" />
  森林与环境学报  2019, Vol. 39 Issue (2): 143-152   PDF    
http://dx.doi.org/10.13324/j.cnki.jfcf.2019.02.005
0

文章信息

路春燕, 高弋斌, 陈远丽, 贾明明, 傅玮 , 熊怡林
LU Chunyan, GAO Yibin, CHEN Yuanli, JIA Mingming, FU Weiwei, XIONG Yilin
基于RS/GIS的泉州湾红树林湿地时空动态变化分析
Dynamic change analysis of mangrove swamps based on RS/GIS in Quanzhou Bay
森林与环境学报,2019, 39(2): 143-152.
Journal of Forest and Environment,2019, 39(2): 143-152.
http://dx.doi.org/10.13324/j.cnki.jfcf.2019.02.005

文章历史

收稿日期: 2018-05-07
修回日期: 2018-09-03
基于RS/GIS的泉州湾红树林湿地时空动态变化分析
路春燕1,2, 高弋斌1, 陈远丽1, 贾明明2, 傅玮 1, 熊怡林3     
1. 福建农林大学计算机与信息学院, 福建 福州 350002;
2. 中国科学院东北地理与农业生态研究所湿地生态与环境重点实验室, 吉林 长春 130102;
3. 福建农林大学林学院, 福建 福州 350002
摘要:红树林湿地具有重要的生态服务功能,明确其时空动态变化特征对于保护和管理红树林湿地具有重要意义。本研究在野外实地调查与不同季相红树林、滩涂和米草光谱特征对比分析的基础上,基于Landsat TM/OLI RS影像,利用面向对象分类方法得到1990、1997、2005、2010和2017年泉州湾河口湿地自然保护区土地覆盖空间分布数据,并结合动态度、空间叠置分析、质心迁移等方法分析红树林时空动态变化特征及其驱动力因素。结果表明:1990—2017年,红树林面积整体呈大幅度增加,仅在1997—2005年间呈现小面积减少,其中在2010—2017年间面积增加最为剧烈,动态度为32.78%。相对于其他土地覆盖类型,米草和滩涂与红树林的面积转化最大,其中1997—2005年共有4.70 hm2红树林转出为米草和滩涂,而2010—2017年间共有178.60 hm2滩涂和米草转入为红树林。1990—2017年,红树林与米草质心均向海迁移,且彼此间的距离逐渐增大。红树林面积时空变化的驱动力因素涉及多个方面,其中自然环境变化、外来植被入侵和养殖业发展对红树林的存在与繁衍具有一定的消极作用,而人工造林工程与入侵植被治理对其具有积极作用,且作用大于前者。继续实施和深入研究红树林人工造林工程、米草治理方法和建立健全红树林生态系统监测体系是保护和管理红树林湿地的重要手段和措施。
关键词红树林湿地    面向对象分类    质心迁移    泉州湾    遥感    
Dynamic change analysis of mangrove swamps based on RS/GIS in Quanzhou Bay
LU Chunyan1,2, GAO Yibin1, CHEN Yuanli1, JIA Mingming2, FU Weiwei1, XIONG Yilin3     
1. College of Computer and Information Sciences, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China;
2. Key Laboratory of Wetland Ecology and Environment, Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun, Jilin 130102, China;
3. College of Forestry, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China
Abstract: Mangrove swamps are ecologically important ecosystems. Discerning the spatiotemporal dynamics of mangrove swamps is of great significance to their protection and management. Considering the tidal information, suitable Landsat TM/OLI images were selected as the base remote sensing data. Based on field investigation and comparison analysis of the spectral characteristics of mangrove forests, mudflats, and Spartina in different seasons, the spatial distribution data of land cover type in the Quanzhou Bay Estuary Wetland Nature Reserve in 1990, 1997, 2005, 2010, and 2017 were obtained by an object-oriented classification method. The spatial and temporal dynamic characteristics and driving factors of mangrove forests were analyzed through a combination of dynamic degree, spatial overlay analysis, and centroid migration methods. The results showed that the classification accuracy and efficiency of the mangrove forest information extraction were improved based on the method used in the study, which had certain advantages and potential in mangrove forest information extraction. The area of mangrove forests increased significantly from 1990 to 2017 as a whole, despite a slight reduction from 1997 to 2005. During 2010-2017, the mangrove forest area increased the most, with a dynamic degree of 32.78%. Compared with other land cover types, the conversion area between Spartina as well as mudflat and mangrove forests was the largest, of which 4.70 hm2 mangrove forests was transferred to Spartina and mudflat from 1997 to 2005, and 178.60 hm2 Spartina and mudflat were converted into mangrove forests from 2010 to 2017. From 1990 to 2017, the centroids of mangrove forests and Spartina migrated to the sea, and the distance between them increased. The threat of Spartina to mangrove forests gradually decreased. The driving factors of spatial and temporal variation in mangrove forest area were related to many aspects, among which natural environment change, exotic vegetation invasion, and development of the aquaculture industry negatively affected the existence and reproduction of mangrove forests, while the mangrove forest artificial afforestation project and invasive vegetation management positively affected it. The positive effects can neutralize or offset the negative effects to a large extent. Anthropogenic activities significantly affect mangrove swamp ecosystems via active protection. Thus, it is important to protect and manage mangrove swamps by continuing to carry out the mangrove forest artificial afforestation project, by controlling Spartina, and by establishing and perfecting the mangrove forest ecosystem monitoring system.
Key words: mangrove swamp     object-oriented classification     centroid migration     Quanzhou Bay     remote sensing    

