印度德拉敦森林退化速率量化及其对环境影响的遥感与机器学习评估

本研究针对印度德拉敦地区2000-2023年森林退化与碳排放问题，采用Landsat/MODIS多时相卫星数据（30m分辨率）和梯度提升树（Gradient Tree Boosting）模型（分类精度94%），结合NDVI/EVI2/NBR植被指数分析，揭示该区域累计损失650公顷森林、排放430kt CO2（其中7.7%源于森林火灾），为热带-亚热带过渡带森林管理提供数据支撑。

　　

在全球气候变暖背景下，森林作为地球"绿肺"的功能正面临严峻挑战。印度德拉敦这座喜马拉雅山麓城市，正经历着城市化扩张与生态保护的激烈博弈。已有研究表明，热带-亚热带过渡带的森林对碳汇功能至关重要，但这类区域的退化机制却缺乏系统性量化。德拉敦作为典型案例，其森林面积占区域总面积的35%，却在过去23年间因基础设施扩张、农业开发和火灾等因素持续萎缩，这种变化对区域碳循环和生物多样性的影响亟待厘清。

来自Sharda大学的研究团队在《Science of the Total Environment》发表的研究，创新性地将机器学习分类与多光谱遥感分析相结合。研究采用2000-2023年Landsat(5/7/8)和MODIS Terra数据，通过梯度提升树算法将土地覆盖分为城市/水体/植被/森林四类（2000个训练样本），并计算NDVI（归一化差异植被指数）、EVI2（增强型植被指数）和NBR（归一化燃烧指数）评估植被健康。碳排放估算基于全球森林变化数据集与生物量转换因子。

【Study area and data set】
德拉敦（30.3165°N, 78.0322°E）位于恒河与亚穆纳河之间的河谷地带，海拔435米，具有典型的湿润亚热带气候。研究选用30m分辨率Landsat数据保证地类识别精度，辅以MODIS 250m分辨率数据增强时间连续性。

【Methodology】
梯度提升树模型利用蓝/绿/红/近红外/短波红外等光谱特征进行分类，通过混淆矩阵和Kappa系数验证（准确率94%）。植被指数时序分析采用Theil-Sen趋势检测，碳核算整合 Hansen全球森林损失数据与IPCC排放因子。

【Result】
2000年森林覆盖达308.8千公顷（占35%），至2023年减少650公顷，其中火灾导致50.1公顷损失。年均碳排放18.7kt CO₂，NDVI/EVI2显著下降（p<0.05）表明植被活力衰退。城市用地扩张与森林破碎化呈现空间耦合特征。

【Discussion】
研究发现德拉敦的森林退化模式与亚马逊和东南亚存在差异：1）火灾贡献率（7.7%）低于热带雨林区；2）碳排放强度（0.66t CO₂/ha/yr）反映亚热带森林碳密度特性；3）NDVI下降速率(-0.012/yr)暗示次生林恢复不足。梯度提升树在混合像元分解中表现出优于随机森林的鲁棒性。

【Conclusion】
该研究建立了"土地覆盖-植被健康-碳排放"三位一体的评估框架，证实德拉敦已进入生态临界状态。特别值得注意的是，18.7kt CO₂的年均排放量相当于5000辆汽车的年排放，这种"沉默的碳泄漏"机制对实现印度国家自主贡献（NDC）目标构成挑战。研究提出的多源遥感融合方法，为全球快速城市化地区的生态监管提供了可复制的技术范式。