全球农业系统面临着气候变化和人口增长的日益增长的压力。在这种背景下，温室农业作为一种关键策略，通过实现全年高效、可控的作物生产，增强了粮食安全并促进了可持续农业发展。联合国粮食及农业组织（FAO）认识到温室栽培在实现可持续发展目标中的关键作用，尤其是在确保粮食供应（SDG 2：零饥饿）和促进资源效率（SDG 12：负责任的消费和生产）方面（FAO，2016）。温室不仅在恶劣气候条件下稳定了作物产量，还通过精确的环境控制显著提高了农业生产效率，这是从传统农业向现代农业转变的关键指标（Picuno，2014）。这与更广泛的可持续土地管理努力相一致，这些努力强调多样化和特定背景下的农业实践对于建立粮食安全和气候韧性至关重要（Ntihinyurwa等，2018）。更广泛地说，可持续土地管理策略越来越被认为是实现多个可持续发展目标（SDGs）的关键途径，正如Wang等人（2026）在其全球土地恢复策略评估中所强调的。
全球温室农业迅速发展，中国占世界保护农业面积的40%以上，到2020年已达500万公顷（Du等，2024）。然而，这种快速增长也带来了环境挑战，包括水资源过度消耗（Lian等，2022）、土壤退化（Wu等，2020）和塑料污染（Zhang等，2021）。这些问题凸显了需要采取可持续管理措施，特别是在像河南省这样的主要农业生产区。河南省位于东经110°21'-116°39'、北纬31°23'-36°22'之间，具有典型的季节性气候，使其成为研究温室设施如何缓解季节性限制和支持全年农业生产的理想区域。2023年，河南省的粮食产量约为6624.3万吨，凸显了其在国家粮食安全中的重要作用。鉴于土地资源的压力，合理和可持续地发展设施农业，尤其是温室，对于优化土地利用效率、多样化高价值农产品和确保长期农业生产力至关重要。了解河南省的经验为全球可持续温室农业提供了重要启示，特别是在面临类似气候条件和现代化挑战的地区。
遥感技术以其高效性、广泛覆盖范围和多时相能力而著称，为监测大规模农业变化提供了强有力的工具（Amani等，2020）。2010年推出的Google Earth Engine（GEE）平台通过整合大量数据集和强大的云计算能力，彻底改变了遥感数据处理方式，大大提高了大规模、长期分析的效率（Amani等，2020）。基于GEE的研究在各种土地利用变化研究中取得了显著成果，包括城市化评估和洪水风险分析，为土地利用政策提供了依据（Elmi和Ahrari，2025；Ghimire等，2025；Li等，2024；Midekisa等，2017；Yang等，2019；Yilmaz和Alkan，2024；Zhang等，2019）。特别是Zhang等人（2026）的最新进展展示了GEE在黄淮海平原进行长期塑料温室测绘中的有效性，进一步验证了该平台在农业监测中的实用性。
在国际上，已经建立了相对完整的温室监测技术体系（Li，2023）。多项研究利用遥感技术进行温室检测；例如，Reina等人（2022）应用基于深度学习的分割网络对高分辨率影像进行精确农业特征识别，而Lanorte等人（2017）结合支持向量机和Landsat影像提取塑料污染指数，实现了高精度。Veettil和Xuan（2022）利用Landsat-8和Sentinel-2数据成功绘制了塑料覆盖的温室地图。Senel等人（2023）证明了改进的塑料温室指数（IPGHI）在多地点绘制温室方面的高精度。在国内，吴等人（2025）提出了一种利用几何、空间和光谱特征的智能提取模型，准确率达到90.04%。Feng等人（2021）利用GEE和随机森林模型在Sentinel-2影像上生成了中国的全国农业塑料温室数据。
关于温室选址和土地适宜性评估的研究探讨了地形、气候和社会经济因素（Akpoti等，2019；Gao等，2022）。例如，Akpoti等人（2019）回顾了评估农业土地适宜性的方法，强调了气候变化分析的整合。同样，Gao等人（2022）确定了影响关中平原温室选址的关键自然和区位因素。这些研究为理解温室分布模式提供了宝贵的基础。
然而，现有研究在全面描述温室农业景观的动态演变特征方面存在局限性。首先，一些研究（Gao等，2022）采用的静态或非连续时间评估方法限制了对温室面积连续年度变化及其对短期政策或市场波动响应的精细捕捉。其次，特别是在快速扩张情况下，温室景观的结构演变及其空间组织的稳定性尚未得到充分探索。理解土地利用模式的动态演变及其结构稳定性对于可持续规划至关重要（Batty和Longley，1988；Zhang等，2019）。第三，用于揭示驱动因素与温室分布之间关系的模型尚未完全解决它们之间潜在的复杂非线性特征（Gao等，2022）。第四，仍需要一个系统整合高精度动态监测、空间结构演变分析、多因素驱动机制识别和综合适宜性评估的研究框架，尤其是在气候条件多变的农业重要区域。
为了解决这些问题，本研究以河南省作为案例区域。作为具有典型季节性气候特征的主要农业生产区，河南省的温室农业发展对区域和国家层面都有重要意义。本研究旨在利用Google Earth Engine平台，结合Sentinel-2遥感影像和多源地理空间数据。将采用随机森林分类、分形分析、广义加性模型和主成分分析等方法，系统研究河南省温室的时空动态、空间结构稳定性、主要驱动因素和土地适宜性。
本研究首先将精确的温室提取与多年（2017–2023年）的空间结构稳定性分析（使用分形维度和SK指数）相结合，超越了简单的面积变化检测，揭示了土地利用组织的更深层次模式及其演变，直接解决了以往研究中常忽略的温室配置动态稳定性的问题。然后，本研究开发了一个强大的多方法集成框架（GEE + RF + GAM + PCA + 稳定性指标），用于绘制温室分布、识别影响因素并进行细致的土地适宜性评估，提供了比仅关注孤立方面的研究更全面的理解。最后，通过在典型季节性气候区河南省的应用，本研究为全球类似农业区域的可持续温室规划和土地资源管理提供了可转移的方法论和见解，从而有助于优化布局、提高土地利用效率并基于证据制定政策。
