《Environmental and Sustainability Indicators》：Integrating multi-source data and support vector machine to assess the spatio-temporal pattern of land degradation in the Eastern Cape of South Africa
编辑推荐：
土地退化仍然是一项重大的环境挑战，尤其是在半干旱与异质性景观区域，这些地区植被丧失与土壤暴露之间的相互作用复杂且具有空间动态性。因此，本研究旨在利用Landsat数据系列与支持向量机（SVM），评估南非Keiskamma流域2005至2025年间土地退化的空间
土地退化仍然是一项重大的环境挑战，尤其是在半干旱与异质性景观区域，这些地区植被丧失与土壤暴露之间的相互作用复杂且具有空间动态性。因此，本研究旨在利用Landsat数据系列与支持向量机（SVM），评估南非Keiskamma流域2005至2025年间土地退化的空间范围及其驱动因素。退化土地呈现非单调变化轨迹：其面积从2005年的约197 km2下降至2015年的约157 km2（临时收缩20.3%，与短期恢复和土地利用转变相一致），随后急剧且不可持续地上升至2025年的约328 km2（较2015年增加108.9%，在整个二十年期间净增加66.5%），这一扩张主要以草地和农业用地减少为代价。此外，研究结果表明，土壤敏感指标，特别是裸土指数（BSI）和短波红外（SWIR）光谱波段，在识别退化土地中发挥关键作用。相比之下，归一化差异植被指数（NDVI）等植被指数在退化条件下贡献较小，这是因为退化区域主要以裸露土壤为主而非植被覆盖。相关矩阵分析进一步揭示，光谱关系从2005年的土壤–植被混合特征，到2025年转变为强烈的土壤主导反射模式的时间演变，表明退化已进入高级阶段。总体而言，SVM分类与方差膨胀因子（VIF）和沙普利加法解释（SHAP）的集成，为土地退化监测提供了一个透明、可靠且空间明确的分析框架。研究结果支持土地退化零增长监测，并为可持续土地管理规划提供重要见解，助力可持续发展目标（SDG）15.3.1的实现。
**土地退化时空格局研究解读**
**一、研究背景与科学问题**
土地退化是全球面临的重大环境挑战之一，约影响地球75%的陆地面积。根据《联合国防治荒漠化公约》（UNCCD）2024年的报告，气候变化与人类活动的双重压力正导致每年超过1亿公顷的土地退化，全球四分之一的人口深受其害。土地退化与气候变化相互强化：退化土地降低生态系统活力、推动物种灭绝并危及生计，而气候变化则通过温度、降水、风况及极端事件的变化进一步加速退化进程。在自然因素与人为活动（如过度放牧、森林砍伐、不可持续的耕作方式和城市化）的交互作用下，土地退化过程呈现出动态性和复杂性。
遥感技术，特别是Landsat数据系列（提供超过四十年的连续观测记录，多光谱波段空间分辨率为30 m），为土地退化监测提供了高效手段。云平台如Google Earth Engine（GEE）的出现进一步推动了大规模地理空间数据分析的普及。近年研究表明，将Landsat数据与机器学习算法（如支持向量机SVM）相结合，能够有效提高土地退化分类精度。然而，现有研究仍存在以下不足：第一，南非流域（包括Keiskamma流域）的退化评估多依赖单一分类器和两期对比，难以揭示非单调的多年代际退化轨迹；第二，该区域退化监测传统上依赖NDVI等纯植被指数，对以土壤暴露为主导的退化高级阶段存在系统性低估；第三，少有研究将方差膨胀因子（VIF）筛选与SHAP类级解释相结合，以透明地识别驱动退化的光谱要素。针对上述空白，本研究以南非东开普省Keiskamma流域为研究区，旨在利用Landsat数据系列和支持向量机分类器，评估2005至2025年间土地退化的时空格局与驱动因素，为SDG 15.3土地退化零增长（LDN）监测提供科学支撑。
**二、研究内容与主要技术方法**
研究人员以南非东开普省Keiskamma流域（面积2745 km2，位于半干旱气候区）为研究区域，开展了系统的土地退化时空格局评估。研究采用的主要关键技术与方法包括：（1）基于GEE云平台获取Landsat 5 TM（2005年，TOA反射率）、Landsat 8 OLI（2015年，地表反射率）和Landsat 9 OLI-2（2025年，地表反射率）影像数据，云量阈值控制在5%–10%以内；（2）采用径向基函数（RBF）核的支持向量机分类器，通过网格搜索交叉验证优化成本参数（C）和gamma超参数，采用一对多策略区分七个土地覆盖类别（森林、水体、退化土地、农业用地、草地和建设用地等）；（3）运用VIF分析剔除预测变量间的多重共线性，结合SHAP进行类别级特征重要性解释；（4）通过相关矩阵分析揭示光谱波段和指数间关系的时间演变；（5）采用生产者精度、用户精度、总体精度和kappa系数进行精度评估。野外参考数据于2025年6月采集，每类地物记录70个GPS样点，按70%（训练）和30%（测试）划分数据集。2005年、2015年和2025年的总体分类精度分别为86.19%、84.76%和88.10%，kappa系数均高于0.82。
