1990—2020年緬甸紅樹林時空演變特征遙感分析

夏藝菲 劉 凱,2* 聞 馨 王子予 曹晶晶,3

(1 中山大學地理科學與規劃學院，廣東省公共安全與災害工程技術研究中心，廣東省城市化與地理環境空間模擬重點實驗室，廣東 廣州 510006；2 南方海洋科學與工程廣東省實驗室（珠海），廣東 珠海 519000；3 廣東技術師范大學計算機科學學院，廣東 廣州 510665)

紅樹林生態系統是濕地生態系統的重要組成部分，具有極高的生態價值和社會經濟價值(Wang et al., 2019)。紅樹林多生長在海岸潮間帶，傳統野外調查方法耗時耗力且難以滿足大范圍的應用需求，遙感已成為紅樹林信息提取的重要研究手段(徐逸等, 2021)。Landsat系列衛星影像在已有研究中得到了廣泛的應用，Giri等(2011)利用Landsat圖像，結合監督和非監督分類方法繪制了全球紅樹林分布圖。Jia等(2021)利用Landsat系列衛星圖像數據提取了中國過去50年紅樹林面積，分析其變化規律。現有研究中基于光譜指數的紅樹林信息提取方法已被證明具有提取效率高和應用范圍廣等優勢，指數法成為大范圍紅樹林信息提取的有效手段。張雪紅(2016)利用歸一化差異紅樹林指數（Normalized Difference Mangrove Index,NDMI）和修正的歸一化差值池塘指數（Modified Normalized Difference Pond Index，MNDPI），結合決策樹方法自動提取了中國廣西山口的紅樹林信息。Diniz等(2019)提出了模塊化紅樹林識別指數（Modular Mangrove Recognition Index,MMRI），并分析了1985—2018年巴西紅樹林的動態變化。

本文以緬甸為研究區，基于多時相的Landsat影像，結合潮間帶數據和全球紅樹林數據構建紅樹林生長區，提取1990—2020年共7期緬甸紅樹林空間分布，并結合多種指標分析緬甸紅樹林時空特征演化，以期為緬甸紅樹林的科學管理和規劃提供依據和數據支持。

1 研究區概況與數據源

1.1 研究區概況

緬甸總面積約為67.66萬km2（9°58′—28°31′N，92°20′—101°11′E），擁有豐富的自然資源，是我國“一帶一路”倡議框架下的重要組成國家(劉曉偉, 2019)。緬甸具有典型的熱帶季風氣候，年平均氣溫為27.4℃，沿海地區的降雨量較大，每年降雨量超過5 000 mm。緬甸紅樹林分布范圍和物種多樣性使緬甸成為世界上紅樹林最豐富的國家之一，也是全球紅樹林砍伐的熱點地區(Gandhi et al., 2019;Oo, 2002)。緬甸的紅樹林分布于沿海的伊洛瓦底省（Ayeyarwady）、孟邦（Mon）、若開邦（Rakhine）、仰光省（Yangon）和德林達依省（Tanintharyi）5個省/邦。緬甸有34種真紅樹林，其中，海漆（Excoecaria agallocha）和蘇達班銀葉樹（Heritiera fomes）在伊洛瓦底省和仰光省占主導地位，紅茄苳（Rhizophora mucronata）和紅樹（Rhizophora apiculate）是其他3個地區的優勢種(Estoque et al., 2018)。

1.2 數據源

本文采用了Landsat-5 TM和Landsat-8 OLI遙感影像。首先在GEE平臺上基于設計的各個時相篩選了云量小于80%的遙感影像，然后基于Landsat的表面反射率數據中的影像質量波段（pixel_qa）建立掩膜去除云及云陰影的影響，從而獲得各影像有效像元，最后以5年為單位（例如1990年監測期使用1988年1月1日至1992年12月31日時間段內的影像），取各單位內各像元中位數的方法進一步去除無效像元，獲得各研究基準年多年際合成的極少云影像。

