运用地理空间技术和机器学习技术，模拟埃塞俄比亚哈拉马亚湖动态流域系统中的生态系统服务与温室气体排放情况

《Scientific Reports》：Harnessing geospatial and machine learning technologies to simulate ecosystem services and greenhouse gas emissions in a dynamic watershed system of Haramaya Lake, Ethiopia

　　

摘要

日益加剧的土地利用变化，加之监管机制的薄弱，使得哈拉马亚湖流域的生态状况不断恶化，进而导致生态系统服务价值下降以及温室气体排放增加。然而，关于土地利用变化对哈拉马亚湖流域生态系统服务价值变化及温室气体排放影响的实际观测与预测数据十分有限。为此，本研究采用跨学科方法，将土地利用/土地覆盖变化、生态系统服务价值变化以及温室气体排放这三大全球变化因素相结合，运用机器学习技术分析其对哈拉马亚湖流域的历史影响与未来趋势。研究期间（1985–2024年）的土地利用变化分析采用了支持向量机算法，而2063年的情景模拟则借助基于机器学习的人工神经网络模型。生态系统服务价值的变化则是通过结合研究期间的土地利用数据以及从实证研究中得出的修正后的生态系统服务价值系数，采用收益转移法进行评估。在估算温室气体排放量时，本研究遵循了政府间气候变化专门委员会制定的国家温室气体清单指南。研究结果显示，1985年至2024年间该流域的土地利用格局发生了显著变化：耕地面积减少了10.99%，植被覆盖面积下降了5.45%，而荒地面积增加了9.98%，建成区面积则增长了5.03%。在经过验证的人工神经网络模型所模拟的“一切照旧”情景下，这些压力仍将持续存在，到2063年，耕地面积将占流域总面积的45.22%，建成区面积则占20.22%。同时，湿地面积预计将从5.63%降至4.59%。1985年至2024年间，该流域的总体生态系统服务价值提升了2.5%，但到2063年预计将下降41.95%。哈拉马亚湖流域的碳封存能力也呈现下降趋势，除植被类用地外，其他各类用地都是碳排放的主要来源，且这一趋势还将持续。研究结果表明，应立即实施综合性的流域管理策略，包括土地用途分区规划、可持续农业实践以及替代性生计发展措施。