《Frontiers in Environmental Science》：Modeling and performance evaluation of machine learning for historical and future land use and land cover dynamics in Chattogram District, Bangladesh
编辑推荐：
引言：土地利用与土地覆被（Land Use and Land Cover, LULC）变化正迅速重塑孟加拉国沿海地区的环境景观。
方法：本研究整合基于Landsat影像的分类、基于机器学习的方法和马尔可夫链（Markov Chain, MC）模拟，以评估吉大
引言：土地利用与土地覆被（Land Use and Land Cover, LULC）变化正迅速重塑孟加拉国沿海地区的环境景观。
方法：本研究整合基于Landsat影像的分类、基于机器学习的方法和马尔可夫链（Markov Chain, MC）模拟，以评估吉大港区的历史与未来LULC动态。
结果：随机森林（Random Forest, RF）分类在2006年、2015年和2025年分别达到95.96%、90.45%和94.25%的总体精度。结果表明，耕地大幅扩张（+32,375 ha），建设用地持续增长，同时植被、水体和裸地呈下降趋势。RF展现出较强的预测性能，袋外（Out-of-Bag, OOB）精度达92.63%，技能得分（skill score）为0.9171。到2035年，耕地和建设用地预计将分别增至43.95%和4.63%，而植被、水体及过渡性土地覆被类别持续减少。
讨论：这些发现为支持沿海-城市系统的可持续土地利用规划与环境管理提供了实证依据。
**研究背景与意义**
土地利用与土地覆被（Land Use and Land Cover, LULC）变化受快速城市化、人口增长、基础设施扩张和城乡迁移等因素驱动，可对生物多样性、局地气候调节、水资源和粮食安全产生深远影响。孟加拉国沿海地区陆海交互密切、人类活动压力大且生态系统敏感，其中吉大港区兼具低地平原、丘陵森林、农田和重要港口城市，是典型的沿海-城市复合系统。然而，已有研究多聚焦回顾性变化检测或依赖单一分类方法，鲜有研究在单一区级框架内整合多时相Landsat分类、机器学习转移潜力建模、随机森林（Random Forest, RF）与支持向量机（Support Vector Machine, SVM）模型对比、独立验证与未来土地变化预测。此外，验证不确定性对未来LULC情景解释的影响很少被明确探讨。为此，研究人员整合了Google Earth Engine（GEE）平台LULC分类、TerrSet土地变化模型器（Land Change Modeler, LCM）转移分析、RF与SVM转移潜力建模及马尔可夫链（Markov Chain, MC）模拟，旨在评估2006、2015和2025年LULC时空变化，检验RF和SVM转移潜力模型的内部性能，并模拟2035年LULC空间分布。该研究发表于《Frontiers in Environmental Science》，为沿海-城市系统的可持续土地利用规划和环境管理提供了实证证据。
**关键技术方法**
研究主要采用以下技术方法：基于GEE平台对Landsat Collection 2 Level-2影像（Landsat 5 TM和Landsat 8 OLI，30 m分辨率）进行RF监督分类，将研究区划分为植被、耕地、水体、建设用地和裸地五类，每类350个训练样本，70%用于训练、30%用于独立验证；利用TerrSet LCM模块进行变化检测、转移分析与验证；选取高程、坡度、距道路距离、距河流距离、距建设用地距离和距植被距离作为驱动变量，采用Cramer's V评估解释力；在LCM中分别构建RF和SVM转移潜力子模型，仅纳入面积超过4,500 ha的主要转移类型；采用马尔可夫链模拟2025年和2035年LULC情景，并使用TerrSet VALIDATE工具将预测的2025年图与独立分类的2025年图进行外部验证。数据来源包括USGS Landsat产品（2006、2015、2025年）、NASA SRTM高程数据（2000年）、OpenStreetMap道路数据（2025年）和HydroSHEDS河流数据（2013年）。
**研究结果**
1. **2006、2015和2025年LULC时空分布**：通过GEE平台RF监督分类发现，2006年耕地和植被分别占48.94%和39.91%；2015年植被增至54.62%，耕地降至33.16%；2025年耕地回升至40.44%，植被降至48.86%，建设用地由2006年的2.48%持续扩张至2025年的3.79%。植被主要集中在北部和西南部丘陵区，建设用地沿中部城市走廊分布。
2. **LULC分类精度评估**：通过混淆矩阵精度评估，2006年、2015年和2025年的总体精度分别为95.96%、90.45%和94.25%，对应kappa系数为0.94、0.87和0.92，表明分类结果满足精度标准。2015年裸地的生产者精度（76%）和建设用地的使用者精度（77%）相对较低。
3. **LULC变化检测**：通过LCM增益-损失与净变化分析得出，2006-2015年植被净增65,437
