《Agriculture》：Integrating GIS-MCDA and Machine Learning Approach to Identify Marginal and Underutilized Lands in Leon County, Florida
编辑推荐：
研究人员开发了一个集成基于地理信息系统的多准则决策分析（GIS-MCDA）框架，该框架基于水文边缘性、土壤适宜性、土地覆盖边缘性、坡度、社会边缘性和污染土地指标，利用层次分析法（AHP）和加权叠加分析识别和分类佛罗里达州莱昂县的边缘和未充分利用土地。AHP结果
研究人员开发了一个集成基于地理信息系统的多准则决策分析（GIS-MCDA）框架，该框架基于水文边缘性、土壤适宜性、土地覆盖边缘性、坡度、社会边缘性和污染土地指标，利用层次分析法（AHP）和加权叠加分析识别和分类佛罗里达州莱昂县的边缘和未充分利用土地。AHP结果将最高权重分配给水文条件（36%）和土壤适宜性（24%），表明它们对土地边缘性的主导影响。最终边缘性模型将研究区域分类为低边缘性/高度适宜（24.19%）、轻微边缘（39.17%）、中度边缘（2.48%）、高边缘性（30.66%）和非常高边缘性与未充分利用潜力（3.5%）。根据敏感性分析，水文、土壤和社会强调模型的结果相对于AHP加权基线模型较为稳定。然而，等权重模型产生了较低的估计。研究人员使用现有开发区域周围标准化2英里（3.2公里）缓冲区开发了一个探索性2035年城市扩张情景。在此情景下，被分类为高和非常高边缘性的组合面积从基线条件下的约152,771英亩（34.14%）增加到约176,534英亩（39.45%），净增加约23,763英亩。这些发现表明，结合环境和社会经济指标可以改进边缘和未充分利用土地的识别，并支持可持续土地利用规划、恢复目标以及未来农业或生物能源适宜性评估。
**研究背景与问题**
全球粮食需求持续增长，而农业用地因城市化、土地碎片化和环境退化而不断缩减。据预测，2050年全球粮食产量需增加50%–60%，为满足需求，农业扩张应转向边缘土地（marginal land）和未充分利用土地（underutilized land），以避免开垦高价值生态系统。边缘土地指因生物物理、社会经济限制而生产力低下的土地，未充分利用土地则是闲置或废弃、未发挥其最大生产潜力的土地。目前，现有研究多集中于生物物理因素（如土壤、坡度、气候），缺乏对社会经济脆弱性、污染土地（contaminated land）等指标的综合整合，且研究尺度多为国家或区域层面，难以捕捉县级尺度上城市扩张、农田损失、湿地限制、土壤约束和社会经济脆弱性的交互作用。佛罗里达州莱昂县（Leon County, Florida）面临显著的城市扩张压力（2017–2022年农田面积从91,730英亩降至70,058英亩），同时存在湿地、水文限制、土地覆盖碎片化和污染土地等多重环境约束，这些因素制约了传统农业活动，但为生态恢复、碳封存和生物质生产提供了替代用途机会。然而，尚无研究结合环境与社会经济约束对该县边缘和未充分利用土地进行系统识别。因此，本研究旨在开发一个集成GIS-MCDA框架，以识别和分类莱昂县的边缘和未充分利用土地，为可持续土地利用规划提供依据。该论文发表在《Agriculture》上。
**研究工作与结论**
研究人员整合了环境和社会经济数据集，包括水文边缘性、土壤适宜性、土地覆盖边缘性、坡度、社会边缘性和污染土地六个指标，利用层次分析法（AHP）确定各指标权重，并通过加权线性组合（WLC）生成综合边缘性指数。模型将研究区域划分为五个类别：低边缘性/高度适宜、轻微边缘、中度边缘、高边缘性及非常高边缘性/未充分利用潜力。结果显示，高边缘性和非常高边缘性土地约占34.14%（约152,771英亩），主要分布在南部和西南部，受水文限制和土壤质量差主导。敏感性分析表明，在改变水文、土壤和社会权重时，模型结果相对稳定，但等权重模型显著低估了高边缘性土地面积。随机森林回归验证了模型的高预测精度（R2=0.766），确认水文边缘性为最强预测因子。未来情景模拟（2035年城市扩张）表明，若以现有开发区域向外扩展2英里（3.2公里）缓冲区，高边缘性和非常高边缘性土地面积将增加约23,763英亩，达到39.45%。这些发现强调，结合环境与社会经济指标可更准确地识别边缘和未充分利用土地，支持可持续土地利用规划、恢复目标及未来农业或生物能源适宜性评估。