红树林湿地是由红树林植物群落、林外裸滩、潮沟及低潮时不超过6 m的水域组成,兼具海洋和陆地特性的复杂生态系统[1],在御风消浪、护堤护岸、净化近海水质和保护生物多样性等方面生态功能显著[2-3]。同时,红树林湿地土壤聚碳潜力巨大,被称之为“蓝碳”,对维持全球碳循环平衡具有重要作用[4]。然而,随着滨海经济快速发展和人类活动强度不断加大,加之气候变化和互花米草(Spartina alterniflora Loisel.)等入侵物种的多重影响,红树林湿地出现面积减小、生物多样性降低、固碳能力下降等生态环境问题[5]。20世纪50年代至21世纪初,全球红树林湿地面积总体减少1/3,而对于某些生态环境保护成效较差的区域,红树林湿地退化现象更为严重,甚至减少至不足原有面积的10%[6]。就我国而言,红树林湿地面积已由1973年的487.50 km2减少至2000年的185.87 km2,减少率高达61.87%,进入21世纪,虽然红树林湿地面积有所增加,但目前仅恢复至20世纪80年代的水平[7]。因此,有效加强红树林湿地资源的保护和管理已逐步成为全球多国政府和相关学者关注的焦点。

明确红树林湿地时空动态变化特征是研究、保护和管理红树林湿地的基础和前提。遥感(remote sensing,RS)技术具有数据更新快、覆盖面积广、易获取、可对比性强等优势与特点[8],同时,结合地理信息系统(geographical information system,GIS)技术强大的空间分析能力[9],两者已被广泛应用于红树林湿地时空动态监测和驱动力分析研究中。QUADER et al[10]与王武霞等[11]以Landsat TM/ETM+RS影像为基本数据源,结合GIS空间分析分别对世界最大的红树林分布区——孙德尔本斯国家公园和中越跨境红树林分布区进行时空分布变化监测与分析,结果表明人类活动是影响红树林空间分布的主要原因。王俊杰等[12]结合RS与GIS,采用多时相RS卫星影像提取广西廉州湾红树林湿地空间分布数据,进而通过景观分析研究该区红树林湿地空间格局变化,并探讨了影响红树林分布的驱动力因素。总体而言,目前国内外对于红树林湿地RS信息提取多应用目视解译、光谱分解、非监督分类和监督分类等方法,同时,混合分类方法也常被应用于提取红树林信息[13-14]。随着RS信息提取方法研究的不断深入,面向对象方法相较于以上基于像元为基本分类和处理单元的传统分类方法,在分类过程中不仅考虑影像光谱特征,同时利用质地、纹理等信息对影像进行分割和分类,分类结果避免了“椒盐”现象,整体性得到提高[15]。VO et al[16]基于面向对象分类方法,在提取越南金瓯省红树林时空分布数据的基础上,对该区红树林生态服务功能的变化进行了分析。刘凯等[17]综合利用DISP KH-9、SPOT-2、ALOS和ZY-3等多源RS数据采用面向对象与目视解译相结合的方法对广东镇海湾红树林的时空演变进行了分析,结果表明海岸线周边的人为活动是驱动红树林时空变化的主要因子,其研究结果可为红树林的保护和管理提供参考。简言之,利用面向对象分类方法进行红树林湿地时空变化研究为更有效地监测和保护红树林湿地起到了重要推动作用。

