美国同时发生的土地覆盖、土地利用与森林状况变化地图，1985年至今

为什么关注景观很重要

在美国各地，森林会燃烧并再生，城市不断扩张，农田轮作变化，湖泊也时涨时落。然而从高空看，许多截然不同的故事可能显得惊人地相似：一片树冠就是一片树冠，无论它是经营性的木材林地、市区公园还是荒野森林。本文介绍了景观变化监测系统（LCMS），这是一个全国范围的制图工作，不仅区分地面上是什么（土地覆盖），还区分人们如何使用它（土地利用）以及植被本身如何随时间变化。对于关心气候、野生动植物、水资源或城市扩张的人来说，LCMS 提供了一种强有力的新方法，可以查看自 1985 年以来美国景观如何演变。

看得比绿与灰更多

传统的卫星制图通常用宽泛的视觉类别来描述土地——森林、耕地、水体、路面。LCMS 从一个简单但重要的区分出发：我们看到的绿色树冠（土地覆盖）并不等同于我们赋予某地的用途（土地利用）。一片因采伐而暂时稀疏但允许再生的森林，与为住宅或公路而永久清除的森林，其长期影响截然不同，尽管从太空中来看，两者最初都可能表现为树木减少。因此，LCMS 为几乎所有美国土地提供三类相互协调的 30 米分辨率地图产品：年度土地覆盖、年度土地利用，以及一份单独的植被扰动与再生记录。这种三部分视角让用户能够判断某一变化是对经营林地的短暂伤痕、从牧草地向新林地的转变，还是农田永久转为郊区的持久转换。

将数十年的影像转化为连贯叙事

为了构建这些地图，作者利用了来自 Landsat 计划的大量卫星影像档案，最近又加入了欧洲的 Sentinel‑2 卫星。LCMS 并非孤立地查看每一年，而是为每个像素的完整影像时间序列拟合数学曲线，使用两种互补的算法，称为 LandTrendr 和 CCDC。一者擅长发现长期趋势中的突变，如火灾或清采；另一者则专注于生长季内的模式，例如农田或草地的明显季节节律。通过结合两者，LCMS 能更好地区分真实、持久的变化与诸如云、雪或年际天气波动等短暂噪声。地形信息（如海拔与坡度）也被纳入，帮助区分例如高山裸岩与低地路面。

来自数千个样点的实地校验

即便是最好的算法也需要可信的示例来学习。LCMS 依赖于超过 13,000 个在本土相连美国、阿拉斯加东南部、夏威夷、波多黎各和美属维尔京群岛经仔细解译的参考点。分析人员使用名为 TimeSync 的工具在每个点上滚动查看数十年的卫星影像和高分辨率航空照片，逐年标注土地覆盖、土地利用，以及所经历的变化类型——火灾、采伐、风暴损伤或缓慢衰退等。由于某些重要情形（如森林损失或不透水的城市表面）相对罕见，团队故意对这些类别进行过采样，以确保模型能够很好地学习它们。然后分别为变化、土地覆盖和土地利用训练随机森林机器学习模型，并用考虑采样设计的严格交叉验证技术检验其性能。

新地图揭示的内容

借助自 1985 年起的年度地图，LCMS 能追踪一些广为人知的环境变化历程。在犹他州大盐湖周边，它记录了近期干旱年里岸线的戏剧性后退，显示水体覆盖缩减为裸露湖床，而土地利用仍被归类为“其他”，反映出新的放牧或开发滞后于裸露的湖床。在佛罗里达墨西哥湾沿岸，LCMS 将 2018 年飓风迈克尔摧毁的一片森林表现为快速植被损失随后逐步再生的爆发，而底层土地利用大体仍为森林。在科罗拉多前岭，它将松甲虫导致的缓慢树木衰退与重大野火留下的突变伤痕区分开，并显示植被何处开始恢复。在这些示例中反复出现一个模式：土地覆盖在扰动后可在树木、灌木与草地之间迅速转换，但土地利用可能多年保持稳定。

从地图走向更好的决策

对森林管理者和政策制定者来说，LCMS 最实用的回报是更精确地估算实际作为森林管理的土地面积，而不仅仅是树木出现的位置。当作者将 LCMS 土地利用地图与美国林务局长期运行的地面样方网络结合时，发现区域尺度上森林面积的统计估计比仅使用样方要精确大约三倍。这意味着机构可以用更少的实地访问、更高的置信度来跟踪趋势和评估政策。更广泛地说，LCMS 提供开放的、每年更新的数据与在线工具，允许用户播放变化动画、按县或林区汇总状况，并设计自己的分析。通过清晰分离土地的外观、人们如何使用它以及植被的响应，这一系统为观察不断变化的美国景观提供了更明晰的窗口——并为保持其健康提供了更坚实的基础。

引用: Housman, I.W., Healey, S.P., Heyer, J. et al. Coincident maps of changing land cover, land use, and forest condition in the United States, 1985-present. Sci Data 13, 575 (2026). https://doi.org/10.1038/s41597-026-06743-0

关键词: 土地覆盖变化, 土地利用制图, 遥感, 森林监测, 卫星时间序列