Applications of Geographic Information Systems in Natural-Resource Management: A Critical Review of Methods, Evidence, Validation and Future Directions

方法

系统综述19项研究，按六大领域归纳GIS与遥感方法及验证问题。

发现

GIS应用集中于印度流域研究，存在数据质量、验证与不确定性报告等薄弱环节。

机会点

可研究融合AI、UAV/LiDAR与IoT的动态、不确定性感知且参与式的GIS决策系统。

自然资源管理（NRM）日益依赖空间显性证据，因为土地、土壤、水、森林和植被在空间上存在差异并随时间变化。地理信息系统（GIS）通常与遥感（RS）集成，为资源清查、多层集成、变化检测、适宜性评估和决策支持提供通用的分析环境。本综述综合了一个精选语料库，共20条记录，代表1995年至2026年间发表的19项独特研究；在综合前删除了一条重复的Kumar、Yamaç和Velmurugan记录。证据被组织为六个领域：（i）规划、决策支持与参与式GIS；（ii）多部门RS–GIS应用；（iii）土壤资源与土地退化；（iv）土地利用/土地覆盖（LULC）变化、森林与流域项目；（v）水与地下水；（vi）农业、气候与作物建模。在整个语料库中，叠加分析、地形分析和多时相变化检测是最常出现的GIS功能。实证证据高度集中于印度的流域研究。三个案例研究组报告的LULC分类精度范围为89.70%至约95%，尽管这些值不能直接比较，因为影像、类别方案和验证设计不同。该综合指出了在数据质量和空间分辨率、野外验证、不确定性报告、可推广性、多准则决策中的主观赋权、有限的时间密度以及不平等的技术获取方面持续存在的弱点。19项研究中有15项明确指向人工智能或机器学习作为新兴机遇，而无人机/LiDAR数据、物联网观测、云处理、预测建模和参与式网络/移动GIS仍未得到充分利用。我们认为，下一代基于GIS的NRM应从静态和回顾性制图转向动态、经野外验证、具有不确定性意识、预测性和参与式的决策系统。提出了一个以验证为中心的框架和一项优先研究议程。