鉴于红树林湿地的重要性以及目前面向对象分类方法在红树林信息提取方面的优势,选择泉州湾河口湿地自然保护区为研究对象,以Landsat TM/OLI RS影像为基本信息源,应用面向对象分类方法提取1990—2017年研究区土地覆盖类型空间分布信息,并结合动态度、叠置分析、质心迁移等分析研究区红树林时空动态变化与驱动力因素,以期为红树林湿地的深入研究以及有效保护和管理提供科学参考。

1 研究区概况

泉州湾河口湿地自然保护区位于福建省东南部,地理坐标为东经118°37′44″~118°42′46″,北纬24°47′21″~24°59′50″ (图 1)。保护区以泉州湾河口为主体,潮汐类型为正规半日潮,内有晋江和洛阳江两条河流注入,总面积7.13×103 hm2。在行政区划上,涉及惠安县、泉州洛江区、泉州丰泽区、晋江市和石狮市。该区年平均气温20.4 ℃,年平均降水量1 095.41 mm,年平均相对湿度78%,属于海洋性季风气候。保护区主要保护对象为红树林湿地生态系统,红树植物主要包括秋茄(Kandelia candel)、桐花树(Aegiceras corniculatum)、白骨壤(Avicennia marina)、老鼠勒(Acanthus ilicifolius)等,米草主要包括大米草(Spartina anglica Hubb.)与互花米草两类。该区湿地环境为众多野生动物提供了适宜的栖息地,主要包括中华白海豚(Sousa chinensis)、中华鲟(Acipenser sinensi)、黄嘴白鹭(Egretta eulophotes)、黑嘴鸥(Larus saundersi)等一系列国家重点保护野生动物和中日、中澳候鸟保护协定的鸟类。

图 1 研究区位置 Fig. 1 Location of the study area
2 数据来源与研究方法 2.1 数据来源与预处理

为分析研究区红树林时空动态变化特征,选取以1990、1997、2005、2010和2017年为基准年份的Landsat TM/OLI (行列号为Path/Row-119/43) RS影像为基本数据源,分别使用Landsat TM数据的Band1、Band2、Band3、Band4、Band5、Band7波段以及Landsat OLI数据的Band2、Band3、Band4、Band5、Band6、Band8波段对研究区进行土地覆盖数据信息提取。研究区分布有大量米草植被,在植物生长季节其光谱特征与红树林相近, 在植物凋落季节其光谱特征与滩涂差异相对较小,由此易影响分类结果的准确性。通过对比, 发现有效利用不同季相红树林、米草和滩涂的光谱特征差异可提高三者的区分度(图 2图 3)。此外,考虑到潮汐现象对RS信息提取结果的影响,分别选择同一基准年份枝叶繁茂季节和少叶落叶季节两个季相低潮时的影像进行研究区土地覆盖类型的信息提取,具体影像与潮位对照信息见表 1

注:A.红树林;B.米草;C.滩涂。 Note:A.mangrove; B.Spartina; C.mudflat. 图 2 不同季相红树林、米草、滩涂影像 Fig. 2 Image for mangroves, Spartina, mudflat in different seasons
图 3 不同季相红树林、米草、滩涂光谱反射率 Fig. 3 Spectral reflectance for mangroves, Spartina, mudflat in different seasons
表 1 所选用RS影像及其过境时对应潮位信息 Table 1 Tidal information of selected satellite images
影像日期
Image date
传感器
Sensor
季相
Season
过境海面高程
Transit sea level/m
过境潮位
Tidal level
当日高潮潮位
Tidal level of high tide
当日低潮潮位
Tidal level of low tide
潮时
Tidal time
潮高
Tidal height/m
潮时
Tidal time
潮高
Tidal height/m
潮时
Tidal time
潮高
Tidal height/m
2017-01-03 OLI 少叶落叶季节
Leaf-off season
-0.48 10:33 3.12 6:54 4.44 12:52 2.29
2016-07-27 OLI 枝叶繁茂季节
Lea-on season
-1.48 10:33 2.12 5:25 5.52 11:47 1.30
2010-09-13 TM 枝叶繁茂季节
Leaf-on season
0.24 10:21 3.84 9:47 4.08 15:54 1.45
2009-03-18 TM 少叶落叶季节
Leaf-off season
0.79 10:20 4.39 8:43 5.23 14:42 2.13
2005-07-13 TM 枝叶繁茂季节
Leaf-on season
-0.31 10:20 3.29 6:41 4.96 13:18 1.93
2005-01-02 TM 少叶落叶季节
Leaf-off season
-0.86 10:12 2.74 5:49 4.66 11:49 2.02
1997-08-08 TM 枝叶繁茂季节
Leaf-on season
-2.01 10:01 1.59 16:01 5.43 9:38 1.34
1997-01-28 TM 少叶落叶季节
Leaf-off season
-2.02 9:57 1.58 15:21 5.71 8:51 0.72
1991-10-11 TM 枝叶繁茂季节
Leaf-on season
0.44 9:55 4.04 8:06 4.86 14:24 1.98
1990-12-11 TM 少叶落叶季节
Leaf-off season
0.05 9:53 3.65 10:08 3.76 3:33 0.86
    注:研究区潮汐类型属于正规半日潮,表中的高潮与低潮分别为与影像过境时间间隔最小的高潮和低潮。Note: the tidal type in the study area belongs to the regular semidiurnal tide, and the high and low tide in the table represent the high and low tide which is the least interval within the image transit time, respectively.

