基于 Google Earth Engine 和多源遥感的中国西南云南省复杂高原山地景观天然草地类型精细制图与空间格局分析

《Remote Sensing Applications: Society and Environment》：Fine–Scale Mapping and Spatial Pattern Analysis of Natural Grassland Types across the Complex Plateau–Mountain Landscape of Yunnan Province, Southwest China, Using Google Earth Engine and Multi–Source Remote Sensing

　　

摘要

准确绘制天然草场类型图对于草场监测与管理至关重要，但在环境异质性强的高原—山地地区，由于地形复杂和景观破碎化，草场类型制图仍然充满挑战。本研究利用Google Earth Engine、Sentinel-2影像、实地调查数据及多源环境变量，构建了一套细尺度天然草场制图的层级分类框架，该框架由土地覆盖分类和草场类型分类两个阶段组成。比较了随机森林（RF）、支持向量机（SVM）和梯度提升决策树（GBDT）三种模型，以确定最适用的分类器。随机森林表现最佳（精度81.05%，Kappa系数0.78）。云南地区以低山草甸、热带灌丛草场和热带草场为主。高山草甸主要分布在云南西北部，干热疏林则集中在干热河谷地区。高海拔草场的连通性和完整性高于中海拔和低海拔草场。地形、水热条件和光谱变量共同对草场类型判别有贡献，其中地形和水热变量的预测重要性相对较高。所提出的层级框架通过在两级分类策略中整合多源环境信息，提高了天然草场类型的细尺度区分能力。该框架为异质性山地地区的细尺度草场制图提供了一种可迁移的方法，并为区域草场监测和生态管理提供了方法学支持。

各节摘要

引言

草场是全球分布最广的陆地生态系统之一，提供碳固存、生物多样性保护、水土保持和牧草生产等基本生态功能。它们还在维持区域生态安全和生态系统稳定性方面发挥着关键作用（Liu等，2022；Zhang等，2024）。近几十年来，气候变化和日益加剧的人类活动干扰加速了草场退化和景观

研究区

云南省位于中国西南部（97°31′39″–106°11′47″E，21°8′32″–29°15′8″N），地处云贵高原与青藏高原的东南边缘。全省面积约394,100 km²，以山地和高原地形为主，山地面积占总面积的84%。海拔从76米到6,740米不等，形成了高度异质的地形和复杂的海拔梯度（图1）。地势总体上自西北向

特征选择与优化

对于土地覆盖特征集（表1），相关性分析显示变量之间存在较强冗余（图4）。植被指数之间具有极高的相关性（r > 0.96）。可见光波段之间也表现出强烈的相互相关性。红波段与NDVI和EVI呈负相关，这与植被光谱响应一致。然而，直接纳入红波段会增加多重共线性。相比之下，地形变量与光谱特征之间的相关性较弱（|r| < 0.20），

层级分类框架性能与模型适用性

本研究在GEE平台上开发了一套层级分类框架，以实现对云南省复杂高原—山地环境中天然草场类型的精细制图。结果表明，该框架通过减少非草场土地覆盖类型的影响并缓解生态过渡带内的类别混淆，有效提高了分类精度和鲁棒性。与传统的单阶段分类相比

结论

本研究基于GEE平台开发了一套层级分类框架，实现了云南省天然草场的精细制图和空间格局分析。该框架有效减少了非草场土地覆盖类型和生态过渡带引起的分类混淆，从而提高了复杂高原—山地环境中草场类型识别的准确性和稳定性。

在所评估的分类模型中，GBDT实现了

CRediT作者贡献声明

邓涛：撰写—审阅与编辑，资源，项目管理，调查。李富文：撰写—审阅与编辑，指导，项目管理。毛周：撰写—审阅与编辑，数据整理。朱新坤：指导，项目管理，概念化。陈宇杰：撰写—审阅与编辑，数据整理。许一萍：撰写—原稿撰写，可视化，方法学，调查，形式分析，概念化。叶江霞：撰写—审阅与编辑，

未引用参考文献

Bartold等，2024；Elnashar等，2021；Han等，2022；Lin等，2022；Pérez-Cutillas等，2023；Yang和Huang，2021；Zhao等，2021。

利益冲突声明

作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

数据可用性

由于保密协议的限制，本研究中生成的实地调查样本数据不公开。然而，本分析中使用的所有遥感数据均可通过Google Earth Engine平台公开获取（https://earthengine.google.com/）。保密样本数据可在合理请求下向通讯作者获取。

涉及人类和/或动物研究的声明

本研究不涉及人类参与者、动物、动物实验、人体组织或个人数据。研究采用遥感影像、地理信息数据和空间分析方法进行。因此，无需伦理审批和知情同意。

生成式AI和AI辅助技术在写作过程中的使用声明

在本工作的准备过程中，作者使用了Grammarly来检查语法和句子结构。使用完该服务后，作者根据需要审阅和编辑了内容，并对论文内容承担全部责任。

资金

本研究得到了云南省科技计划项目（项目编号：202505A0120055和202503AP140004）的资助。

利益冲突声明

? 作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

致谢

本研究得到了云南省科技计划项目（202505A0120055，202503AP140004）的资助。

作者衷心感谢Google Earth Engine平台提供强大的云端计算环境，使我们能够通过其代码编辑器高效处理大规模Sentinel-2影像和多源开放数据集。我们衷心感谢我们的老师和同事提供宝贵的实地调查数据和技术

许一萍|叶江霞|李富文|毛周|朱新坤|陈宇杰|邓涛

西南林业大学 林学院，中国云南昆明