红树林是一种生长在热带和亚热带海岸潮间带的草木本植物群落, 是最具生产力和生物学意义的生态系统之一^[1]。作为海岸重要生态关键区, 红树林为沿海生态、经济、社会等各方面的发展提供着重要支撑^[2—6]。然而, 红树林地处海陆交界的特殊地带, 是全球最脆弱的生态系统之一, 生存极易受到围海建陆、水产养殖、木材砍伐、人工建设、极端天气、海平面上升等自然和人类活动的影响^[7—9]。联合国粮食及农业组织的统计报告中指出, 20世纪80年代全球红树林损失估计为每年0.99%, 90年代的年均损失率为0.7%^[10]。进入21世纪后, 红树林的保护和恢复工作逐渐得到各国政府和相关组织的重视, 2000年后的红树林砍伐趋势为每年0.16%至0.39%, 相比于过去的几十年, 红树林年损失率显著下降, 但整体上红树林面积仍在不断减少^[11]。按照这种趋势发展, 全球红树林仍将会逐渐消失, 其提供的生态系统服务和产品也将荡然无存, 严重威胁到沿海地区经济和社会的发展^[12]。因此, 开展全球红树林的时空变化特征分析并探究其长时间序列的时空演变模式, 对红树林的保护、恢复及可持续管理具有重要意义。

目前, 得益于遥感技术的应用, 红树林生态系统时空变化监测的研究已经得到广泛开展, 并获得了诸多成果, 但仍存在一些值得深入研究之处。首先, 目前全球红树林研究多局限于对红树林的面积变化分析, 缺乏像元尺度上红树林覆盖空间变化特征分析, 且在时间跨度及数据时效方面需要进一步提升^[13—14]; 其次, 在处理大尺度长时序遥感影像时需要很大的计算资源, 在目前已有的大范围红树林动态监测中, 较少开展长时间序列的红树林趋势变化分析。本研究首先基于已有的红树林分布数据集, 开展1990—2020年全球红树林面积变化的时空分布特征分析; 然后基于谷歌地球工程(Google Earth Engine, GEE)云计算平台^[15—16], 采用Landsat长时序影像数据和红树林分布数据, 结合Theil-Sen中值趋势分析和Mann-Kendall检验方法, 基于增强植被指数(Enhanced Vegetation Index, EVI)分析1990—2020年全球红树林的时空变化趋势; 最后, 进一步结合Hurst指数分析2015—2020年全球红树林时空变化趋势的可持续特征, 为红树林的保护、恢复和利用提供科学合理的理论依据和决策支持。

1 研究区概况

红树林分布于沿海热带和亚热带海陆之间的潮间带, 主要位于北纬30°至南纬30°之间。全球红树林种类复杂, 结构多样, 广泛地分布于118个国家和地区, 由于沿海栖息地的不同, 全球真红树植物约有60种^[17]。在过去的几十年中, 随着池塘养殖、土地开垦和森林乱砍滥伐等沿海地区的过度开发, 红树林遭到了严重的破坏, 在全球范围内红树林面积均显著减少。近年来, 随着可持续发展目标的提出, 政府采取了退耕还湿、退塘还湿等措施, 加强了对红树林的保护; 同时, 民众的保护意识也得到了显著提高, 全球红树林面积有所恢复。

本研究将1990、2000、2010、2015、2020年有红树林生长的所有区域及其周边1 km缓冲区作为红树林分布区, 如图 1所示。

2 数据源 2.1 红树林分布数据

本文采用的红树林分布数据时间范围为1990、2000、2010、2015、2020年。该数据集是利用无云或云量少于20%的多时相Landsat影像经过大气校正、波段合成等预处理, 基于Capsules-Unet深度学习模型^[18—19]分别提取2000年和2010年全球红树林空间分布信息, 在此基础上, 利用2000年数据、2010年数据目视解译分别提取1990年、2015年和2020年全球红树林分布数据, 从而得到5期全球红树林分布数据集^[20]。该数据集利用公开的红树林数据集^[21—22]相互重叠的区域作为选取红树林样本点的参考区域, 并参考相关年份的高分辨率影像随机布设验证点, 共布设红树林验证点1443个, 非红树林验证点1046个, 得到该数据集1990、2000、2010、2015、2020年的总体精度分别为87%、90%、88%、88%、91%。