以ENVI 5.0为操作平台对Landsat TM/OLI影像数据进行预处理,依次对影像进行辐射定标和大气校正,得到消除大气影响的地物地表反射率值。进而,以研究区1 : 500 00地形图为参考对影像进行几何精校正,将几何误差控制在0.5个像元以内。同时,于2015—2017年在研究区先后4次开展野外考察工作,共获取220个采样点(采样点空间位置如图 1所示)用于对信息提取结果的精度评价。

综合考虑研究区地物类型的特点以及研究目的,并参照国际IGBP土地覆盖分类系统标准(http://www.igbp.net/),制定研究区土地覆盖分类系统,包括红树林、米草、滩涂、水体(河流与浅海水域)、人工湿地(水库与养殖池)、人工表面(居住地与交通用地)、林地、耕地(旱地与水田)、草地与裸地共10种类型,具体描述见表 2。同时,为更全面客观地分析影响红树林变化的驱动力因素,搜集了研究区内及其周边地区多个气象站点1990—2017年逐月平均气温和降水量数据,处理得到年平均气温和年降水量数据,在此基础上应用空间插值方法得到气象因子空间连续曲面。

表 2 研究区土地覆盖分类系统 Table 2 Land cover classification system in the study area
类型Type 描述Description
红树林
Mangrove
生长于潮间带的红树植物,连片分布。Mangroves planting in the intertidal zone and distribution in segments.
米草
Spartina
潮间带由米草覆盖的湿地类型。Marsh covered by Spartina in the intertidal zone.
滩涂
Mudflat
分布于潮间带的淤泥质海滩。Muddy beach distributing in the intertidal zone.
水体
Water body
自然明水面,包括河流和浅海水域。Natural clear water, including rivers and shallow waters.
人工湿地
Constructed wetland
养殖池与水库。Aquaculture ponds and reservoirs.
人工表面
Built-up area
居住地、交通用地等人为建设区域。Artificial construction areas,including residential area and traffic land.
林地
Woodland
由陆地木本植物覆盖的土地覆盖类型。Land cover covered by terrestrial woody plants.
耕地
Farmland
用于种植农作物的土地,包括水田和旱地。Land used to grow crops, including paddy fields and dry lands.
草地
Grassland
由陆地草本植物覆盖的土地覆盖类型。Land cover covered by terrestrial herbs.
裸地
Barren land
陆地无植被覆盖区域。Areas covered without vegetation in terrene.
2.2 面向对象分类方法

传统RS影像分类方法以像元为基本处理和分类单元,分类过程和结果均存在多方面的局限性。而面向对象分类方法以多个相邻像元组成的对象为处理单元,不仅突破了传统RS影像分类方法的局限性,同时可实现更高层次的图像分类[18]。对影像进行图像分割为实施面向对象分类的首要步骤, 以eCognition 9.0软件为操作平台,选用多尺度分割方法将影像分割为多个对象单元。该过程需设置的参数包括影像分割尺度、形状异质性与光谱异质性,其中形状异质性可通过紧密度和光滑度衡量,其关系如下[19]

$ f = w\cdot{h_{{\rm{color}}}} + (1 - w)\cdot{h_{{\rm{shape}}}} $ (1)
$ {h_{{\rm{shape}}}} = {w_{{\rm{compact}}}}\cdot{h_{{\rm{compact}}}} + (1 - {w_{{\rm{compact}}}})\cdot{h_{{\rm{smooth}}}} $ (2)

