Predicting Urban Expansion and Land Cover Transformation in Kano, Nigeria Using CA-Markov and GIS-Based Scenario Analysis for Sustainable City Planning

方法

Landsat影像在GEE中用最大似然与随机森林分类，CA-Markov结合ML

发现

建设用地大幅扩张侵占农地与植被，可持续发展情景比BAU情景更能保住农地。

机会点

可将该情景框架迁移到中国快速城镇化区，耦合粮食安全与SDG指标做政策模拟。

撒哈拉以南非洲的快速城市扩张对可持续土地管理、粮食安全和环境质量构成了重大挑战。尼日利亚第二大城市、萨赫勒地带北部主要商业中心卡诺大都市，在人口增长、城乡迁移以及规划和监管不足的驱动下，经历了加速的空间扩张。本研究基于地理信息系统（GIS）框架集成元胞自动机-马尔可夫（CA-Markov）模型，调查了2000年至2023年卡诺土地利用与土地覆盖（LULC）变化的时空动态，并在三种规划情景下预测至2040年的未来城市扩张。研究将Landsat 7 ETM+、Landsat 8 OLI和Landsat 9卫星影像分类为五个LULC类别：建设用地、裸地、农用地、植被/灌木地和水体。在Google Earth Engine中应用最大似然分类（MLC）和随机森林算法，所有时相的整体精度均超过88%，Kappa系数均高于0.85。利用多时相LULC图 derived 的转移概率矩阵校准CA-Markov模型。将距道路距离、距现有建设用地邻近度、人口密度、坡度和高程等驱动变量纳入多层感知机（MLP）神经网络以模拟转移潜力。情景分析在三种路径下进行：惯性情景（BAU）预测历史趋势的延续；适度干预情景应用现有分区法规；可持续发展情景执行绿色缓冲区和紧凑型城市增长走廊，与可持续发展目标11.3保持一致。结果表明，卡诺建设用地面积从2000年的约X平方公里扩张至2023年的Y平方公里，增幅为Z%，主要以农用地和植被覆盖为代价。在BAU情景下，建设用地预计到2040年将达到W平方公里。与BAU轨迹相比，可持续情景保留了显著更多的农用地并减少了生态系统服务损失。研究结果为卡诺州城市规划者、政策制定者和发展机构提供了关键的空间证据，以协调快速城市增长与粮食安全、环境可持续性及可持续发展目标之间的关系。本研究贡献了一个稳健、可复现的遥感与