scholarly journals Análise da dinâmica do uso e cobertura da terra do Município de Moju-PA, utilizando Google Earth Engine

2020 ◽  
Vol 13 (5) ◽  
pp. 2332
Author(s):  
Samuel Salin Gonçalves De Souza ◽  
Jones Remo Barbosa Vale ◽  
Merilene Do Socorro Silva Costa ◽  
Bruna Ribeiro Chagas ◽  
Carolina Da Silva Gonçalves ◽  
...  
Keyword(s):  
Land Use ◽  
Random Forest ◽  
Land Cover ◽  
Oil Palm ◽  
Google Earth ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm ◽  
Google Earth Engine ◽  
Temporal And Spatial

Em razão das grandes transformações na paisagem ocasionadas pelas principais atividades econômicas do município de Moju, como as práticas agropecuárias, esta pesquisa procurou fazer uma análise temporal e espacial das mudanças de uso e cobertura da terra na localidade, nos anos de 1999 e 2018, por meio de imagens de satélite disponibilizadas pela plataforma Google Earth Engine. Utilizou-se imagem do satélite Landsat-5/TM referente ao ano 1999, e imagem do satélite Landsat-8/OLI-TIRS correspondente ao ano de 2018, ambas disponíveis no Google Earth Engine (GEE). Realizou-se a classificação temporal e espacial de uso e cobertura da terra por meio da aplicação do algoritmo Random Forest. Utilizou-se as análises qualitativas e quantitativas para os dados mapeados, com o objetivo de realizar um detalhamento sobre a dinâmica do uso e cobertura da terra por meio de tabela e mapa. Os resultados apontam que houve uma perda de mais de 878 km² de cobertura vegetal correspondendo cerca de 12% de perda que veio em decorrência das atividades antrópicas que ocorreram em Moju, principalmente, em relação à agricultura com os cultivos de dendê, mandioca, coco e à pecuária com as áreas de pastagens, pois, juntos apresentam um aumento de mais de mais de 70% que equivalem a 1.037,0938 km². Portanto, constatou-se que o desenvolvimento econômico do município de Moju segue o padrão de desenvolvimento dos municípios amazônicos, onde ocorre a diminuição das áreas florestais para a expansão de suas atividades produtivas, como os cultivos de dendê, sendo este um dos principais indutores do desflorestamento no município. Analysis of the dynamics of the use and land coverage of the Municipality of Moju-pa, using the Google Earth Engine A B S T R A C TDue to the great transformations in the landscape caused by the main economic activities of the municipality of Moju, such as agricultural practices, this research sought to make a temporal and spatial analysis of changes in land use and coverage in the locality, in the years 1999 and 2018, by through satellite images made available by the Google Earth Engine platform. An image of the Landsat-5 / TM satellite for the year 1999 was used, and an image of the Landsat-8 / OLI-TIRS satellite for the year 2018, both available on the Google Earth Engine (GEE). The temporal and spatial classification of land use and land cover was carried out by applying the Random Forest algorithm. Qualitative and quantitative analyzes were used for the mapped data, with the aim of detailing the dynamics of land use and land cover using a table and map. The results show that there was a loss of more than 878 km² of vegetation cover, corresponding to about 12% of the loss that came as a result of the anthropic activities that occurred in Moju, mainly, in relation to agriculture with oil palm, cassava, coconut and livestock with pasture areas, because together they show an increase of more than more than 70%, which is equivalent to 1,037.0938 km². Therefore, it was found that the economic development of the municipality of Moju follows the pattern of development of the Amazonian municipalities, where there is a decrease in forest areas for the expansion of their productive activities, such as oil palm cultivation, which is one of the main drivers of the deforestation in the municipality.Keywords: deforestation; agricultural activities; transformations in the landscape.

scholarly journals CRESCIMENTO URBANO E IMPACTOS SOBRE A COBERTURA VEGETAL NA ÁREA DE INFLUÊNCIA DA AVENIDA JOÃO PAULO II, REGIÃO METROPOLITANA DE BELÉM-PARÁ

2021 ◽  
Vol 10 (22) ◽  
pp. 164-180
Author(s):  
Jones Remo Barbosa Vale ◽  
Henrique dos Santos Cruz ◽  
Mateus Trindade Barbosa ◽  
Renan Dourado Lopes ◽  
Saint Clair Cardoso Campos
Keyword(s):  
Random Forest ◽  
Google Earth ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm ◽  
Google Earth Engine