2.2 EVI分布数据

归一化植被指数(Normalized Difference Vegetation Index, NDVI)和EVI在监测和评估植被数量和条件的时空变化方面表现出良好的动态范围和敏感性^[18]。在湿润环境下进行高密度植被监测时, NDVI指数可能会出现过饱和的问题。而EVI指数能够减少大气或地表生长等因素所带来的误差。此外, 与NDVI相比, EVI对针叶/阔叶树冠结构更加敏感, 尤其在高生物量区域, NDVI会逐渐饱和, 而EVI对冠层变化仍然保持敏感^[23]。红树林是常绿阔叶林的一种, 也是全球生产力和碳密度最高的生态系统之一, 其结构属性(冠层高度)具有高度空间异质性, 因此, 本文选择采用EVI来分析红树林生长变化趋势。

研究中使用的EVI分布数据为GEE云平台存储的EVI年际均值数据(https://developers.google.com/earth-engine/datasets)。其中, 1990—2012年由Landsat5 TM(Collection 1 Tier 1)生成、2013年由Landsat7(Collection 1 Tier 1)生成、2014—2020年由Landsat8(Collection 1 Tier 1)生成。为了更好地确定不同时期的研究区范围, 本研究以1990—2020年作为研究时间范围, 选取1990、2000、2010、2015、2020年出现过红树林的区域作为研究区范围。利用1990、2000、2010、2015、2020年合并后的红树林范围对EVI分布数据进行掩膜处理, 从而获取1990—2020年全球红树林EVI逐年均值分布数据。

3 研究方法

在本研究中, 首先基于GEE平台获取1990—2020年全球EVI年际均值数据, 利用1990、2000、2010、2015、2020年全球红树林数据对EVI分布数据做掩膜处理, 生成全球红树林EVI逐年均值分布数据。然后, 将Theil-Sen中值分析和Mann-Kendall检验方法相结合, 分析1990—2020年红树林在时间和空间上的变化趋势, 并对时空变化的原因和影响进行定性分析。最后, 结合Hurst指数, 进一步探讨2015—2020年全球红树林时空变化的持续性特征, 预示红树林的未来变化趋势。

3.1 趋势分析

目前广泛应用的植被长时间序列分析方法是将Theil-Sen中值趋势分析和Mann-Kendall检验方法结合起来进行趋势分析^[24—25], 其中Theil-Sen中值方法是一种稳健的非参数统计趋势分析方法^[26—27], 其基本原理是计算n(n-1)/2对数据组合的斜率中位数, 公式如下:

(1)

式中, Median()代表取中值, Index_i和Index_j为第i年和第j年的时间序列数据。S>0, 表示时间序列数据呈上升趋势, 否则呈下降趋势。

Mann-Kendall检验是一种非参数统计的显著性检验方法, 无需样本数据服从一定分布。其计算公式如下:

对于一组时间序列数据{Index_i}, 定义统计量Z:

(2)

式中, ,

(3)

式中, Index_i和Index_j分别为第i年和第j年的Index值; n为时间序列数据的跨度; Z的值域为(-∞, +∞)。在给定的显著水平α下, 当|Z|>Z_1-α/2时, 说明该时间序列数据具有显著性变化, 包括显著上升或显著下降趋势。一般来说, α取值为0.05。

根据Theil-Sen中值斜率和Mann-Kendall检验的结果, 红树林变化趋势被划分为5个级别, 如表 1所示。

3.2 可持续分析

Hurst指数是一种判断时间序列数据可持续性的方法, 对于植被变化的时间序列监测比较有效^[28—29], 在此用于红树林的可持续性判断。原理如下:

给定一组时间序列数据Index_t, t=1, 2, …, 计算其平均值:

(4)

累积离差:

(5)

极差:

(6)

标准差:

(7)

Hurst指数:

(8)

式中, H可以通过方程log(R/S_n)=α+H×log(n)利用最小二乘法拟合得到的。Hurst指数的结果分为三种: (1)当0.5＜H＜1时, 表明数据具有正向持续性, 即未来变化与过去变化趋势一致; (2)当0＜H＜0.5时, 表明数据具有反向持续性, 未来变化与过去变化趋势相反; (3)当H=0.5, 说明数据不具备可持续性, 即未来的变化趋势是随机的, 与过去不存在时间上的关联性。

4 结果与分析 4.1 全球红树林时空变化特征分析

全球红树林总面积在1990—2020年的变化如图 2所示。1990—2020年全球红树林总面积整体呈下降趋势, 由1990年的171508.80km²减少至2020年的119334.62km², 整体上每年以1.2%的平均速度消失。其中1990—2015年持续下降, 2015—2020年面积有所回升, 但并没有恢复到2010年的水平, 2015—2020年全球红树林增加的面积仅占2010—2015年减少面积的7.8%。

基于全球红树林分布数据, 以国家为单位分别统计1990、2000、2010、2015、2020年红树林面积并计算其面积变化率(见附录)。全球红树林分布广泛, 本研究采用了全球红树林联盟在《世界红树林状况报告》^[30]中使用的分区方法, 对全球红树林进行了分区, 分别为: 北中美洲和加勒比地区、南美洲、中西非、东南非、中东、南亚、东南亚、东亚、澳大利亚和新西兰、太平洋岛屿共十个区域。分区统计红树林面积并计算不同时段红树林面积变化率(表 2和图 3)。

结合表 2和图 3, 可以看出, 东南亚是全球红树林的主要分布区域(约占31.85%), 其次为北中美洲和加勒比地区、南美洲、中西非, 这三个区域红树林面积相当, 且变化趋势一致, 红树林面积均在1990—2000年间急剧减少, 2000—2010年面积有所回升, 但2010年开始面积依旧呈减少趋势变化, 直到2015年面积开始恢复。中东、南亚、澳大利亚和新西兰地区, 红树林面积在1990—2020年间持续减少。东亚地区的红树林面积虽然在1990—2010年间显著下降, 但是在2010—2015年期间, 红树林面积迅速恢复, 面积增加了60.87 km²。从1990—2020年整个时段的红树林面积变化率来看, 十个区域红树林面积均呈下降趋势, 其中中东地区红树林面积下降率最大, 达到80.93%, 其余依次为澳大利亚和新西兰(54.09%)、太平洋岛屿(43.02%)、东南非(42.12%)、南美洲(31.87%)、南亚(29.88%)、东南亚(28.18%)、中西非(20.6%)、东亚(19.73%)、北中美洲和加勒比地区(16.77%)。

本文采用正六边形(蜂窝网)来统计1990—2020年全球红树林面积变化率, 并对其分级显示。考虑到格网形状存在边界效应, 会产生一定的样本偏差, 而正六边形具有很低的面积周长比, 在削弱该偏差上具有优势。本研究分别统计了边长为10 km、15 km、20 km、25 km、30 km、35 km、40 km的蜂窝网数据, 结果表明边长为30 km时更能体现红树林空间变化的分异特征, 且成图效果更直观。因此选取边长为30 km的蜂窝网形式来表示1990—2020年全球红树林面积变化率的空间分布, 并将变化率结果划分11个类别, 结果如图 4所示。

