水体转换（30.0%的水体面积被转换）。洪水频率在水体分类区域（0.38次）和农业用地分类区域（0.55次）最高，而林地表现出最强的恢复力（0.05次）。洪水发生事件的随机森林分类总体精度达到0.920，AUC-ROC为0.905，其中DEM在随机森林重要性（0.435）和平均绝对SHAP值（0.308）中均为最主要的预测因子。植被胁迫影响了流域21.1%的区域，59.2%的样点NDVI下降幅度超过0.02，33.3%的样点低于VCI < 0.4的干旱阈值。研究识别出四个敏感性等级：低敏感（66.4%）、中等敏感（19.2%）、高敏感（12.4%）和极高敏感（2.0%），其中极高敏感区集中在奇河沿岸低洼地带（平均DEM = 146.0 m）。Moran's I证实了洪水频率（I = 0.787）和敏感性等级（I = 0.534）具有强烈的空间聚集性，凸显了空间统计方法的必要性。研究结果支持基于海拔的土地利用分区、森林保护以及气候适应性农业实践，以增强洪水恢复力，并助力实现可持续发展目标2（零饥饿）、11（可持续城市）、13（气候行动）和15（陆地生物）。