A expansão urbana é um processo de conotação espacial com dimensão temporal de ampliação das cidades, em razão deste processo ocorre a redução da cobertura vegetal para ceder espaço e dentre as variáveis ambientais esta é a mais vulnerável às ações humanas. Assim, o trabalho tem por objetivo analisar o crescimento urbano e as alterações da distribuição da cobertura vegetal na área de influência da Avenida João Paulo II na Região Metropolitana de Belém entre os anos de 1989 e 2019. Para o desenvolvimento do trabalho foram utilizadas imagens do satélite Landsat-5/TM do ano de 1989 e 2004, e imagem do satélite Landsat-8/OLI-TIRS do ano de 2019 disponíveis na plataforma online Google Earth Engine (GEE), os processamentos foram realizados no Code Editor da plataforma, onde aplicou-se o algoritmo de classificação Random Forest que resultou no mapeamento temporal das classes: área urbanizada, cobertura vegetal, hidrografia e outros. Os mapeamentos foram avaliados por meio de índices de concordância, a Exatidão Global e o Índice Kappa. Os resultados demonstraram que nos últimos 30 anos o crescimento urbano na área de estudo foi de 28%, cujo maior aumento foi no período de 2004-2019 com 16%, já a cobertura vegetal obteve uma perda de 29% nos últimos 30 anos, cuja maior supressão também foi no período de 2004-2019 com 23%. A utilização de geotecnologias foi fundamental para o desenvolvimento do trabalho e demonstraram ser ferramentas essenciais para subsidiar políticas ambientais urbanas.

scholarly journals ALTERAÇÃO NA COBERTURA FLORESTAL DA REGIÃO NOROESTE DA AMAZÔNIA MATOGROSSENSE

Nativa ◽  
2019 ◽  
Vol 7 (5) ◽  
pp. 520
Author(s):  
Luani Rosa de Oliveira Piva ◽  
Rorai Pereira Martins Neto
Keyword(s):  
Land Use ◽  
Land Cover ◽  
Forest Cover ◽  
Forest Conversion ◽  
Landsat 8 ◽  
Amazon Forest ◽  
Landsat 8 Oli ◽  
Mato Grosso ◽  
The Past ◽  
Landsat 5 Tm

Nos últimos anos, a intensificação das atividades antrópicas modificadoras da cobertura vegetal do solo em território brasileiro vem ocorrendo em larga escala. Para fins de monitoramento das alterações da cobertura florestal, as técnicas de Sensoriamento Remoto da vegetação são ferramentas imprescindíveis, principalmente em áreas extensas e de difícil acesso, como é o caso da Amazônia brasileira. Neste sentido, objetivou-se com este trabalho identificar as mudanças no uso e cobertura do solo no período de 20 anos nos municípios de Aripuanã e Rondolândia, Noroeste do Mato Grosso, visando quantificar as áreas efetivas que sofreram alterações. Para tal, foram utilizadas técnicas de classificação digital de imagens Landsat 5 TM e Landsat 8 OLI em três diferentes datas (1995, 2005 e 2015) e, posteriormente, realizada a detecção de mudanças para o uso e cobertura do solo. A classificação digital apresentou resultados excelentes, com índice Kappa acima de 0,80 para os mapas gerados, indicando ser uma ferramenta potencial para o uso e cobertura do solo. Os resultados denotaram uma conversão de áreas florestais principalmente para atividades antrópicas agrícolas, na ordem de 472 km², o que representa uma perda de 1,3% de superfície de floresta amazônica na região de estudo.Palavras-chave: conversão de áreas florestais; uso e cobertura do solo; classificação digital; análise multitemporal. CHANGE IN FOREST COVER OF THE NORTHWEST REGION OF AMAZON IN MATO GROSSO STATE ABSTRACT: In the past few years, the intensification of anthropic activities that modify the soil-vegetation cover in Brazil’s land has been occurring on a large scale. To monitor the forest cover changes, the techniques of Remote Sensing of vegetation are essential tools, especially in large areas and with difficult access, as is the case of the Brazilian Amazon. The aim of this work was to identify the changes in land use and land cover, over the past 20 years, in the municipalities of Aripuanã and Rondolândia, Northwest of Mato Grosso State, in order to quantify the effective altered areas. Landsat 5 TM and Landsat 8 OLI digital classification images techniques were used in three different dates (1995, 2005 and 2015) and, later, the detection to the land use and land cover changes. The digital classification showed excellent results, with kappa index above 0.80 for the generated maps, indicating the digital classification as a potential tool for land use and land cover. Results reflect the conversion of forest areas mainly for agricultural activities, in the order of 472 km², representing a loss of 1.3% of Amazon forest surface in the study region.Keywords: forest conversion; land use and land cover; digital classification; multitemporal analysis.