从图 4可以直观地看出全球红树林30年的面积变化分布情况。从整体上来看, 面积减少的区域占比远高于面积增加的区域, 尤其在红树林分布的边缘, 红树林面积严重下降, 甚至大部分红树林消失, 而增长的区域呈零星分布。红树林面积急剧下降的地区包括东加里曼丹和北加里曼丹、廖内和西巴布亚、孙德尔本斯、湄公河三角洲、伊洛瓦底江三角洲。红树林面积明显增加的区域主要位于墨西哥东部、巴西东南部、利比里亚和科特迪瓦的南部、坦桑尼亚东部、中国和所罗门群岛以及东南亚部分地区。

以蜂窝网为基本单位对1990—2020年全球红树林面积变化率分级统计, 结果表明: 1990—2020年, 红树林完全丧失区域高达20.25%, 变化率在-99%—-50%的区域占25.41%, 在-49%—-5%的占31.1%, 在-4%—-1%占6.04%, 面积变化增加的区域(变化率在1%—99%)共占11.1%, 红树林新增区域即面积变化率为100%的占5.5%, 面积不变的区域即面积变化率为0%的区域仅占0.6%。

4.2 全球红树林时空变化趋势分析

叠加Theil-Sen中值趋势分析和Mann-Kendall检验结果, 得到像元尺度上全球红树林趋势变化数据。对全球红树林划分的十个区域内的红树林五种变化趋势等级进行了统计分析, 并选取红树林广泛分布的保护区或受多种因素影响发生显著变化的部分区域作为典型研究区, 分析其时空变化趋势及时空变化原因。结果如图 5所示。

全球红树林退化趋势明显, 退化的区域明显多于改善的区域, 呈退化趋势变化的区域占全球红树林分布的81.44%, 其中, 轻微退化占42.92%, 显著退化占38.52%, 而改善的区域仅占总面积的17.43%, 稳定不变即没有发生显著变化的占1.18%。分别统计全球十个区域内红树林趋势变化类别占比, 并生成柱状图(图 5)。从图 5可以看出, 十个区域内红树林退化的区域均多于改善的区域, 且呈退化趋势的区域占比均在70%以上, 改善区域均占20%左右。澳大利亚和新西兰退化趋势最为明显, 退化区域面积占该区域红树林总面积的90.02%, 仅有9.27%的区域表现为改善趋势。南美洲、东南非、东南亚、太平洋岛屿的红树林改善趋势相对于其他几个区域较好, 改善区域占比达到20%以上, 虽然整体上呈现退化趋势, 但是改善的区域也在不断增加。中西非地区红树林有3.14%的区域保持不变, 说明该地区部分红树林分布存在一定的稳定性, 与该地区红树林大片连续分布的特点有关, 红树林分布内部受各种因素影响较小, 因此分布较为稳定。北中美洲和加勒比地区红树林主要表现为轻微退化和显著退化, 分别占比41.48%和38.97%, 19.02%的区域呈改善趋势变化, 仅有0.54%的区域保持不变。中东和南亚地区的红树林严重退化, 显著退化的区域占比最高, 轻微退化的区域次之, 其中显著退化的占比均在60%以上, 轻微退化占比均在25%左右。

(1) 特米诺斯泻湖(Teminos Lagoon)(图 5a): 该区域是墨西哥的一个沿海泻湖, 几乎完全被广阔的红树林包围。该红树林分布区北部受墨西哥湾的影响, 红树林主要呈现为退化趋势, 而南部地区受潮汐影响较小, 且附近地区居民红树林保护意识不断增强, 该区域红树林明显改善, 尤其在居民区附近的红树林, 主要表现为显著改善, 轻微改善和显著改善伴随分布。

(2) 塞阿拉河河口(Ceará River estuary)(图 5b): 该区域是位于巴西北部的一个红树林保护区, 该保护区位于巴西人口分布最稠密的地区(人口密度55.2人/km²), 城镇化率(76.4%)较高(数据来自百度百科), 红树林在1990—2020年整体上呈明显的退化趋势, 显著退化和轻微退化伴随分布, 退化的区域远远多于改善的区域, 在红树林内部有少量呈现轻微改善。

