Mapping the Spatial Characteristics of Agricultural Heritage Landscapes: A Knowledge-Guided GeoAI Approach

方法

多源地理空间数据、高分辨率遥感、图表示学习与空间约束区划。

发现

生产与生态特征强关联，区划得到五类地理连贯的景观类型。

机会点

可将该多维区划框架延伸至遗产景观动态监测与脆弱性评估。

农业遗产景观（Agricultural Heritage Landscapes, AHLs）是由生产、生态、水利、基础设施和社会文化等多重关系相互交织所塑造的多维文化景观。然而，这些维度往往被分别评估，限制了对景观空间组织及内部分异的理解。本研究开发了一种知识引导的地理人工智能（GeoAI）方法，用于农业遗产景观的多维空间表征与评估。该方法整合了多源地理空间数据、高分辨率遥感、基于GIS的空间量测、图表示学习以及空间约束区划。研究以中国珠江三角洲桑园围基塘景观为案例进行了应用，通过空间指标考察了四个维度：生产与生计、水资源管理、交通连通性和生态网络。结果表明，生产特征与生态特征之间存在强关联，而水利组织与交通连通性则与传统的土地与水空间格局呈现出不同的关系。图学习所获得的构型描述了反复出现的多维组合及其邻域组织。空间约束区划将这些格局综合为五类地理上连贯且可解释的景观类型。该方法超越了单一要素制图，为景观表征提供了综合空间证据，并对差异化管护进行了初步探讨。该集成工作流程为农业遗产景观研究提供了方法学参考，并有望应用于未来的环境监测与脆弱性评估。