scholarly journals Mapeamento da Vegetação Nativa do Cerrado na Região de Três Lagoas-MS com o Google Earth Engine

2019 ◽  
Vol 71 (3) ◽  
pp. 702-725
Author(s):  
Nayara Vasconcelos Estrabis ◽  
José Marcato Junior ◽  
Hemerson Pistori
Keyword(s):  
Support Vector Machine ◽  
Random Forest ◽  
Google Earth ◽  
Support Vector ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Google Earth Engine

O Cerrado é um dos biomas existentes no Brasil e o segundo mais extenso da América do Sul. Possui grande importância devido a sua biodiversidade, ecossistema e principalmente por servir como um reservatório, ou “esponja”, que distribui água para os demais biomas, além de ser berço de nascentes de algumas das maiores bacias da América do Sul. No entanto, devido às atividades antrópicas praticadas (com destaque para a pecuária e silvicultura) e a redução da vegetação nativa, este bioma está ameaçado. Considerado como hotspot em biodiversidade, o Cerrado pode não existir em 2050. Com a necessidade de sua preservação, o objetivo desse trabalho consistiu em investigar o uso de algoritmos de aprendizado de máquina para realizar o mapeamento da vegetação nativa existente na região do município de Três Lagoas, utilizando a plataforma em nuvem Google Earth Engine. O processo foi realizado com uma imagem Landsat-8 OLI, datada de 10 de outubro de 2018, e com os algoritmos Random Forest (RF) e Support Vector Machine (SVM). Na validação da classificação, o RF e o SVM apresentaram índices kappa iguais a 0,94 e 0,97, respectivamente. O RF, quando comparado ao SVM, apresentou classificação mais ruidosa. Por fim, verificou-se a existência de vegetação nativa de aproximadamente 2556 km² ao adotar o RF e 2873 km² ao adotar SVM.

scholarly journals Transformações do uso e cobertura da terra na bacia hidrográfica do rio Murucupi, Barcarena, Pará

2020 ◽  
Vol 13 (5) ◽  
pp. 2340
Author(s):  
Layse Gomes Furtado ◽  
Gundisalvo Piratoba Morales ◽  
Davi Farias Da Silva ◽  
Altem Nascimento Pontes
Keyword(s):  
Land Use ◽  
Land Cover ◽  
Environmental Impacts ◽  
Population Expansion ◽  
Forest Vegetation ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Urbanized Area ◽  
Urbanized Areas ◽  
Landsat 5 Tm

A importância de estudos que relacionem as alterações de cobertura, uso e manejo da terra são fundamentais para compreender a dinâmica da paisagem em determinadas áreas. O presente trabalho teve por objetivo analisar as transformações do uso e cobertura da terra na bacia hidrográfica do rio Murucupi, no município de Barcarena/PA, ao longo dos últimos 29 anos. Por meio de geotecnologias foi realizada a identificação, classificação e quantificação dos tipos de uso e cobertura da terra, utilizando imagens de satélite Landsat 5 TM e Landsat 8 OLI, correspondentes aos anos de 1990, 2000, 2010 e 2019. Após o processamento das imagens, os elementos encontrados no interior da bacia foram classificados e analisados para a compreensão do seu processo de evolução ou regressão. Os resultados apontaram que houve um crescimento progressivo de áreas urbanizadas desde 1990, em detrimento da vegetação florestal. Porém, somente em 2000, foi observada a crescente evolução das áreas sem vegetação, onde 21,19% correspondia a área urbanizada e 4,08% a área de solo exposto. Em 2010, foi registrado uma perda superior a 50% de vegetação florestal, dando espaço, principalmente, para área urbanizada (35,01%). Diferentemente do ano 2000, em 2019 mais de 50% (1,505 ha) da bacia encontrava-se antropizada. Conclui-se que a maioria de áreas de floresta foram convertidas em áreas urbanizadas, onde a expansão delas é proporcional a expansão industrial e populacional do munícipio. Tais mudanças propiciaram diversos impactos ambientais, dentre eles o intenso desflorestamento e a poluição do solo e do rio Murucupi por dejetos domésticos e industriais. Land use and land cover transformations in the Murucupi river basin, Barcarena, Pará A B S T R A C TThe importance of studies that relate to changes in land cover, use and management are fundamental to understand the dynamics of the landscape in certain areas. The present work aims to analyze the transformations of land use and coverage in the hydrographic basin of the Murucupi River, in the municipality of Barcarena / PA, over the past 29 years. Geotechnologies were used to identify, classify and quantify the types of land use and land cover, using satellite images Landsat 5 TM and Landsat 8 OLI, corresponding to the years 1990, 2000, 2010 and 2019. After processing the images, the elements found inside the basin were classified and analyzed to understand their evolution or regression process. The results showed that there has been a progressive growth in urbanized areas since 1990, to the detriment of forest vegetation. However, only in 2000, there was an increasing evolution of areas without vegetation, where 21.19% corresponded to the urbanized area and 4.08% to the exposed soil area. In 2010, a loss of more than 50% of forest vegetation was recorded, giving space, mainly, to the urbanized area (35.01%). Unlike the year 2000, in 2019 more than 50% (1,505ha) of the basin was anthropized. It is concluded that the majority of forest areas have been converted into urbanized areas, where their expansion is proportional to the industrial and population expansion of the municipality. Such changes have led to several environmental impacts, including soil and Murucupi river pollution by domestic and industrial waste.Keywords: Landscape dynamics, Geotechnologies, Environmental impacts.

