《Land Degradation & Development》：Estimating Land Degradation Level Using Remote Sensing Data and Fuzzy AHP Technique
编辑推荐：
土地退化是一个关键的全球环境问题，严重影响生态系统服务、农业生产力、天气模式、人类生计和整体福祉。及时而精确的土地退化状态评估对于环境治理和可持续发展至关重要。遥感数据可为监测和估算大面积土地退化提供卓越能力。本研究提出了一个综合性的经验框架，用于评估土地退化
土地退化是一个关键的全球环境问题，严重影响生态系统服务、农业生产力、天气模式、人类生计和整体福祉。及时而精确的土地退化状态评估对于环境治理和可持续发展至关重要。遥感数据可为监测和估算大面积土地退化提供卓越能力。本研究提出了一个综合性的经验框架，用于评估土地退化等级。研究人员利用2022年春季获取的Landsat影像，结合辅助数据集，通过模糊层次分析法（FAHP），基于设计专家问卷的结果，计算土地退化指数（LDI）。在该方法中使用了地表温度（LST）、归一化植被指数（NDVI）、土地利用/土地覆盖（LULC）、降水、坡度和河网密度。该方法在伊拉克埃尔比勒省实施。此外，还使用从野外采集的80个土壤样本来验证模型结果。研究结果表明，所提出的基于FAHP的模型实现了80%的总体精度和0.72的Kappa系数。此外，该方法相比两篇近期发表的、在同一案例研究中复现并实施的文章有所改进。结果凸显了基于FAHP的框架在区域尺度评估土地退化中的相关性和稳健性，为向可持续土地管理和政策转型提供了新颖的决策支持工具。
**论文解读：基于遥感与模糊AHP的土地退化评估——以伊拉克埃尔比勒省为例**
**研究背景与问题**
土地退化（Land Degradation, LD）是全球性的环境与经济挑战，直接影响农村贫困、粮食安全和自然资源可持续性，表现为城市无序扩张、集约农业和基础设施蔓延，并通过土壤压实、侵蚀加剧和生境破碎化等过程加剧退化。约30%的全球土地已退化，超过30亿人居住在受影响区域，导致贫困和迁移压力增加，阻碍可持续发展。快速、精准的退化评估对环境治理和可持续发展至关重要。传统方法受限于野外工作成本高、空间覆盖有限，而遥感（Remote Sensing, RS）技术提供了大范围、多时相监测的潜力。然而，现有研究在指标选取、权重确定和不确定性处理方面存在局限，尤其模糊层次分析法（Fuzzy Analytical Hierarchy Process, FAHP）在土地退化评估中的应用尚不充分。伊拉克埃尔比勒省位于半干旱北部地区，过去十年因快速城市化、气候变异和不可持续的土地管理，经历了广泛的地表覆盖变化，亟需建立集成化评估框架。
**研究内容与结论**
研究人员提出了一种集成RS、地理信息系统（Geographic Information System, GIS）和FAHP的综合框架，基于2022年春季Landsat 8/9影像、CHIRPS降水数据和SRTM数字高程模型（Digital Elevation Model, DEM），提取六个环境指标：归一化植被指数（Normalised Difference Vegetation Index, NDVI）、地表温度（Land Surface Temperature, LST）、土地利用/土地覆盖（Land Use/Land Cover, LULC）、降水、坡度和河网密度。通过专家问卷进行模糊成对比较，利用FAHP确定各指标权重，计算土地退化指数（Land Degradation Index, LDI）。基于80个野外土壤样本（源自Keya et al. 2023）构建土壤退化指数（Soil Degradation Index, SDI）进行验证。结果表明，基于FAHP的模型总体精度（Overall Accuracy, OA）为80%，Kappa系数为0.72，显著优于对比的两种现有方法（Yadav et al. 2022的OA=52.5%，Kappa=0.36；Mzuri et al. 2022的OA=70%，Kappa=0.57）。该框架为区域尺度土地退化评估提供了可靠决策支持工具，论文发表在《Land Degradation》。
**关键技术方法**
研究采用的主要关键技术方法包括：遥感数据获取（Landsat 8/9影像，2022年春季，云覆盖<20%）、气象数据（CHIRPS降水数据，约5 km分辨率，重采样至30 m）、高程数据（SRTM DEM，30 m分辨率），提取六个环境指标；使用随机森林算法进行LULC分类（分为农田、荒地、水体、城市四类）；基于FAHP，通过五位领域专家（涵盖大地测量工程、遥感、岩土工程和地质学）的模糊成对比较问卷，确定指标权重（降水0.220、坡度0.200、NDVI 0.216、LST 0.138、河网密度0.138、LULC 0.087）；计算LDI公式为加权叠加；基于80个土壤样本（来自Keya et al. 2023，覆盖埃尔比勒省不同位置和深度）的物理化学性质（黏粒、粉粒、砂粒含量、有效磷、石膏、钙、镁、钠、钾、硫酸根），通过传统AHP计算SDI进行验证。
