《Land Use Policy》：Predicting Future Land Use and Land Cover Dynamics in a Tropical Watershed for Irrigation Planning and Agricultural Sustainability Using a Hybrid Modelling Approach
编辑推荐：
•混合CA-ANN模型成功模拟了热带盆地的长期土地利用/土地覆盖（LULC）动态变化。•预计到2103年，建设用地面积将增加一倍以上，取代稻田和森林。•LULC转变威胁着灌溉效率、粮食安全和流域可持续性。•与2044年空间规划叠加显示，规划一致性和适应机遇并存。•预测性LUL
- •
混合CA-ANN模型成功模拟了热带盆地的长期土地利用/土地覆盖（LULC）动态变化。
- •
预计到2103年，建设用地面积将增加一倍以上，取代稻田和森林。
- •
LULC转变威胁着灌溉效率、粮食安全和流域可持续性。
- •
与2044年空间规划叠加显示，规划一致性和适应机遇并存。
- •
预测性LULC模型支持适应性灌溉和土地利用政策的整合。
引言
热带地区的土地利用和土地覆盖（LULC）变化是一个重大的环境问题，因为它们对生态系统和人类福祉产生显著影响。土地利用变化受到多种社会经济和生物物理驱动因素的影响，包括农业扩张、城市发展、通达性和基础设施增长，这些因素可能导致森林砍伐、栖息地碎片化和生物多样性丧失[1]、[2]、[3]、[4]。除了生态影响外，LULC变化还会显著影响流域系统内的水文过程，通过改变径流产生、入渗、蒸散发和泥沙输移来发挥作用。这些变化可能增加洪水风险、降低水质并破坏许多热带盆地的生态系统功能[5]、[6]、[7]、[8]。
这些动态在印度尼西亚尤为明显，特别是在爪哇岛上，该岛是国家的经济和政治中心，也是世界上人口最稠密的岛屿之一。经济增长、基础设施扩张和对土地需求的日益增加推动了全岛的土地利用变化。先前的研究表明，土地利用变化频繁发生在坡度在0°到3°之间的相对平坦地区，这些地区非常适合居住扩张和基础设施发展[9]。在这样的地区，农业用地和自然植被通常被转化为居住和商业用途，得到交通网络和开发廊道的支持，从而刺激城市边缘扩张[10]、[11]。基础设施建设，包括收费公路和其他主要交通设施，通过提高通达性和吸引新的经济活动，进一步加剧了这些土地利用变化[12]、[13]。
中爪哇的Bogowonto流域是这些土地利用动态的一个特别相关的案例。流域面积约600平方公里，在灌溉供水、防洪和为周边社区提供原水方面发挥着重要作用。该河流发源于Sumbing火山高地和Menoreh山，向南流经农业平原和居民区，最终汇入印度洋[14]、[15]。这种海拔梯度形成了一个异质性景观，包括高地森林、灌溉和水浇农业用地，以及快速扩张的居民区。近期趋势表明，流域内的土地资源面临日益增加的压力，其特征是森林覆盖减少以及农业和居住区的扩张。这些变化可能通过增加径流、侵蚀和泥沙输移来影响流域水文，从而影响灌溉基础设施和水资源管理系统[15]、[16]、[17]。
尽管了解这些动态的重要性日益增加，但Bogowonto流域现有的大多数研究主要关注历史评估，如土地退化分析、流域地貌以及气候变化对水平衡的影响[14]、[15]、[16]、[17]。虽然这些研究为过去和现在的流域状况提供了有价值的见解，但针对Bogowonto流域未来土地利用和土地覆盖动态的空间显式预测仍然有限，特别是在空间规划和灌溉管理方面。这些预测对于预测潜在的土地转化趋势并评估其对水资源、农业可持续性和区域发展的影响至关重要。
在印度尼西亚，空间规划政策在指导土地利用管理方面发挥着重要作用。区域空间规划（RTRW）框架作为具有法律约束力的工具，规范了农业、居住、基础设施和环境保护等各种用途的土地分配。Bogowonto地区的RTRW 2024–2044为平衡经济发展、农业生产力和环境可持续性提供了战略规划框架。然而，有效的空间规划需要前瞻性信息来了解潜在的土地利用轨迹，以预见开发压力与环境保育之间的冲突。