scholarly journals Análise multitemporal do uso e cobertura da terra do município de Conceição do Araguaia-Pará através do Google Earth Engine

2020 ◽  
Vol 18 (02) ◽  
pp. 297-318
Author(s):  
Jones Remo Barbosa Vale ◽  
Júlio Anderson Araújo Pereira ◽  
Samara Sunny dos Anjos Cereja ◽  
Larisse Fernanda Pereira de Souza
Keyword(s):  
Google Earth ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm ◽  
Google Earth Engine

A Floresta Amazônica é a maior floresta tropical contígua do planeta e cobre cerca de 40% território brasileiro, vem passando por intenso processo de conversão de áreas florestais, principalmente, no arco do desmatamento que é uma área crítica com problemas ambientais como queimadas e desflorestamento. O município de Conceição do Araguaia-PA encontra-se nessa área crítica e apresenta-se como uma frente de expansão da atividade agropastoril na região. O objetivo do trabalho foi analisar temporalmente as mudanças de uso e cobertura da terra no município de Conceição do Araguaia. Para o desenvolvimento do trabalho foram utilizadas imagens do satélite Landsat-5/TM do ano de 1999 e 2009, e do satélite Landsat-8/OLI-TIRS do ano de 2019 processadas e classificadas na plataforma Google Earth Engine. A partir dos resultados obtidos constatou-se que entre os anos de 1999 e 2019 houve um desflorestamento de 22% no município em estudo, sendo que a atividade agropastoril obteve um aumentou de 14,6%. Com isto pode-se concluir que as condições edafoclimáticas favorecem o desenvolvimento da agropecuária e ela está diretamente ligada ao desflorestamento local, caracterizando-se como a principal matriz econômica do município.

scholarly journals APPLYING RANDOM FOREST CLASSIFICATION TO MAP LAND USE/LAND COVER USING LANDSAT 8 OLI

2018 ◽  
Vol XLII-3/W4 ◽  
pp. 363-367 ◽  
Author(s):  
H. T. T. Nguyen ◽  
T. M. Doan ◽  
V. Radeloff
Keyword(s):  
Land Use ◽  
Random Forest ◽  
Land Cover ◽  
Deciduous Forest ◽  
Landsat 8 ◽  
Land Use Land Cover ◽  
Landsat 8 Oli ◽  
Plantation Forest ◽  
Barren Land ◽  
Random Forest Classification

<p><strong>Abstract.</strong> This study used the Random Forest classifier (RF) running in R environment to map Land use/Land cover (LULC) of Dak Lak province in Vietnam based on the Landsat 8 OLI. The values of two RF parameters of ntree (number of tree) and mtry (the number of variables used to split at each node) were tested and compared. In current study the best results indicate the number of suitable decision trees involved in the classification process is 300 (ntree), and the suitable number of variables used to split at each node is 4 variables (mtry). These parameters were used to classify 7 bands multi-spectral resolution from 1&amp;ndash;7 of Landsat 8 into ten classes of LULC including natural broad-leaved evergreen, semi-evergreen, dipterocarp deciduous forest, plantation forest, rubber, coffee land, crop land, barren land, residential area and water surface. The overall accuracy of 90.32&amp;thinsp;% with Kappa coefficient of 0.8434 was found in this case.</p>

scholarly journals Análise de mudanças na cobertura vegetal do Pará utilizando o Google Earth Engine

