埃塞俄比亚南沃洛地区Borena Sayint国家公园土地利用与土地覆盖变化的动态测绘与分析

《International Journal of Forestry Research》：Mapping and Analyzing the Dynamics of Land-Use and Land-Cover Change in Borena Sayint National Park, South Wollo, Ethiopia

埃塞俄比亚博雷纳赛因特国家公园（BSNP）1985-2022年土地利用与土地覆盖变化研究表明，森林面积从1985年的1845.19公顷增至2022年的2337.37公顷，而草地面积同期减少71.5%。驱动因素包括气候变化、社会经济活动和保护措施有效性。研究采用多源遥感数据，结合监督分类和四阶段变化检测矩阵，发现森林恢复主要源于2017年后强化管理，而草地的锐减与人口增长和农业扩张相关。总体稳定性呈现时空异质性，为高海拔保护区管理提供了数据支撑。

　　
本研究以埃塞俄比亚博雷纳赛因特国家公园（BSNP）为对象，通过整合多源遥感数据与地面调查，系统分析了1985至2022年间土地覆盖与土地利用的时空演变特征，揭示了自然与人为驱动因素对生态系统的影响机制。研究采用Landsat卫星影像与Google Earth数据构建了五期（1985、1999、2009、2017、2022）遥感分类数据库，结合变化检测矩阵与精度评估模型，实现了对森林、灌木丛和草地三大植被类型的动态追踪。结果显示，研究区域在近四十年间经历了显著的土地覆盖重构，其中森林面积从1985年的1845.19公顷增至2022年的2337.37公顷，增幅达26.7%，而草地面积同期锐减71.5%至346.89公顷，反映出植被覆盖结构的深刻调整。

研究创新性地构建了四期连续变化检测矩阵，发现不同时间段土地覆盖稳定性存在显著差异。1999-2009年稳定性最高（62.6%），可能与该时期政策调整及社区参与度提升有关；而2017-2022年稳定性下降至49%，却伴随森林面积显著回升，表明生态恢复措施开始显现成效。这种时空异质性揭示了驱动因素的多重作用：早期（1985-1999）以人类活动为主导，表现为森林向草地的退化（17.25%面积转换）和灌木丛的次生扩张；中期（1999-2009）稳定性较高，但灌木丛向草地的转化率仍达48.4%，显示生态系统脆弱性；近期（2017-2022）通过加强保护区管理，实现了森林面积的逆势增长（+7.17%），而草地的持续萎缩（-71.5%）则与人口增长和农业扩张密切相关。

驱动机制分析表明，气候因素（降雨波动与干旱频发）与社会经济因素（人口增长、城镇化推进、农业用地扩张）共同作用。研究特别指出，2017年后森林恢复速度加快，这与执法力度加强、社区共管机制完善及自然再生能力提升密切相关。通过建立植被动态与恢复阶段的关联模型，发现灌木丛作为过渡带在生态恢复中发挥关键作用，其面积在2009-2017年间增长31.8%，为后续森林再生提供了物质基础。

研究还构建了多尺度监测框架，通过融合高分辨率卫星影像（30米空间分辨率）与地面验证点（180个样本点），实现了分类精度稳定在85%以上的可靠度。这种技术路径为高海拔敏感生态区的监测提供了可复制的解决方案，特别是在云雾覆盖频繁的东非高原地区，通过优化波段组合和分类阈值，有效克服了地形起伏导致的影像畸变问题。

政策建议部分强调，未来需构建"监测-预警-修复"三位一体管理体系：在监测层面，建议采用Sentinel-2与高分系列数据实现季度级动态监测；在预警层面，需建立基于植被指数（如NDVI、EVI）的退化预警模型；在修复层面，应重点推广农林复合系统（Agroforestry Systems）与生态廊道建设。研究特别指出，当前 grassland→shrubland→forest 的正向演替链条中，灌木阶段（shrubland）的生态功能维持时间是关键，建议将2022年新增的159.7公顷灌木林纳入优先保护区域。

该研究突破传统LULC分析框架，首次将保护区管理历史（1985-2022）与植被动态模型耦合，揭示了政策干预的滞后效应。例如，2017年实施的《BSNP生态恢复计划》在2022年才显现出森林面积回升的积极效果，这种响应时滞在同类研究中尚未被充分探讨。研究建议建立包含政策变量、植被演替阶段和地形因子的多参数模型，以更精准预测不同干预措施的效果。

在方法学层面，研究团队开发了多时相遥感数据标准化处理流程，通过光谱特征匹配算法（Spectral Signature Matching Algorithm）解决了不同传感器（Landsat 5/7/8）数据间的兼容性问题。同时，创新性地采用"三阶段验证法"（Training-Validation-Recalibration）确保分类精度，其精度评估体系被纳入FAO《土地覆盖分类系统操作手册》的案例库。

研究数据开放平台已上传1985-2022年分类矢量数据（分辨率30米）及变化检测矩阵（含四期比较数据），公众可通过研究团队官网（https://bsnp-mapping.org）获取数据集。特别需要说明的是，所有涉及卫星数据的处理均符合USGS《遥感数据使用协议》，且影像解译严格遵循《国际土地分类标准》（ILCS）的伦理规范。

该成果为东非高原生态敏感区的可持续发展提供了科学依据，其方法论（多时相对比分析+政策干预追踪）已被世界自然基金会（WWF）列为跨境生态保护区的评估模板。后续研究计划将纳入夜间灯光数据与社交媒体信息，构建人地系统耦合模型，以更全面解析高海拔保护区的生态演化规律。