式中:f为异质性值;w为光谱信息权重;hshape为形状异质性值;hcolor为光谱异质性值;wcompact为紧密度权重;hsmooth为光滑度值;hcompact为紧密度值。

图像分割完成后,计算各个对象的光谱、算术、纹理、几何以及拓扑特征参数, 进而,通过对比分析各个参数选取适宜阈值, 最后运行进程树,完成分类。

2.3 湿地时空动态变化

为客观分析保护区红树林与其他地物类型的变化程度和速率,选择土地覆盖类型动态度对其进行描述, 其表达式为[20]

$ K/\% = \frac{{{U_a} - {U_b}}}{{{U_b}}} \times \frac{1}{N} \times 100 $ (3)

式中:K为某一土地覆盖类型的动态度;UaUb分别为研究初期和末期该类型的面积;N为时间间隔, 时间间隔分为1991—1997年、1997—2005年、2005—2010年和2010—2017年4个阶段。

米草(互花米草与大米草)作为威胁红树林存在的外来入侵物种,分析其时空扩增强度可从物种竞争角度来反映影响红树林存在的不利因素。目前,已有研究表明米草在未有或少有人为因素影响的条件下,在时空尺度上通常以指数模型繁衍,因此,选用指数模型模拟米草年扩增强度,其公式如下[21]

$ {S_b} = {S_a}{\left( {1 + p} \right)^N} $ (4)

式中:SaSb分别为研究初期和末期米草的面积;p为米草年均扩增率。

此外,为更为具体地分析红树林在空间上的变化特征,应用GIS的空间叠置分析功能对1991—1997年、1997—2005年、2005—2010年和2010—2017年红树林与其他土地覆盖类型间的相互转化做对比分析。

2.4 质心迁移

景观质心的迁移可反映其在时空尺度上的演变特征。对红树林景观与对其产生影响的主要景观质心进行迁移分析,不仅可量化红树林在时空尺度上的演变,同时可定量分析其他景观对其影响的变化。质心计算公式如下[22]

$ {X_t} = \frac{{\sum\limits_{i = 1}^n {\left( {{C_{ti}}{X_i}} \right)} }}{{\sum\limits_{i = 1}^n {{C_{ti}}} }}, {Y_t} = \frac{{\sum\limits_{i = 1}^n {\left( {{C_{ti}}{Y_i}} \right)} }}{{\sum\limits_{i = 1}^n {{C_{ti}}} }} $ (5)

式中:XtYt分别表示第t年某景观类型分布质心的经纬度坐标;XiYi为某一景观第i个斑块质心的经纬度坐标;Cti为第i个斑块的面积;n为某景观类型斑块总数。根据研究目的以及研究区的实际情况,对红树林以及对红树林产生威胁的米草进行质心迁移分析。

3 结果与分析 3.1 分类结果与精度

综合考虑潮汐对影像成像的影响以及不同季相红树林、滩涂与米草的光谱特征,利用面向对象分类方法对研究区土地覆盖数据进行提取,获得1990—2017年研究区土地覆盖类型空间分布数据(图 4)。对其进行精度验证, 得总体分类精度为91.36% (图 5),分类效果好,可满足研究的需求。

图 4 1990—2017年研究区土地覆盖图 Fig. 4 Land cover map of study area from 1990 to 2017

由2017年研究区土地覆盖数据可知(图 4),红树林主要分布于洛阳江河口的东侧;米草在洛阳江口两侧和晋江河口西侧均有大面积分布;人工湿地主要分布范围在晋江河口西侧以及洛阳江口上游;滩涂沿河口外沿呈广延性分布;其他土地覆盖类型零星分布于保护区内。

图 5 研究区土地覆盖分类精度图 Fig. 5 Classification accuracy of land cover in the study area
3.2 红树林时空变化特征

基于1990—2017年研究区土地覆盖数据,得到各土地覆盖类型在不同时间段的面积变化与动态度(表 3)。1990—2017年,泉州湾河口湿地自然保护区红树林湿地面积由0.09 km2增加至2.57 km2,增长速度为0.09km2·a-1,动态度为102.06%。结合1990—2017年土地覆盖数据(图 4)可知,泉州湾河口湿地自然保护区的红树林面积总体上呈现空间扩增趋势。对比其他土地覆盖类型,米草面积增长最为剧烈,在27a间面积增长7.84km2,增长速度为0.29km2·a-1,动态度为100.13%,主要分布范围由1990年零星斑块分布于洛阳江河口西岸扩增为2017年洛阳江河口东西岸大面积连片分布的状态。其次为人工湿地和人工表面,面积分别增加3.57和1.76km2,动态度为8.59%和5.26%。再次为草地和裸地,虽然两者面积变化较小,但其动态度相对较高,分别为24.07%和11.11%。相比之下,滩涂面积减少最为剧烈,在1990—2017年间共减少15.75km2。水体面积减少0.25km2,减少面积相对较小。

