城市区域自然保护地植被干扰检测和风险模拟评估

　　 摘要:

在全面推进生态文明建设的背景下，加强城市自然保护地生态风险防范，对完善生态保护策略和优化区域国土空间规划具有重要的科学价值。然而，现有城市自然保护地生态风险研究多依赖人类活动干扰源分析，缺乏联系植被响应数据的风险评估。因此，本文以江苏省生态保护红线区为例，构建了一种融合NDFI指数、CCDC算法和机器学习的植被干扰风险评估方法，以期实现对城市区域自然保护地植被干扰风险的直接、精准评估。结果表明：（1）植被变化检测结果具有较高精度，总体精度达81.2%，Kappa系数为0.72，CCDC算法能够有效检测江苏省生态红线区的植被干扰情况。（2）选取二元逻辑回归、随机森林、极端梯度提升、支持向量机四种机器学习算法进行模型训练，其中随机森林模型表现最佳，植被干扰的关键驱动因素包括河网密度、坡度、气温、距市中心的距离、人口密度及国内生产总值等，综合反映了自然条件与人类活动的共同作用。（3）植被干扰风险空间分异明显，高和极高风险区主要集中在生态公益林、风景名胜区等人地矛盾突出的区域，低和极低风险区则广泛分布于重要湿地、太湖重要保护区等地。研究结果可为江苏省生态红线区的植被保护提供科学依据，并为类似区域的长时序植被干扰检测和风险管理提供方法借鉴。