(3) Bijagós群岛(图 5c): 该区域为几内亚比绍的主要红树林分布区, 该区域内红树林沿着被潮汐淹没的河道分布, 对整个国家来说具有极其重要的农业价值。在1990—2020年间, Bijagós群岛红树林严重退化, 在红树林分布四周主要呈显著退化趋势, 并由四周向中心逐渐扩展, 仅有少量红树林在该群岛西部有所改善。

(4) 加里曼丹(Tanjung Puting)(图 5d): 该区域是印度尼西亚五个重要生物保护圈之一, 该区域内的红树林为大量野生动物提供了必不可少的生存环境。该区域北部红树林主要表现为轻微退化, 南部红树林显著退化, 退化区域集中分布, 尤其在红树林大面积分布区退化趋势更为明显, 改善的区域主要分布在南部红树林中心, 多呈轻微改善。

(5) 西澳大利亚洲(Western Australia)(图 5e): 澳大利亚红树林是全球第三大红树林分布区。位于西澳大利亚北部剑桥湾附近的红树林变化趋势具有明显的空间分布特征, 从整体上来看, 该区域内红树林四周显著退化和轻微退化伴随分布, 显著退化主要分布于红树林边缘, 退化区域不断向中心扩展, 在西部有部分红树林显著改善, 轻微改善分布在显著改善周围。

(6) 莫尔兹比港(Port Moresby)(图 5f): 该区域位于巴布亚新几内亚南部, 拥有整个国家最丰富的红树林物种。该地区红树林轻微退化和轻微改善区域分布比较广泛, 且呈明显的交叉分布, 其中, 轻微退化多分布于南部内陆, 在北部沿海红树林变化呈现为轻微改善。显著退化的区域零星分布于中部, 并在北部有少量集中分布。

4.3 全球红树林变化趋势可持续特征分析

根据红树林时空变化趋势分级(表 1), 并结合Hurst指数的可持续分析判断依据(见章节3.2), 在GEE上逐像元计算2015—2020年全球红树林EVI变化趋势和可持续性, 得到了全球红树林EVI的可持续变化趋势图, 并统计了6个持续类别的面积占比, 如图 6所示。

从图 6可知, 全球红树林在2015—2020年有73.85%的区域是可持续的, 26.15%不可持续。其中, 持续改善占38.58%, 持续退化的占33.06%, 全球红树林的正向持续性强于反向持续性, 说明在2020年之后红树林呈退化趋势变化的面积仍多于改善区域的面积。对全球划分的十个区域红树林可持续性变化类型统计分析, 结果表明, 北中美洲和加勒比地区、中东、澳大利亚和新西兰地区的红树林持续改善区域均达到40%以上, 但是持续退化的面积占比也相对较高, 分别占39.32%、50.51%、53.75%, 持续退化区域的面积仍然高于持续改善的区域面积。南美洲和中西非红树林呈不可持续变化的区域分别占红树林总面积的42.51%和45.81, 其反向持续性占比较高, 在制定红树林保护及恢复策略时, 应结合2015—2020年时间序列变化趋势结果与可持续性变化结果, 考虑改善区域的反向持续变化。东亚地区红树林是稳定不变占比最高的区域, 但是其持续改善区域占比仅占24.80%, 且大多呈现持续轻微改善。东南非、南亚、东南亚和太平洋岛屿地区红树林持续退化占比分别为46.93%、56.74%、36.22%、41.43%, 尤其在南亚, 其红树林持续显著退化区域占比达到21.14%, 表明该地区红树林在未来仍会呈现大面积退化。从整体上来看, 2015—2020年全球红树林有改善趋势, 且在未来具有一定的可持续性, 但是持续退化的区域占比也相对较高, 在保证红树林稳定不变的同时, 应加大力度管理持续退化区域的红树林。