本文還應用全球紅樹林觀測數據（Global Mangrove Watch，GMW）、全球紅樹林分布數據（Global Mangrove Forests Distribution，GMF）以及全球潮間帶變化（Murray Global Intertidal Change Dataset）數據集來輔助確定紅樹林潛在生長分布區域。GMW數據集利用ALOS PALSAR和Landsat數據生成了2010年全球紅樹林基線圖，目前數據集更新至3.0版本，已有1996—2020年10個年份的結果(Bunting et al., 2022)。GMF數據集利用1997—2000年約1000景Landsat系列衛星遙感影像，基于監督分類結合目視解譯獲得最終結果(Giri et al.,2011)。全球潮間帶變化數據集利用全球707 528張遙感影像通過監督分類，繪制了1984—2016年北緯60°至南緯60°潮灘范圍和全球分布(Murray et al., 2019)。

為獲得緬甸紅樹林潛在生長分布區，本文首先對1990—2020年GMW數據與GMF數據的緬甸紅樹林分布范圍進行合并以及生成外接矩形的操作，生成了紅樹林最大分布區域外接矩形。外接矩形的生成以地理學第一定律為基礎，認為不規則的紅樹林斑塊周圍可能存在其他紅樹林小斑塊，將原有紅樹林數據集可能漏分的紅樹林包括到紅樹林最大分布區中。此外，紅樹林生長在海岸潮間帶，會受到潮水周期性浸淹，基于潮間帶數據以60 m為半徑生成緩沖區,將紅樹林最大分布區域外接矩形與緩沖區域合并，通過目視比對高分辨率遙感影像調整范圍，最終確定紅樹林潛在分布區。

2 研究方法

利用全球紅樹林公開數據集和潮間帶數據，生成緬甸紅樹林潛在生長分布區。同時，基于Landsat數據合成無云影像計算8種紅樹林指數，構建集成多指數概率閾值分類方法，在緬甸紅樹林潛在生長分布區內提取1990—2020年緬甸紅樹林，并分析該區域紅樹林的時空演變特征(圖1)。

圖1 研究流程圖Fig.1 Flowchart of this study

2.1 紅樹林分布信息提取

為更好地綜合多種指數的效果，本文采用集成多指數概率閾值方法提取紅樹林。首先對紅樹林潛在分布區內8種紅樹林指數進行計算（表1），計算結果分別采用自適應閾值分割-大津法（OTSU）自動獲取特征指數的分割閾值，同時結合目視判斷進行優化調整，以獲得最佳的分割閾值，獲得不同指數提取的紅樹林范圍(Goh et al., 2018)；其次將通過給予不同紅樹林指數不同權重的方式，形成更為穩定的紅樹林提取方法，其中，MVI指數與MMRI指數的紅樹林提取精度較高，分類結果較好，將其權重賦值為0.2，其余指數權重均賦值為0.1；最后將8種指數提取結果相加，紅樹林分布概率為100%的區域代表了8種指數均認為該區域為紅樹林，但結合遙感影像發現，此時提取結果相比于真實的紅樹林分布范圍要略小，存在漏分的情況，經目視判斷后將概率閾值設置為60%，對于集成多指數的紅樹林分布概率閾值為60%及以上的區域進行紅樹林提取。

表1 紅樹林指數列表Table1 The list of mangrove indices

2.2 紅樹林分類精度評估

本文選取子基準年份進行精度檢驗。以2020年為例進行緬甸紅樹林分類精度評估。在緬甸紅樹林潛在分布區范圍內采用隨機采樣生成200個樣本點，并通過谷歌地球的高分辨率圖像判斷樣本的類別，紅樹林在圖像上為綠色的木本植物，與耕地、水體、裸地等非紅樹林地物存在較大差異。分類精度評價結果顯示：紅樹林像元的各類精度均為90%左右，Kappa系數為0.79（表2），證明本文紅樹林提取方法可行，且能滿足分析要求。將本文紅樹林提取結果與已有數據集進行一致性分析，2000年本文提取的緬甸紅樹林面積結果與GMF數據集和常云蕾等學者(2023)的紅樹林面積基本一致，均為4 900 km2左右，同時本文與GMW數據集和常云蕾等學者的緬甸紅樹林面積變化趨勢一致，說明本文的提取結果具有可靠性。