**三、主要研究结果**
**3.1 退化土地的时空分布与动态变化**
研究基于SVM分类生成的2005、2015和2025年三期土地利用/土地覆盖（LULC）地图显示，退化土地呈现非单调变化轨迹：从2005年的约197 km2下降至2015年的约157 km2（降幅20.3%），随后急剧扩张至2025年的约328 km2（较2015年增长108.9%，二十年间净增66.5%）。转移矩阵和增益/损失统计表明，退化土地是所有土地覆盖类型中比例增幅最大的类别（净增益超过171 km2，增幅109.3%），其主要来源为草地和森林的转化，尤其在2015至2025年间退化过程呈现更强的方向性和压力驱动特征。桑基图进一步证实，退化土地的扩张主要源于植被主导系统的持续弱化，而非建设用地扩张或农业转化。
**3.2 相关矩阵分析**
研究通过2005、2015和2025年三个时期Landsat光谱波段与派生指数的相关矩阵分析揭示：2005年，NDVI、EVI、SAVI等植被指数与近红外（NIR）波段呈中等正相关，而BSI和短波红外（SWIR）波段与植被指数相关性较弱，表明土壤–植被系统总体平衡；2015年，植被指数与土壤相关变量呈现渐进负相关，SWIR波段和BSI的关联增强，指示植被覆盖减少和土壤暴露增加；2025年，可见光波段（蓝、绿、红）、SWIR1、SWIR2与BSI、PBI、PSSRb、TCB等土壤敏感指数之间呈现强正相关，表明流域已进入以土壤主导光谱响应的退化高级阶段。
**3.3 变量重要性分析**
VIF分析结果显示，裸土指数（BSI）在整个研究期间均为最重要的变量，其重要性值从2005年的0.1241和2015年的0.1225上升至2025年的0.2041。SWIR2和SWIR1波段的贡献也呈持续增长趋势，反映其在探测土壤水分耗竭、有机质流失和植被水分胁迫方面的关键作用。可见光波段（绿光和红光）在2025年重要性显著提升（分别为0.1911和0.1727），表明其捕捉叶绿素下降和植被胁迫的能力。相比之下，NDVI在所有年份的重要性持续偏低（0.0146–0.0279），MNDVI贡献更微（≤0.0121），证实了此类植被指数在稀疏植被和高度退化景观中的饱和效应与敏感性不足。SHAP类级特征重要性分析进一步表明，SVM分类具有显著的类别特异性：BSI、SWIR和蓝波段对退化土地和建设用地类别的判别最为关键，NIR、RVI和ARVI对草地和森林最为重要，而可见光/NIR波段主导水体类别的区分。
**3.4 精度评估**
三个时期的LULC分类总体精度为86.19%（2005年）、84.76%（2015年）和88.10%（2025年），kappa系数均高于0.82。宏平均和加权平均的F1分数与总体精度高度一致，表明分类在各类别间无严重偏倚。2015年精度的暂时下降后于2025年提升，反映了类别混淆的暂时增加，随后退化土地等类别在光谱上更加分明、易于识别。
**四、讨论与结论**
**讨论部分总结：** 研究人员将Keiskamma流域的土地退化轨迹与意大利Orcia河流域和突尼斯Zelfen地区的半干旱退化轨迹进行了对比。意大利和突尼斯的研究分别报告了植被恢复和退化面积缩减的趋势，主要归因于气候条件有利和传统农业 abandonment 促进了自然植被恢复。然而，Keiskamma流域2015年后退化土地的急剧扩张表明，该流域缺乏支撑持续恢复的条件，过度放牧和不可持续的土地管理限制了植被恢复，恢复成效未能长期维持。研究特别强调，VIF和SHAP分析共同揭示的BSI和SWIR波段优势，证明该流域的退化主要通过土壤暴露路径推进，而非植被逐渐衰老路径。这意味着依赖NDVI的监测体系将系统性低估退化高级阶段的程度。研究人员还指出，该研究首次为Keiskamma流域提供了2005–2025年基于多时相Landsat数据和机器学习分类器的综合土地退化评估，通过VIF与SHAP的双重可解释性框架，不仅识别退化发生的位置，还阐明驱动退化的光谱过程及其对应的土地覆盖类别，直接支持SDG 15.3 LDN监测的诊断需求。研究的不确定性主要来源于四个方面：不同时期影像的大气校正一致性（TOA与地表反射率的差异）、各时期影像获取窗口内的季节变异性、2025年野外参考数据向历史时期迁移的标签不确定性，以及训练样本中等规模下模型参数选择的过拟合风险。
**研究结论：** 本研究对Keiskamma流域2005、2015和2025年的LULC动态进行了全面分析。最显著的发现是退化土地在二十年间净扩张66.5%，主要由草地和部分森林转化驱动。2005至2015年间退化面积的暂时性部分缩减表明，早期的恢复和土地管理成果未能持续，凸显了持续而非一次性土地管理干预的必要性。研究结果证明了长期卫星监测（特别是Landsat数据集）在捕捉土地系统细微但关键变化方面的价值，并强调需要采取综合考虑生态完整性与社会经济发展的集成土地管理策略，以扭转退化轨迹并维持恢复成果。基于多时相Landsat影像、SVM分类以及VIF、SHAP和相关矩阵分析的集成方法，成功实现了对土地退化过程的有效监测，为半干旱地区土地退化评估提供了可推广的方法论框架。
