基于Google Earth Engine（GEE）云平臺提供的隨機森林分類算法對京津冀地區(qū)2017年—2019年遙感影像進行分類,解譯出林地、耕地、草地、建設(shè)用地,水域和未利用地等類型,由此發(fā)現(xiàn)三年內(nèi)林地、耕地、草地面積變化幅度最大,其次為建設(shè)用地、水域和未利用地.土地利用類型主要由耕地轉(zhuǎn)向林地、草地;土地利用面積的變化導(dǎo)致研究區(qū)生態(tài)系統(tǒng)服務(wù)價值（ESV）總值從2017年的3 914億元增長到2019年的4 013.99億元,其中林地面積的變化起主要作用,而未利用地貢獻最低; ESV對三地的生態(tài)價值系數(shù)缺乏彈性,生態(tài)系統(tǒng)服務(wù)價值系數(shù)對ESV的影響較小,結(jié)果具有可靠性.研究表明伴隨京津冀協(xié)同發(fā)展戰(zhàn)略的推進,生態(tài)服務(wù)有所提高,但應(yīng)當(dāng)根據(jù)各地區(qū)實際情況合理規(guī)劃土地利用格局,加強對林地、草地、水域的保護,推進集約用地,合理開發(fā)未利用地. 

【文章來源】：華中師范大學(xué)學(xué)報(自然科學(xué)版). 2020,54(04)北大核心

【文章頁數(shù)】：9 頁

【文章目錄】：
1 研究區(qū)概況與數(shù)據(jù)獲取
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)獲取
2 研究方法
    2.1 基于GEE的隨機森林算法（Random Forest）土地利用分類
    2.2 生態(tài)系統(tǒng)服務(wù)價值計算
    2.3 敏感性分析方法
3 結(jié)果與討論
    3.1 土地利用變化
    3.2 生態(tài)系統(tǒng)服務(wù)價值時間變化
    3.3 價值系數(shù)敏感性分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于Google Earth Engine與多源遙感數(shù)據(jù)的海南水稻分類研究[J]. 譚深,吳炳方,張鑫.  地球信息科學(xué)學(xué)報. 2019(06)
[2]基于GEE平臺的1990年以來北京市土地變化格局及驅(qū)動機制分析[J]. 胡云鋒,商令杰,張千力,王召海.  遙感技術(shù)與應(yīng)用. 2018(04)
[3]基于Google Earth Engine的京津冀2001～2015年植被覆蓋變化與城鎮(zhèn)擴張研究[J]. 張?zhí)?唐宏.  遙感技術(shù)與應(yīng)用. 2018(04)
[4]土地利用及景觀格局演變對生態(tài)系統(tǒng)服務(wù)價值的影響[J]. 王航,秦奮,朱筠,張傳才.  生態(tài)學(xué)報. 2017(04)
[5]基于生態(tài)系統(tǒng)服務(wù)價值和生態(tài)安全格局的土地利用格局模擬[J]. 何玲,賈啟建,李超,張利,許皞.  農(nóng)業(yè)工程學(xué)報. 2016(03)
[6]中國生態(tài)系統(tǒng)服務(wù)的價值[J]. 謝高地,張彩霞,張昌順,肖玉,魯春霞.  資源科學(xué). 2015(09)
[7]基于單位面積價值當(dāng)量因子的生態(tài)系統(tǒng)服務(wù)價值化方法改進[J]. 謝高地,張彩霞,張雷明,陳文輝,李士美.  自然資源學(xué)報. 2015(08)
[8]土地利用變化對生態(tài)系統(tǒng)服務(wù)的影響研究綜述[J]. 王軍,頓耀龍.  長江流域資源與環(huán)境. 2015(05)
[9]基于隨機森林的特征選擇算法[J]. 姚登舉,楊靜,詹曉娟.  吉林大學(xué)學(xué)報(工學(xué)版). 2014(01)
[10]基于土地利用的生態(tài)系統(tǒng)服務(wù)價值當(dāng)量修訂方法——以渤海灣沿岸為例[J]. 徐麗芬,許學(xué)工,羅濤,朱高儒,馬宗文.  地理研究. 2012(10)

碩士論文
[1]隨機森林的特征選擇和模型優(yōu)化算法研究[D]. 雍凱.哈爾濱工業(yè)大學(xué) 2008



本文編號：3001619