表2 分類精度評估Table2 Accuracy assessment of classification

2.3 紅樹林時空信息挖掘

利用土地利用動態度和分割度指數兩個指標描述緬甸紅樹林時空特征。土地利用動態度可以定量描述研究區內中土地覆蓋類型在單位時間內的面積變化速率(韓會然等, 2015)。土地利用動態度的計算公式如下：

式中：K表示土地利用動態度，Ua、Ub分別表示研究時間段初、末土地利用的面積，T為研究時期長度。本文利用土地利用動態度描述緬甸紅樹林變化特征，K即為紅樹林動態度，用于表示該研究時段內紅樹林的年際平均變化率。

分割度指數(Splitting Index,SI)用于描述景觀破碎化程度，SI的計算公式如下(焦利民等, 2015)：

式中：A表示某時期景觀總面積，aj表示此時期斑塊j的面積，共有n個斑塊。本文利用分割度指數描述緬甸紅樹破碎化程度，分割度指數越大，紅樹林的破碎程度越高。

3 結果與分析

基于集成多指數概率閾值方法提取1990—2020年緬甸紅樹林分布（圖2）。計算緬甸及各個子研究區紅樹林面積以及動態度和分割度指數，分析緬甸紅樹林時空及空間形態演變。由于仰光省和孟邦紅樹林分布較少且在地理位置上鄰近，在進行分析時將仰光省和孟邦合并。

圖2 1990—2020年緬甸紅樹林空間分布Fig.2 Spatial distribution of mangrove in Myanmar from 1990 to 2020

3.1 緬甸紅樹林時空演變分析

結合紅樹林面積和動態度分析可看出：1990—2020年緬甸紅樹林面積總體表現為先快速減少，再緩慢減少，后緩慢增加的變化趨勢（表3和圖3）。1990—2005年緬甸紅樹林面積由6 043.11 km2減少至4 185.21 km2，有近1/3的紅樹林消失，動態度絕對值較大，表現出了較高的紅樹林毀林速率。2005—2015年緬甸紅樹林由4 185.21 km2減少至3 958.35 km2，減少速度慢。2015—2020年紅樹林面積由3 958.35 km2增加至4 099.01 km2，出現了小幅回升。1990—2020年緬甸紅樹林面積減少了32.17%，大量的紅樹林遭到破壞，水稻種植的擴張、水產養殖和非法采伐是緬甸紅樹林損失的3個主要因素，其中，水稻種植的擴張占主導(Giri et al.,2008; Veettil et al., 2018)。緬甸紅樹林由森林部門管理，但管理執行不力，在研究時間段前期大量紅樹林被破壞(Oo, 2002)。經歷2008年納爾吉斯颶風后，緬甸國家環境保護委員會更加重視利用紅樹林改善海岸線生態系統；同時在2010年緬甸的政治改革之后，許多國際組織都致力于努力恢復緬甸紅樹林(Giri et al，2008; Veettil et al，2018; Webb et al，2014)。

表3 1990—2020年緬甸紅樹林面積 km2Table 3Mangrove area of Myanmar from 1990to2020km2

圖3 1990-2020年緬甸紅樹林動態度Fig.3 Mangrove dynamic degree of Myanmar from 1990 to 2020

1990—2020年伊洛瓦底省紅樹林面積總體表現為先劇烈減少，再緩慢增加。1990—2010年紅樹林由1 796.75 km2減少至563.77 km2，減少了近70%的紅樹林，紅樹林動態度均小于-2%。2010—2020年伊洛瓦底省紅樹林出現了小幅度增加，但與1990年相比仍存在較大差距。總體來說，1990—2020年伊洛瓦底省紅樹林變化最為劇烈，年平均變化率絕對值均大于2%。研究時期前半段時間，紅樹林大量轉變為耕地，水稻種植業一直是該地紅樹林砍伐的主要驅動力，直到2008年后，納爾吉斯颶風使當地政府意識到紅樹林對生態的保護作用，紅樹林面積的減少情況有所緩解(Webb et al., 2014)。

1990—2020年仰光省和孟邦紅樹林面積整體上呈不斷增加的趨勢。紅樹林面積由1990年的41.67 km2增加至2020年的73.03 km2，其中，1990—1995年和2005—2015年增加幅度較大，紅樹林動態度超過4%。該地區紅樹林是所有子研究區域中保護最好的區域，但其面積較小。