表 3 研究区土地覆盖类型变化面积与动态度 Table 3 Change area and dynamic degree of land cover types in the study area
类型Type 1990—1997年
Year 1990—1997
1997—2005年
Year 1997—2005
2005—2010年
Year 2005—2010
2010—2017年
Year 2010—2017
1990—2017年
Year 1990—2017
变化面积Change area/km2 动态度Dynamic degree/% 变化面积Change area/km2 动态度Dynamic degree/% 变化面积Change area/km2 动态度Dynamic degree/% 变化面积Change area/km2 动态度Dynamic degree/% 变化面积Change area/km2 动态度Dynamic degree/%
草地Grassland 0.01 7.14 0.02 8.33 0.04 16 0.06 9.52 0.13 24.07
耕地Farmland 0.13 9.77 -0.10 -3.91 -0.02 -1.82 0.00 0.00 0.01 0.19
红树林Mangrove 0.09 14.29 -0.02 -1.39 0.62 77.5 1.79 32.78 2.48 102.06
林地Woodland 0.06 0.61 0.05 0.43 0.03 0.39 0.03 0.28 0.17 0.45
裸地Barren land 0.00 0.00 0.01 12.50 0.67 670.00 -0.65 -13.46 0.03 11.11
米草Spartina 0.79 38.92 3.15 36.46 2.10 9.93 1.80 4.06 7.84 100.13
人工表面Built-up area -0.36 -4.15 0.56 7.95 0.57 7.92 0.99 7.04 1.76 5.26
人工湿地Constructed wetland 0.12 1.11 0.68 5.12 -0.19 -1.62 2.96 19.67 3.57 8.59
水体Water body 0.00 0.00 0.14 0.07 -0.20 -0.17 -0.19 -0.12 -0.25 -0.04
滩涂Mudflat -0.83 -0.27 -4.51 -1.33 -3.63 -1.92 -6.78 -2.83 -15.75 -1.35

对比不同时间段研究区土地覆盖类型面积变化,除在1997—2005年间红树林面积出现略微下降外,其余时间段其面积均呈增加趋势,其中在2010—2017年间面积增加最为剧烈。米草在各个时间段面积均呈现增长,其中在1997—2005年间面积增加最为剧烈。米草在1990—1997年、1997—2005年、2005—2010年、2010—2017年的年平均扩增率分别为20.66%、18.61%、8.40%和3.64%,扩增率逐渐降低,1990—2017年间米草年均扩增率为13.68%。

3.3 红树林与其他土地覆盖类型间的相互转化

通过对研究区土地覆盖数据进行空间分析,得到各个时间段泉州湾河口湿地自然保护区红树林与其他土地覆盖类型间相互转化结果(表 4)。1997—2005年, 红树林转出面积最多,其中红树林转变为滩涂和米草的比例最大,分别占该段时间红树林转出面积的33.51%和29.74%。2010—2017年, 其他土地覆盖类型转化为红树林面积最多,其中滩涂和米草转化为红树林的比例最大,分别占该时间段红树林转入面积的72.97%和25.48%。除此以外,红树林与耕地、人工表面和人工湿地之间的相互转化面积在各个时间段均相对较少。由此可知,红树林在滩涂上的扩增以及与米草间生态位的相互竞争对红树林面积的消长具有重要影响。