2021 ◽  
Vol 7 (1) ◽  
Author(s):  
Laízy de Santana Azevedo ◽  
Evely Ferreira do Nascimento ◽  
Leonardo Carlos Barbosa ◽  
Willian dos Santos Ferreira ◽  
José Rubens Scatimburgo Silva ◽  
...  
Keyword(s):  
Google Earth ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm ◽  
Google Earth Engine

Nos últimos anos o processo de desmatamento na Floresta Amazônica vem se intensificando. Entre as principais causas, destacam-se o estímulo a políticas de ocupação territorial, exploração madeireira e aumento das áreas destinadas a pecuária e cultivos agrícolas. No Brasil, a Floresta envolve nove Estados que fazem parte da Bacia amazônica cada um deles possuindo porções da Floresta Amazônica. Dentre esses Estados, o Pará é o que mais contribuiu para o aumento do desflorestamento. Neste sentido, este trabalho tem como objetivo analisar a dinâmica da cobertura vegetal do Pará entre os anos de 1989 e 2019 por meio do processamento de imagens de satélite na plataforma Google Earth Engine (GEE). Para a execução deste trabalho foi calculado, através de programação em linguagem JavaScript no GEE, o Índice de Vegetação por Diferença Normalizada (NDVI). Foram utilizadas imagens do satélite Landsat-5/TM e Landsat-8/OLI-TIRS. Os resultados mostraram uma redução significativa na cobertura vegetal entre 1989 e 2019 principalmente na região leste do Estado. Destaca-se a importância do GEE e do NDVI no monitoramento e controle ambiental pois através dos resultados obtidos foi possível constatar mudanças na cobertura vegetal que a Floresta vem sofrendo ao longo dos anos.

scholarly journals Analysis of Land Use and Land Cover Using Machine Learning Algorithms on Google Earth Engine for Munneru River Basin, India

2021 ◽  
Vol 13 (24) ◽  
pp. 13758
Author(s):  
Kotapati Narayana Loukika ◽  
Venkata Reddy Keesara ◽  
Venkataramana Sridhar
Keyword(s):  
Machine Learning ◽  
Land Use ◽  
Land Cover ◽  
Learning Algorithms ◽  
Google Earth ◽  
Machine Learning Algorithms ◽  
Landsat 8 ◽  
Lulc Change ◽  
Google Earth Engine ◽  
Sentinel 2

The growing human population accelerates alterations in land use and land cover (LULC) over time, putting tremendous strain on natural resources. Monitoring and assessing LULC change over large areas is critical in a variety of fields, including natural resource management and climate change research. LULC change has emerged as a critical concern for policymakers and environmentalists. As the need for the reliable estimation of LULC maps from remote sensing data grows, it is critical to comprehend how different machine learning classifiers perform. The primary goal of the present study was to classify LULC on the Google Earth Engine platform using three different machine learning algorithms—namely, support vector machine (SVM), random forest (RF), and classification and regression trees (CART)—and to compare their performance using accuracy assessments. The LULC of the study area was classified via supervised classification. For improved classification accuracy, NDVI (normalized difference vegetation index) and NDWI (normalized difference water index) indices were also derived and included. For the years 2016, 2018, and 2020, multitemporal Sentinel-2 and Landsat-8 data with spatial resolutions of 10 m and 30 m were used for the LULC classification. ‘Water bodies’, ‘forest’, ‘barren land’, ‘vegetation’, and ‘built-up’ were the major land use classes. The average overall accuracy of SVM, RF, and CART classifiers for Landsat-8 images was 90.88%, 94.85%, and 82.88%, respectively, and 93.8%, 95.8%, and 86.4% for Sentinel-2 images. These results indicate that RF classifiers outperform both SVM and CART classifiers in terms of accuracy.

scholarly journals Pixel- vs. Object-Based Landsat 8 Data Classification in Google Earth Engine Using Random Forest: The Case Study of Maiella National Park