**研究结果**
**4.1 案例研究（Case Study）**
通过NDVI、LST、LULC、降水、坡度和河网密度六个指标的空间分布图，揭示了埃尔比勒省的环境异质性。南部和西部NDVI最低，表明植被覆盖有限、退化严重；LST在低植被区超过45°C，高植被区低于33°C；LULC显示南部和西部以荒地为主，北部和东部以植被为主；年降水量北部>214 mm，南部<109 mm；坡度南部和西部<5°，东北部>45°；河网密度中部和北部>120 km/km
2，南部因风蚀和干旱退化。基于FAHP权重的LDI空间分布图（图3）表明，北部和东北部呈现“轻度”至“中度退化”，而中部和南部主要为“高度”和“严重退化”，与城市扩张和农业集约化区域吻合。
**5.1 与现有文献的比较分析（Comparative Analysis With Existing Literature）**
与Yadav et al. (2022)（基于AHP，OA=82% AUC，但未校准至埃尔比勒）和Mzuri et al. (2022)（基于AHP，LULC精度96.13%，但LD地图未给出OA）对比。本研究的FAHP方法在相同80个验证点上达到80% OA和0.72 Kappa，显著优于两者（分别为52.5% OA/0.36 Kappa和70% OA/0.57 Kappa），表明FAHP能更好地处理不确定性。
**5.2 基于野外的验证（Field-Based Validation）**
使用80个土壤样本（来自Keya et al. 2023）计算SDI，包括黏粒、粉粒、砂粒、磷、石膏、钙、镁、钠、钾、硫酸根十项参数，通过传统AHP确定权重（黏粒0.300、粉粒0.150、砂粒0.150等）。将SDI分类与LDI分类对比，验证模型准确性。
**5.3 最终土地退化图（Final LD Maps）**
生成基于FAHP的LDI图（图3），并复现两种参考方法生成同一地区的退化图（图5、图6）。像素级一致性分析显示，FAHP方法在80个验证点中64个匹配（80%），高于Mzuri方法（56个，70%）和Yadav方法（42个，52.5%）。差异源于指标集不同、权重方法（模糊 vs 清晰）以及未进行区域校准。
**5.4 性能评估：混淆矩阵与精度评估（Performance Evaluation: Confusion Matrices and Accuracy Assessment）**
通过混淆矩阵计算生产者精度、用户精度、总体精度和Kappa系数。FAHP模型OA=80%，Kappa=0.72（表5）；Yadav方法OA=52.5%，Kappa=0.36（表6）；Mzuri方法OA=70%，Kappa=0.57（表7）。FAHP在中等和严重退化类别中表现更优，Kappa系数提升显著。
**总结讨论**
讨论部分指出，FAHP模型通过模糊逻辑处理了专家判断中的不确定性和主观性，从而提高了分类的平滑性和空间一致性。与参考方法相比，FAHP生成的退化梯度更连续，避免了清晰AHP的急剧边界。模型对降水、坡度和NDVI赋予较高权重，符合埃尔比勒省半干旱区气候、地形和植被驱动的退化机制。但研究也承认单期卫星影像的局限性（仅代表春季快照，无法捕捉季节性动态），且裸地与自然退化区域的光谱相似性可能影响区分。建议未来引入多时相数据和多源数据融合。
**研究结论翻译**
本研究开发并验证了一个稳健的方法框架，用于评估伊拉克埃尔比勒省的土地退化，采用RS、GIS和FAHP的集成方法。评估揭示了研究区域土地退化的地理格局，识别出最易退化的地点。所提出的FAHP辅助模型表现出优越性能，实现了80%的总体精度和0.72的Kappa系数，优于先前发表的方法（分别报告70%和52%的精度）。这凸显了本方法在捕捉土地退化复杂动态方面的增强可靠性和精确性。本研究通过呈现FAHP在土地退化评估中的新颖应用，成功解决了多准则分析过程中存在的不确定性和主观性，做出了重要贡献。本研究的主要优势在于，使用80个野外土壤样本进行了严格验证，这些样本与卫星影像获取时间一致，以确保最大程度的经验支持。尽管本研究为环境监测提供了高精度、低尺度的框架，它也为未来的恢复和管理过程提供了关键参考点。所提出的方法对政策制定者、土地管理者及环境机构具有重要的实际应用价值。LDI地图的生成有助于识别保护优先区域和特定位置的干预措施，支持有效的工作计划以应对土地退化，合理分配资源并有效预测缓解措施。关于时间范围，本研究承认使用单期卫星影像提供了聚焦于高精度验证的特定“快照”，但也因此限制了捕捉季节性动态的能力。因此，未来工作可调整本FAHP导向的方法至其他地点，并纳入社会经济指标或气候变化参数。为进一步增强模型，未来研究应整合多时相卫星数据集并验证时间序列野外数据，以评估时间对退化的影响及长期管理策略的有效性。
