基于多光谱高分辨率影像与CA-Markov混合模型的土地利用/覆被动态分析与预测研究——以巴基斯坦奥卡拉地区为例

本研究针对快速城市化驱动的土地利用/覆被变化(LULC)问题，采用Landsat-5/8/9多光谱影像与细胞自动机-马尔可夫(CA-Markov)混合模型，定量分析了巴基斯坦奥卡拉地区1994-2024年LULC演变规律，预测2034-2044年变化趋势。研究发现植被覆盖率从92.68%降至88.16%，建成区从1.70%增至8.44%，模型验证Kappa系数达0.91，为农业主导区的可持续土地管理提供科学依据。

　　

在全球城市化浪潮中，农业地区正面临前所未有的土地资源压力。巴基斯坦作为典型的发展中国家，其核心农业区奥卡拉(Okara)正经历着植被锐减与城市扩张的双重挑战。该地区作为旁遮普省重要的小麦、水稻和玉米产区，近30年来建成区面积激增近5倍，而肥沃农田以每年约6.5km²的速度消失。这种不可持续的土地转化模式不仅威胁粮食安全，更可能引发连锁生态危机。为此，中国的研究团队联合巴基斯坦学者在《Land Use Policy》发表重要成果，通过创新性地整合多时相遥感与空间建模技术，首次系统揭示了这一农业走廊的土地演变规律。

研究团队运用Landsat-5 TM、Landsat-8/9 OLI系列卫星影像(30m分辨率)，基于Google Earth Engine(GEE)云平台构建决策树分类器(DTC)，结合NDVI(归一化植被指数)、NDBI(建筑指数)等遥感指标，实现1994-2024年四期LULC分类(精度>95%)。通过CA-Markov混合模型模拟空间动态，采用5×5邻域滤波器和蒙特卡洛不确定性分析，预测未来土地变化趋势。

【3.1 精度验证】
分类结果显示各时期总体精度达97.02%-97.55%，Kappa系数稳步提升。2014-2024年建成区用户精度最高(98.7%)，验证了城市用地提取的可靠性。

【3.2 LULC分类】
1994-2024年间，植被覆盖从3998km²(92.68%)缩减至3803km²(88.16%)，而建成区从73km²激增至364km²。空间分布显示奥卡拉城市北部与Depalpur东部形成显著扩张热点。

【3.3 变化动态】
转型矩阵分析表明，2004-2014年是变化剧烈期，每年约9.89km²植被转化为建成区。 barren land(裸地)持续减少，部分转化为灌溉农田。

【3.5 马尔可夫链分析】
transition probability matrix(转移概率矩阵)显示，建成区稳定性从36.88%(1994-2004)提升至42.96%(2014-2024)，印证城市用地固化趋势。

【3.7 未来预测】
模型预测2034年建成区将达480km²(11.12%)，2044年进一步扩张至642km²(14.89%)，主要侵占东部灌溉区。

讨论部分强调，该研究首次量化了奥卡拉"农业-城市"转型的空间模式，其CA-Markov模型验证Kappa值0.91优于同类研究。与印度Jaipur(0.82)和尼罗河三角洲(0.79)相比，奥卡拉城市化速率快1.3倍，凸显南亚农业区的特殊压力。研究为实施SDG11(可持续城市)和SDG15(陆地生态)目标提供数据支撑，建议通过"绿色基础设施+农田保护红线"政策组合平衡发展需求。

这项研究的创新性在于：① 首次将GEE云处理与CA-Markov耦合应用于南亚农业区；② 揭示基础设施导向的扩张模式(N-5公路沿线开发强度达87%)；③ 提出基于transition rules(转移规则)的动态管控策略。未来需结合气候模型评估土地变化对区域水热平衡的影响，为"一带一路"农业走廊的可持续发展提供科学范式。