预测LULC变化的方法包括数学模型、系统动力学、统计分析、专家系统、进化模型、元胞模型和混合方法[18]。其中，混合模型因其能够整合时间预测和空间模式模拟而成为最广泛采用的方法。通过结合马尔可夫链、元胞自动机和机器学习算法（例如人工神经网络和逻辑回归）等技术，混合模型提供了更高的预测精度并更好地代表真实世界的动态[18]、[19]、[20]、[21]。QGIS中的土地变化模拟与评估模块（MOLUSCE）插件是这一方法的典范，提供了一个用户友好的平台，用于使用空间和时间驱动因素模拟LULC变化。其灵活性和对各种数据类型的兼容性使其特别适用于区域规模的评估[22]、[23]、[24]。
本研究旨在利用通过QGIS中的MOLUSCE插件实现的混合元胞自动机–人工神经网络（CA–ANN）建模方法，预测Bogowonto热带流域未来的土地利用和土地覆盖（LULC）动态。因此，本研究解决的研究问题是：预计的土地利用动态如何为Bogowonto流域的空间规划和灌溉相关决策提供信息。这些预测被解释为基于近期土地利用转型模式的场景结果，而非确定性预测。预期结果将为潜在景观变化提供空间显式洞察，支持应对环境和社会经济变化的适应性、可持续性流域管理策略。研究结果可以惠及林业、农业和城市规划等部门，通过了解空间发展趋势、优化土地分配、增强生态服务和减轻风险。这项研究最终促进了可持续流域资源管理中的更加整合和明智的决策。
章节摘要
研究区域与总体框架
本研究在印度尼西亚中爪哇省的Bogowonto流域进行。地理上，该流域位于南纬7°38'至7°89'和东经110°02'至110°14'之间，面积约597平方公里。流域跨越多个行政区域，最大部分位于Purworejo县（66%），其次是Wonosobo县（22%）、Magelang县（6%）和Kulonprogo县（6%），而只有极小一部分位于
当前土地利用和土地覆盖模式
对Bogowonto流域2015年、2019年和2023年的土地利用和土地覆盖（LULC）分析显示了由自然过程和人类活动相互作用驱动的显著空间和时序转变。基于Landsat 8 OLI影像的随机森林（RF）算法监督分类成功识别了六个土地覆盖类型：稻田、荒原、裸地、密集植被、建设用地和水体。精度验证进行了
结论
本研究证明了混合元胞自动机–人工神经网络（CA-ANN）方法的有效性，该方法在QGIS的MOLUSCE插件中实现，用于预测Bogowonto热带流域可能的土地利用和土地覆盖（LULC）轨迹。Landsat影像（2015年、2019年、2023年）的随机森林分类总体精度超过89%，Kappa系数在0.86到0.93之间，证实了建模框架的稳健性。此类验证
资金来源
作者衷心感谢亚太全球变化研究网络（APN）通过2024年区域合作研究计划"通过智能灌溉水资源管理适应土地利用和气候变化的影响以支持粮食安全（SIWAMA）"（项目编号：CRRP2024-10SY-Setyawan）为本研究提供财务支持。
利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系，这些利益或关系可能影响本文报告的工作。
致谢
作者感谢Progo Bogowonto Luk Ulo水资源管理中心在提供数据方面的协助。
Ansita Gupitakingkin Pradipta|Chandra Setyawan|Isnaini Dairina|Ismi Nuari Puspitaningrum|Yuli Widyaningsih|Dede Sulaeman|Ngadisih|Muhamad Khoiru Zaki|Muhammad Rasyid Ridla Ranomahera|Murtiningrum|Sigit Supadmo Arif|Sushil Kumar Himanshu|Hanggar Ganara Mawandha|Andri Prima Nugroho|Ha Thi Hoa|Propezite Nurhutama Mustain|Trang Dang An|Phantipa Plangkang|Teguh Triyana
