伊朗北部Shafarood流域土地利用与土地覆盖变化（2000–2020）：基于Landsat影像和支持向量机分类的案例研究

土地利用与土地覆盖（LULC）变化是森林景观中环境退化的主要驱动因素，面对日益增加的人为压力。本研究利用Landsat卫星影像和支持向量机（SVM）分类，调查伊朗北部Shafarood流域在20年（2000–2020）期间的多时相土地覆盖动态。对Landsat 7 ETM+（2000）和Landsat 8 OLI（2020）级别1地形校正图像进行了几何验证和分析，并通过最优指数因子（OIF）进行了最佳波段选择。识别出四种土地覆盖类别：森林、农业、密集牧场和半密集牧场。两年的分类准确率均较高，2000年的总体准确率为96.75%（Kappa = 0.9472），2020年为98.96%（Kappa = 0.9307）。结果显示，二十年来森林面积净损失413公顷，密集牧场损失577公顷。相对而言，农业用地扩展了191公顷，半密集牧场增加了约800公顷，表明了植被退化和土地利用转变趋势。研究结果突出显示了海尔坎森林地区持续的生态压力，并强调了基于卫星的持续监测在可持续土地管理中的重要性。本案例研究证明了中分辨率卫星影像结合机器学习分类，为长期环境监测和可持续土地管理提供了可靠、经济有效的框架。