全球農業系統面臨著氣候變化和人口增長的日益增長的壓力。在這種背景下，溫室農業作為一種關鍵策略，通過實現全年高效、可控的作物生產，增強了糧食安全并促進了可持續農業發展。聯合國糧食及農業組織（FAO）認識到溫室栽培在實現可持續發展目標中的關鍵作用，尤其是在確保糧食供應（SDG 2：零饑餓）和促進資源效率（SDG 12：負責任的消費和生產）方面（FAO，2016）。溫室不僅在惡劣氣候條件下穩定了作物產量，還通過精確的環境控制顯著提高了農業生產效率，這是從傳統農業向現代農業轉變的關鍵指標（Picuno，2014）。這與更廣泛的可持續土地管理努力相一致，這些努力強調多樣化和特定背景下的農業實踐對于建立糧食安全和氣候韌性至關重要（Ntihinyurwa等，2018）。更廣泛地說，可持續土地管理策略越來越被認為是實現多個可持續發展目標（SDGs）的關鍵途徑，正如Wang等人（2026）在其全球土地恢復策略評估中所強調的。
全球溫室農業迅速發展，中國占世界保護農業面積的40%以上，到2020年已達500萬公頃（Du等，2024）。然而，這種快速增長也帶來了環境挑戰，包括水資源過度消耗（Lian等，2022）、土壤退化（Wu等，2020）和塑料污染（Zhang等，2021）。這些問題凸顯了需要采取可持續管理措施，特別是在像河南省這樣的主要農業生產區。河南省位于東經110°21'-116°39'、北緯31°23'-36°22'之間，具有典型的季節性氣候，使其成為研究溫室設施如何緩解季節性限制和支持全年農業生產的理想區域。2023年，河南省的糧食產量約為6624.3萬噸，凸顯了其在國家糧食安全中的重要作用。鑒于土地資源的壓力，合理和可持續地發展設施農業，尤其是溫室，對于優化土地利用效率、多樣化高價值農產品和確保長期農業生產力至關重要。了解河南省的經驗為全球可持續溫室農業提供了重要啟示，特別是在面臨類似氣候條件和現代化挑戰的地區。
遙感技術以其高效性、廣泛覆蓋范圍和多時相能力而著稱，為監測大規模農業變化提供了強有力的工具（Amani等，2020）。2010年推出的Google Earth Engine（GEE）平臺通過整合大量數據集和強大的云計算能力，徹底改變了遙感數據處理方式，大大提高了大規模、長期分析的效率（Amani等，2020）。基于GEE的研究在各種土地利用變化研究中取得了顯著成果，包括城市化評估和洪水風險分析，為土地利用政策提供了依據（Elmi和Ahrari，2025；Ghimire等，2025；Li等，2024；Midekisa等，2017；Yang等，2019；Yilmaz和Alkan，2024；Zhang等，2019）。特別是Zhang等人（2026）的最新進展展示了GEE在黃淮海平原進行長期塑料溫室測繪中的有效性，進一步驗證了該平臺在農業監測中的實用性。
在國際上，已經建立了相對完整的溫室監測技術體系（Li，2023）。多項研究利用遙感技術進行溫室檢測；例如，Reina等人（2022）應用基于深度學習的分割網絡對高分辨率影像進行精確農業特征識別，而Lanorte等人（2017）結合支持向量機和Landsat影像提取塑料污染指數，實現了高精度。Veettil和Xuan（2022）利用Landsat-8和Sentinel-2數據成功繪制了塑料覆蓋的溫室地圖。Senel等人（2023）證明了改進的塑料溫室指數（IPGHI）在多地點繪制溫室方面的高精度。在國內，吳等人（2025）提出了一種利用幾何、空間和光譜特征的智能提取模型，準確率達到90.04%。Feng等人（2021）利用GEE和隨機森林模型在Sentinel-2影像上生成了中國的全國農業塑料溫室數據。
關于溫室選址和土地適宜性評估的研究探討了地形、氣候和社會經濟因素（Akpoti等，2019；Gao等，2022）。例如，Akpoti等人（2019）回顧了評估農業土地適宜性的方法，強調了氣候變化分析的整合。同樣，Gao等人（2022）確定了影響關中平原溫室選址的關鍵自然和區位因素。這些研究為理解溫室分布模式提供了寶貴的基礎。
然而，現有研究在全面描述溫室農業景觀的動態演變特征方面存在局限性。首先，一些研究（Gao等，2022）采用的靜態或非連續時間評估方法限制了對溫室面積連續年度變化及其對短期政策或市場波動響應的精細捕捉。其次，特別是在快速擴張情況下，溫室景觀的結構演變及其空間組織的穩定性尚未得到充分探索。理解土地利用模式的動態演變及其結構穩定性對于可持續規劃至關重要（Batty和Longley，1988；Zhang等，2019）。第三，用于揭示驅動因素與溫室分布之間關系的模型尚未完全解決它們之間潛在的復雜非線性特征（Gao等，2022）。第四，仍需要一個系統整合高精度動態監測、空間結構演變分析、多因素驅動機制識別和綜合適宜性評估的研究框架，尤其是在氣候條件多變的農業重要區域。
為了解決這些問題，本研究以河南省作為案例區域。作為具有典型季節性氣候特征的主要農業生產區，河南省的溫室農業發展對區域和國家層面都有重要意義。本研究旨在利用Google Earth Engine平臺，結合Sentinel-2遙感影像和多源地理空間數據。將采用隨機森林分類、分形分析、廣義加性模型和主成分分析等方法，系統研究河南省溫室的時空動態、空間結構穩定性、主要驅動因素和土地適宜性。
本研究首先將精確的溫室提取與多年（2017–2023年）的空間結構穩定性分析（使用分形維度和SK指數）相結合，超越了簡單的面積變化檢測，揭示了土地利用組織的更深層次模式及其演變，直接解決了以往研究中常忽略的溫室配置動態穩定性的問題。然后，本研究開發了一個強大的多方法集成框架（GEE + RF + GAM + PCA + 穩定性指標），用于繪制溫室分布、識別影響因素并進行細致的土地適宜性評估，提供了比僅關注孤立方面的研究更全面的理解。最后，通過在典型季節性氣候區河南省的應用，本研究為全球類似農業區域的可持續溫室規劃和土地資源管理提供了可轉移的方法論和見解，從而有助于優化布局、提高土地利用效率并基于證據制定政策。
