摘要
山地生态系统对气候变化非常敏感，需要使用空间明确的监测工具来支持适应性管理。在Interreg-ALCOTRA “ACLIMO”项目的框架下，本研究利用基于深度学习的高分辨率航拍正射影像分类技术，结合气候数据分析，研究了2010年至2021年间意大利滨海阿尔卑斯山脉Gesso山谷地区的土地覆盖变化情况。研究使用了2010年、2018年和2021年的多时相RGB和NIR影像数据，并在ArcGIS Pro中通过卷积神经网络（U-Net和MMSegmentation）进行分类，训练数据来自CORINE土地覆盖数据集。表现最佳的模型基于CLC + Backbone 2018，总体准确率为82%，经过微调后提高到87%。变化检测显示植被覆盖面积有增加的趋势；而基于区域气象站（1990–2021年）的气候分析表明气温呈每十年升高0.4°C的上升趋势，同时近期气候条件更加干燥。逻辑回归分析发现土地覆盖变化与气候异常之间存在显著关联，其中温度对变化概率有正向影响（OR = 1.40）。该研究展示了在复杂的高山环境中，结合实际数据限制条件下，运用GIS与深度学习的工作流程在气候变化监测方面的潜力。