**关键技术方法**
主要关键技术方法包括：基于地理信息系统的多准则决策分析（GIS-MCDA）框架，用于整合多源空间数据；层次分析法（AHP）用于确定各指标相对权重；加权线性组合（WLC）用于生成综合边缘性指数；敏感性分析，通过构建四种替代权重情景（水文强调、土壤强调、社会强调和等权重）并计算Jaccard相似性指数，评估模型稳健性；Pearson相关分析和方差膨胀因子（VIF）用于检验指标间关系及多重共线性；随机森林（Random Forest）回归用于模型验证，计算特征重要性；未来情景模拟，通过标准化2英里缓冲区模拟2035年城市扩张对边缘性分布的影响。数据来源包括美国国家土地覆盖数据库（NLCD）、美国农业部（USDA）土壤数据、数字高程模型（DEM）及美国人口普查社会经济数据等。
**研究结果**
**4.1 单一边缘性因子**
通过各指标图层展示空间分布：水文边缘性广泛分布于排水网络和湿地附近，得分高（9–10）；土地覆盖边缘性集中在城市化和环境限制区域（如森林、水体）；污染土地主要位于城市中心附近；土壤边缘性在南部较差；社会边缘性在中央、北部和南部较高；坡度边缘性在陡峭区域较高。
**4.2 最终边缘性分类**
通过加权叠加分析，综合边缘性指数范围2.4–8.9，将研究区域分为五类：低边缘性/高度适宜（24.19%）、轻微边缘（39.17%）、中度边缘（2.48%）、高边缘性（30.66%）、非常高边缘性与未充分利用潜力（3.5%）。高边缘性区域集中在南部和东部，受水文、土壤、土地覆盖和社会经济限制共同影响。
**4.3 敏感性与空间相似性结果**
敏感性分析比较了四种替代权重情景与基线AHP模型：土壤强调情景（J=0.994）、社会强调情景（J=0.976）和水文强调情景（J=0.913）表现出高空间相似性，面积变化小于7%；等权重情景（J=0.219）面积减少77.80%，空间分布差异大。表明模型在合理权重变化下稳健，但等权重配置不现实。
**4.4 相关性与多重共线性结果**
Pearson相关分析显示，水文边缘性与最终指数相关性最强（r=0.743），其次为土壤（r=0.704）和土地覆盖（r=0.628）；坡度呈负相关（r=-0.103），污染土地相关性极弱（r=0.003）。VIF值均低于1.37，表明无多重共线性问题，支持所有指标同时纳入模型。
**4.5 机器学习验证**
随机森林回归模型（200棵决策树，80%训练/20%测试）表现良好：R2=0.766，RMSE=0.782，MAE=0.485。特征重要性排序为水文边缘性（最高）、土壤适宜性、社会经济指标，污染土地重要性最低，与AHP权重一致。
**4.6 未来情景**
2035年城市扩张情景（现有开发区域外2英里缓冲区）显示，高边缘性和非常高边缘性土地面积从基线152,771英亩（34.14%）增至176,534英亩（39.45%），净增约23,763英亩。地理上，增长主要发生在塔拉哈西（Tallahassee）周边的城郊区域和现有开发走廊，表明城市扩张可能加剧土地碎片化和环境限制。
**讨论与结论**
研究讨论强调，该GIS-MCDA框架整合了环境与社会经济指标，相比仅关注生物物理变量的传统研究，提供了更全面的边缘性视角。政策含义方面，高边缘性区域虽不适合传统农业，但可用于生态恢复、碳封存或生物能源生产，而低边缘性区域可维持可持续农业。模型在敏感性分析中表现出稳健性，但存在局限性：AHP权重依赖专家判断，可能引入主观性；未来情景采用简单缓冲区方法，未纳入人口增长、道路可达性等动态驱动因素；随机森林分析未包含土地覆盖层，限制了直接比较。未来研究应纳入气候变量和动态土地利用模拟模型（如CA-Markov）。
结论部分翻译：本研究展示了整合环境与社会经济因素识别边缘和未充分利用土地的重要性，为未来土地利用规划和可持续战略提供依据。低边缘性/高度适宜、轻微边缘和中度边缘区域可为生物质生产、可持续农业或保护提供机会；而高边缘性和非常高边缘性区域具有未充分利用潜力，需保护免受集约化土地利用压力。在探索性2035年情景下，高和非常高边缘性土地总面积从约152,771英亩（34.14%）增至176,534英亩（39.45%），净增约23,763英亩，表明边缘土地可用性对持续城市扩张的潜在敏感性，支持主动规划以减少碎片化并保护环境敏感景观。由于该情景基于标准化缓冲区，应视为规划练习而非未来开发预测。尽管所提出的GIS-MCDA框架为识别边缘和未充分利用土地提供了透明且可重复的方法，但本研究存在一定局限性。未来研究应纳入气候相关变量和动态土地利用模拟模型，以进一步增强区域可持续性规划和土地管理决策。