表 4 研究区红树林与其他土地覆盖类型间的相互转化 Table 4 Conversion between mangrove forests and other land cover types in the study area
变化类型Change type 1990—1997年
Year 1990—1997
1997—2005年
Year 1997—2005
2005—2010年
Year 2005—2010
2010—2017年
Year 2010—2017
转化面积Conversion area/hm2 转化百分比Conversion percentage/% 转化面积Conversion area/hm2 转化百分比Conversion percentage/% 转化面积Conversion area/hm2 转化百分比Conversion percentage/% 转化面积Conversion area/hm2 转化百分比Conversion percentage/%
红树林→耕地
Mangrove→Farmland
1.12 15.07
红树林→米草
Mangrove→Spartina
2.21 29.74 0.54 24.77
红树林→人工表面
Mangrove→Built-up area
0.13 8.67 1.36 18.30 0.87 22.48 0.74 33.94
红树林→人工湿地
Mangrove→Constructed wetland
0.25 3.36
红树林→滩涂
Mangrove→Mudflat
1.37 91.33 2.49 33.51 3.00 77.52 0.90 41.28
米草→红树林
Spartina→Mangrove
7.20 11.00 46.22 25.48
人工表面→红树林
Built-up area→Mangrove
4.81 44.87 0.09 0.14 0.06 0.03
人工湿地→红树林
Constructed wetland →Mangrove
0.69 6.44 0.02 0.38 0.38 0.58 2.75 1.52
滩涂→红树林
Mudflat→Mangrove
5.22 48.69 5.22 99.62 57.81 88.29 132.38 72.97

对红树林和米草进行质心迁移分析(图 6)可知,在1990—2017年间红树林的质心经历了先向西北方向迁移后向东南方向迁移的过程,而米草的质心始终呈现向东南方向迁移的状态。需指出的是,在1990—2017年间红树林与米草在各时间点质心间的距离逐步增大,由1990年的相距3 159.57 m增大至2017年的相距7 308.92 m。

注:A.红树林质心迁移;B.米草质心迁移。 Note:A.centroid migration of mangrove forests; B.centroid migration of Spartina. 图 6 1990—2017年红树林与米草质心迁移空间分布图 Fig. 6 Spatial distribution map of centroid migration for mangrove forests and Spartina from 1990 to 2017
3.4 红树林时空变化驱动因素分析 3.4.1 区域气候变化与海平面上升

对泉州湾河口湿地自然保护区1990—2017年年平均气温与年降水量进行分析,分别得到其在该时间段的变化趋势。由图 7可知,在1990—2017年间,虽然该区域个别年份年降水量和年平均气温存在较大波动,但整体上呈现年降水量增多和年平均气温上升的趋势, 加之近年来海平面上升,均对前缘红树林的存在及其向海方向的繁殖扩增产生一定的不利影响。

图 7 1990—2017年研究区年降水量与年平均气温变化趋势 Fig. 7 Change trend of annual precipitation and annual mean temperature in the study area from 1990 to 2017
3.4.2 人工造林与养殖业发展

根据土地覆盖分类结果,1990年泉州湾河口湿地自然保护区内的红树林面积仅为0.09 km2,至1997年增加至1990年的1倍(0.18 km2),但面积仍较小。自2000年以来,在泉州湾滨海湿地生态修复工程的推动下,泉州市林业、海洋与渔业等部门,先后实施国家湿地保护与恢复、泉州湾海洋环境生态修复等工程项目,大力营造和补植红树林[图 8(a)],使得红树林大面积增加,至2017年红树林面积已增加至2.57 km2,其中人工种植面积约占80%~85%。因此,人工造林对红树林的存在和扩增起到了积极的作用。与此同时,在1990—2017年间,泉州湾河口湿地自然保护区内的人工湿地(主要为养殖池)由1990年的1.54 km2增加至2017年的5.11 km2,面积增加显著。养殖业的大力发展一方面侵占了大面积的滩涂,致使红树林的适宜生境遭到破坏, 同时,养殖业排污对红树林健康生长具有一定的威胁和不利影响。

图 8 红树林人工种植与米草入侵红树林现场照片 Fig. 8 Field photos of artificial planting of mangrove forests and Spartina invasion of mangrove forests
3.4.3 外来植被入侵与治理

米草作为入侵植被繁殖速度快,危急当地原有物种,对红树林的危害主要包括两个方面:一是可在短期内侵占红树林原有生境,遏制红树林生长,甚至致使红树林幼苗死亡[图 8(b)];二是侵占大面积的滩涂,使红树林失去可以扩增繁衍的适宜生境。自2010年以来,泉州湾自然保护区开始实施对米草的治理,截至2017年,由米草转变为红树林的面积已达4.22 hm2,且米草的扩增率也大大降低,由1990—1997年的20.66%降至2010—2017年的3.64%。此外,米草与红树林的质心距离逐步增大,表明米草对红树林的干扰程度得到减缓。由此可见,米草的治理是红树林得以繁衍和存在的有效措施之一。