1990—2020年若開邦紅樹林面積整體上呈先下降后趨于穩定的趨勢。1990—2010年紅樹林由1 684.91 km2減少至1 021.60 km2，紅樹林減少了663.31 km2，占1990年總面積的39.37%，紅樹林動態度處于-2%～-3%之間，該時間段內大量紅樹林轉變為耕地(Richards et al., 2016)。2010年后，紅樹林面積基本穩定在1 000 km2，存在小幅波動，紅樹林動態度絕對值小于1%。1990—2020年耕地的擴張一直是紅樹林受到破壞的驅動因素，此外2010年后也有小部分紅樹林轉變為水產養殖池塘，而紅樹林面積增加主要依靠廢棄水產養殖池塘（蝦池）紅樹林的自然恢復(De Alban et al., 2020; Maung et al., 2021)。

1990—2020年德林達依省紅樹林面積較穩定，整體上有小幅度下降。1990年紅樹林面積為2 519.85 km2，2020年紅樹林面積為2 314.35 km2，紅樹林動態度絕對值較小。在緬甸三大紅樹林分布區域中，德林達依省的紅樹林保存完好，且紅樹林生長狀況良好，這與當地人口較少以及受颶風的侵襲較少有關(Veettil et al., 2018)。

3.2 緬甸紅樹林空間形態演變分析

基于紅樹林分割度指數結果，研究紅樹林在空間結構上的變化（圖4）。1990—2020年緬甸紅樹林分割度指數整體上呈波動上升趨勢。1990—2000年分割度指數增長較快，紅樹林斑塊逐漸破碎，隨后2000—2020年分割度指數先下降后上升再下降，但變化幅度都較小。

圖4 1990—2020年緬甸紅樹林分割度指數Fig.4 Mangrove splitting index of Myanmar from 1990 to 2020

1990—2020年伊洛瓦底省紅樹林分割度指數處于波動狀態,其中，2005—2010年分割度指數增長較快，這與該時間段內成片紅樹林受到破壞形成較多細小斑塊有關，2010—2015年分割度指數下降，原有的成片紅樹林得到恢復，與Webb等（2014）研究結果一致。1990—2020年仰光省和孟邦紅樹林分割度指數呈下降趨勢，紅樹林破碎程度逐漸減少；若開邦紅樹林分割度指數呈先上升后下降的趨勢；德林達依省紅樹林分割度指數呈先穩定后上升再小幅下降的趨勢。德林達依省紅樹林存在部分面積減少與增加相抵消的情況，其中，水稻種植和水產養殖是紅樹林砍伐的主要驅動因素，而紅樹林增加主要是由于泥沙沉積為紅樹林的生長提供了適宜的條件(Gaw et al.，2018)。

4 結論

本文基于30年的Landsat衛星數據，結合全球紅樹林公開數據集與海岸潮間帶數據，提取1990—2020年7個時期緬甸紅樹林空間分布，并分析了緬甸紅樹林時空演變特征，主要結論如下：

1）集成多指數概率閾值方法可快速高效提取緬甸紅樹林空間分布，同時具有較高的精度。本文基于集成多指數概率閾值方法，實現了緬甸1990年以來7個時期的紅樹林分布提取，大大提高了紅樹林遙感分類效率。

2）1990—2020年緬甸紅樹林面積呈先減少后增加的趨勢。30年間緬甸紅樹林減少了1 944.1 km2，占1990年總面積的32.17%。2015年以后緬甸紅樹林面積緩慢增加。伊洛瓦底省及若開邦在研究時間段內紅樹林明顯減少，德林達依省紅樹林面積最為穩定，仰光省和孟邦紅樹林面積有所增加。

3）1990—2020年緬甸紅樹林破碎程度不斷上升，紅樹林分割度指數整體上呈波動上升趨勢。伊洛瓦底省紅樹林分割度指數處于波動狀態，仰光省和孟邦紅樹林分割度指數整體上呈不斷下降的趨勢，若開邦和德林達依省紅樹林分割度指數呈先上升后下降的趨勢。