利用地理空间技术和机器学习方法研究库尔纳市城区蓝色空间的变化

《Scientific Reports》：Transition of blue space in the urban area of khulna city corporation using geospatial and machine learning techniques

　　

摘要

城市蓝空间的减少和灰空间的扩张显著改变了库尔纳市（Khulna City Corporation）的地表水系统，加剧了这一对气候敏感的沿海城市的环境退化和水文脆弱性。本研究使用了多时相的Landsat影像数据，包括1994年至2004年的Landsat 5 TM数据和2014年至2024年的Landsat 8 OLI数据。分析结合了归一化植被指数（Normalized Difference Vegetation Index）、归一化建筑指数（Normalized Difference Built-up Index）和归一化水体指数（Normalized Difference Water Index），并运用随机森林分类（Random Forest classification）及分类后的变化检测（change detection）方法，来量化长期的土地利用/土地覆盖变化以及城市蓝空间的转变情况。分类后的对比结果生成了方向性转换矩阵，记录了不同土地覆盖类型之间的转换路径。数据显示，地表水体面积从1994年的4.20平方公里减少到2024年的2.27平方公里，而建筑用地面积则从研究区域的25.9%增加到了53.3%。精度评估显示，整体准确率为84.5%至89.3%，Kappa系数介于0.78至0.86之间。在整个研究期间，水体分类的可靠性始终得到保持，这为利用可分类地图进行长期变化分析提供了支持。时间分析揭示了两个主要阶段：早期阶段以混合土地开垦为主，后期阶段则以水体转化为建筑用地为主。空间分析确定了运河填埋、湿地丧失和河岸改造的关键热点区域，主要集中在城市的中心和南部地区。这些发现强调了将城市蓝空间视为关键基础设施的必要性，并提倡采取综合管理措施、自然排水方案以及定期进行遥感监测。本研究将蓝空间的丧失视为城市转型的一个过程，并呼吁加强对沿海次级城市的城市水系统的监测。