5 结论与讨论

依据全球红树林分布数据和GEE平台提供的Landsat系列光学影像特征指数数据, 结合Theil-Sen中值趋势分析、Mann-Kendall检验、Hurst指数等方法, 探讨了全球红树林的时空变化特征和时空演变模式, 主要结论如下:

(1) 从时空分布特征上, 1990—2020年, 全球红树林面积先下降后上升, 总面积净减少52174.18km², 整体上每年以1.2%的平均速度消失, 十个区域中东南亚面积下降最为严重, 其次为澳大利亚和新西兰、南美洲、东南非等。利用蜂窝网统计的1990—2020年全球红树林面积变化率的空间分布中, 红树林面积减少的区域占82.8%, 面积增加的区域占16.6%, 面积不变的仅占0.6%。

(2) 从时空演变趋势上, 1990—2020年全球红树林呈退化趋势变化的面积(81.44%)明显多于改善的区域面积(17.43%), 其中澳大利亚和新西兰的退化趋势最为严重, 显著退化和轻微退化的面积分别占47.07%和42.95%。

(3) 从变化趋势可持续特征上, 2015—2020年, 全球红树林变化趋势有所改善, 持续改善区域面积(38.58%)大于持续退化区域面积(33.06%), 且改善区域的可持续性明显高于不可持续性, 说明2020年之后全球红树林整体上呈改善趋势变化。

红树林湿地生态系统可以为人类提供有价值的社会, 经济和环境服务, 为确保红树林生态系统价值的可持续利用, 联合国可持续发展目标在2015年将红树林列为生态系统指标^[31—32]。可持续地管理红树林生态系统离不开有效的政策实施以及基于可持续发展概念中各种行动计划和战略的支持。然而, 制定合理的红树林管理策略需要充分了解红树林的时空分布和演变特征。本研究探讨了全球红树林时空变化特征和演变模式, 可为生物多样性的保护、沿海经济的发展、生态环境的可持续改善提供重要支撑。研究取得了一些具有参考价值的成果, 但研究工作中仍存在不足之处: 由于红树林分布范围大, 获取全球红树林实时分布范围相对困难。因此全球红树林时空分布特征研究受到已有红树林分布数据时间和覆盖范围的限制, 时间间隔为五年或十年。之后的研究可以充分利用GEE云平台的优势, 以增量更新的方式提取时间间隔更短的红树林分布数据, 进而对全球红树林的长时序时空变化特征开展更稳定详细的分析。

本文的研究结果表明, 红树林的损失受人为和自然环境多种因素的影响, 相比于自然因素, 人为因素对红树林的影响破坏力度更大、影响范围更广、持续时间更长, 人口增长所导致的经济发展需求是红树林面积退化的最主要原因。从社会经济角度看, 红树林可持续发展充满挑战的原因主要包括: (1)人们没有意识到红树林的损失会直接导致经济损失, 也意味着红树林更为宝贵的生态系统价值和效益不会得到重视; (2)缺乏红树林生态系统的长期可持续监测方法, 尚未发展针对区域的红树林生态系统可持续利用模式; (3)人口增长率和经济需求高, 引发了土地利用和土地覆盖的变化。因此, 如何在保证沿海社会经济稳步发展的同时, 实现红树林的恢复与沿海居民生活水平提升的统筹兼顾至关重要。

为实现红树林可持续发展的目标, 需要实现并长期维持在全球范围内从国家到地区的红树林监测, 以获取不同时间、不同空间状态下的红树林相关数据, 以达到对红树林的实时监测、实时分析、实时维护。依据本文的全球红树林长时序时空变化特征分析, 时空演变趋势分析和持续特征分析结果, 把“因地制宜、精准施策”作为管理目标, 填补现有政策和实地实施之间的差距, 对红树林管理和恢复具有建设性的意义。

附录