Modeling afforestation suitability in the Cross-Niger transition forest through remote sensing and analytical hierarchy process to advance global goals

方法

遥感多因子图层叠加AHP赋权，ROC曲线验证模型精度。

发现

模型AUC达0.970，高与极高适宜区约7819平方公里。

机会点

可将AHP静态权重升级为机器学习动态适宜性模型，并耦合碳汇与生物多样性目标。

造林是保护生物多样性、减缓气候变化和防止土地退化以实现可持续发展目标（SDG）15.2的关键策略。造林是在此前无森林覆盖的区域建立森林的过程。据此，本研究综合遥感与层次分析法（AHP），识别尼日尔河跨流域过渡森林内支持可持续发展目标的造林适宜性最优选址。研究结合土地利用/土地覆盖、可蚀性、土壤、降雨、坡向、坡度、海拔、距河流距离、距道路距离、归一化植被指数（NDVI）、地表温度、河网密度和人为干扰指数等可持续性因子或标准，构建造林适宜性模型图。采用层次分析法为这些因子赋权，并进行归一化处理及利用受试者工作特征（ROC）曲线分析进行验证。最终造林适宜性图被划分为极低（1501.503 km²）、低（5297.648 km²）、中等（6971.094 km²）、高（5178.869 km²）和极高（2640.442 km²）造林适宜性。AUC-ROC值为0.970，表明该模型对造林适宜性具有优异的预测精度。本研究强调了综合遥感与层次分析法对于造林倡议知情决策的重要意义，从而在研究区内支持包括SDG 15.2在内的全球目标。