2021 ◽  
Vol 13 (12) ◽  
pp. 2299
Author(s):  
Andrea Tassi ◽  
Daniela Gigante ◽  
Giuseppe Modica ◽  
Luciano Di Martino ◽  
Marco Vizzari
Keyword(s):  
Land Cover ◽  
National Park ◽  
Time Window ◽  
Central Italy ◽  
Google Earth ◽  
Data Cube ◽  
Landsat 8 ◽  
Change Analysis ◽  
Object Based ◽  
Google Earth Engine

With the general objective of producing a 2018–2020 Land Use/Land Cover (LULC) map of the Maiella National Park (central Italy), useful for a future long-term LULC change analysis, this research aimed to develop a Landsat 8 (L8) data composition and classification process using Google Earth Engine (GEE). In this process, we compared two pixel-based (PB) and two object-based (OB) approaches, assessing the advantages of integrating the textural information in the PB approach. Moreover, we tested the possibility of using the L8 panchromatic band to improve the segmentation step and the object’s textural analysis of the OB approach and produce a 15-m resolution LULC map. After selecting the best time window of the year to compose the base data cube, we applied a cloud-filtering and a topography-correction process on the 32 available L8 surface reflectance images. On this basis, we calculated five spectral indices, some of them on an interannual basis, to account for vegetation seasonality. We added an elevation, an aspect, a slope layer, and the 2018 CORINE Land Cover classification layer to improve the available information. We applied the Gray-Level Co-Occurrence Matrix (GLCM) algorithm to calculate the image’s textural information and, in the OB approaches, the Simple Non-Iterative Clustering (SNIC) algorithm for the image segmentation step. We performed an initial RF optimization process finding the optimal number of decision trees through out-of-bag error analysis. We randomly distributed 1200 ground truth points and used 70% to train the RF classifier and 30% for the validation phase. This subdivision was randomly and recursively redefined to evaluate the performance of the tested approaches more robustly. The OB approaches performed better than the PB ones when using the 15 m L8 panchromatic band, while the addition of textural information did not improve the PB approach. Using the panchromatic band within an OB approach, we produced a detailed, 15-m resolution LULC map of the study area.

scholarly journals Qualifying Land Use and Land Cover Dynamics and Their Impacts on Ecosystem Service in Central Himalaya Transboundary Landscape Based on Google Earth Engine

Land ◽  
2021 ◽  
Vol 10 (2) ◽  
pp. 173
Author(s):  
Changjun Gu ◽  
Yili Zhang ◽  
Linshan Liu ◽  
Lanhui Li ◽  
Shicheng Li ◽  
...  
Keyword(s):  
Land Use ◽  
Ecosystem Services ◽  
Land Cover ◽  
Ecosystem Service ◽  
Forest Cover ◽  
Google Earth ◽  
Forest Cover Change ◽  
Sacred Landscape ◽  
Lulc Changes ◽  
Google Earth Engine

Land use and land cover (LULC) changes are regarded as one of the key drivers of ecosystem services degradation, especially in mountain regions where they may provide various ecosystem services to local livelihoods and surrounding areas. Additionally, ecosystems and habitats extend across political boundaries, causing more difficulties for ecosystem conservation. LULC in the Kailash Sacred Landscape (KSL) has undergone obvious changes over the past four decades; however, the spatiotemporal changes of the LULC across the whole of the KSL are still unclear, as well as the effects of LULC changes on ecosystem service values (ESVs). Thus, in this study we analyzed LULC changes across the whole of the KSL between 2000 and 2015 using Google Earth Engine (GEE) and quantified their impacts on ESVs. The greatest loss in LULC was found in forest cover, which decreased from 5443.20 km2 in 2000 to 5003.37 km2 in 2015 and which mainly occurred in KSL-Nepal. Meanwhile, the largest growth was observed in grassland (increased by 548.46 km2), followed by cropland (increased by 346.90 km2), both of which mainly occurred in KSL-Nepal. Further analysis showed that the expansions of cropland were the major drivers of the forest cover change in the KSL. Furthermore, the conversion of cropland to shrub land indicated that farmland abandonment existed in the KSL during the study period. The observed forest degradation directly influenced the ESV changes in the KSL. The total ESVs in the KSL decreased from 36.53 × 108 USD y−1 in 2000 to 35.35 × 108 USD y−1 in 2015. Meanwhile, the ESVs of the forestry areas decreased by 1.34 × 108 USD y−1. This shows that the decrease of ESVs in forestry was the primary cause to the loss of total ESVs and also of the high elasticity. Our findings show that even small changes to the LULC, especially in forestry areas, are noteworthy as they could induce a strong ESV response.

Sign in / Sign up

Export Citation Format

Share Document