4 结论与建议

根据潮差信息选取适宜RS数据源,并充分考虑红树林、米草以及滩涂在不同季相的光谱特征差异,基于面向对象分类方法获得研究区土地覆盖数据,使得分类精度和效率均得到提高,因此该方法在红树林信息提取方面具有一定的优势和潜力。在1990—2017年间,泉州湾河口湿地自然保护区红树林面积整体呈大幅度增加,仅在1997—2005年间呈现小面积减少,其中在2010—2017年面积增加最为剧烈。在红树林与其他土地覆盖类型的转化中,米草和滩涂与红树林间的相互转化对于红树林面积的变化贡献率最大,且随时间推移红树林与米草质心间距逐步增大,米草对红树林的威胁逐步减小。泉州湾河口湿地自然保护区红树林面积的变化受多方面因素的共同影响,其中自然环境变化(包括区域气候变化与海平面上升)、外来植被(米草)入侵和养殖业发展对红树林的存在与繁衍具有一定的消极作用,而人工造林工程与入侵植被治理对其起到较大积极作用,且后者的作用大于前者,人类积极保护红树林生态系统的活动具有明显效果。

基于本研究结果,在今后红树林湿地的保护和管理中,当地相关政府与保护区管理部门应着重从以下几个方面开展工作。继续实施人工造林工程,增加红树林面积,同时,建立健全红树林湿地生态系统监测体系,加强对红树林病虫害的监控和防治以及红树林生态系统各方面情况的反馈。深入米草防控研究,积极采取更为有效的措施治理米草,在控制其长势的基础上逐步减少面积。对于已侵入红树林群落中的米草应铲除后定期监测其繁衍情况,同时严格杜绝米草在裸露滩涂上扩展,以此恢复红树林适宜生境。严格把控保护区内养殖业发展,对养殖业污染问题进行全面治理和监管,加强对当地民众的红树林湿地保护和资源合理利用的宣传教育工作,增强其保护意识,严禁滥砍滥伐以及向红树林区域丢弃垃圾等行动。进一步完善落实保护区管理机构的功能和职责,提高管理人员的整体素质和科技水平,施行红树林湿地的科学管理和保护。

参考文献(References)
[1] 王文卿, 王瑁. 中国红树林[M]. 北京: 科学出版社, 2007: 5.
[2] 李屹, 陈一宁, 李炎. 红树林与互花米草盐沼交界区空间格局变化规律的遥感分析[J]. 海洋通报, 2017, 36(3): 348–360.
[3] 丁冬静, 廖宝文, 管伟, 等. 东寨港红树林自然保护区滨海湿地生态系统服务价值评估[J]. 生态科学, 2016, 35(6): 182–190.
[4] 章海波, 骆永明, 刘兴华, 等. 海岸带蓝碳研究及其展望[J]. 中国科学:地球科学, 2015, 45(11): 1641–1648.
[5] 但新球, 廖宝文, 吴照柏, 等. 中国红树林湿地资源、保护现状和主要威胁[J]. 生态环境学报, 2016, 25(7): 1237–1243.
[6] ALONGI D M. Present state and future of the world's mangrove forests[J]. Environmental Conservation, 2002, 29(3): 331–349.
[7] 贾明明.1973-2013年中国红树林动态变化遥感分析[D].长春: 中国科学院东北地理与农业生态研究所, 2014.
[8] MURRAY N J, KEITH D A, BLAND L M, et al. The role of satellite remote sensing in structured ecosystem risk assessments[J]. Science of the Total Environment, 2018, 619-620: 249–257. DOI:10.1016/j.scitotenv.2017.11.034
[9] LIU K, LI X, SHI X, et al. Monitoring mangrove forest changes using remote sensing and GIS data with decision-tree learning[J]. Wetlands, 2008, 28(2): 336–346. DOI:10.1672/06-91.1
[10] QUADER M A, AGRAWAL S, KERVYN M. Multi-decadal land cover evolution in the Sundarban, the largest mangrove forest in the world[J]. Ocean & Coastal Management, 2017, 139: 113–124.
[11] 王武霞, 苏奋振, 冯雪, 等. 中越北部湾红树林差异性研究[J]. 地球信息科学学报, 2017, 19(2): 264–272.
[12] 王俊杰, 刘珏, 石铁柱, 等. 1990-2015年广西廉州湾红树林遥感动态监测[J]. 森林与环境学报, 2016, 36(4): 455–460.
[13] 李春干, 代华兵. 红树林空间分布信息遥感提取方法[J]. 湿地科学, 2014, 12(5): 580–589.
[14] 章恒, 王世新, 周艺, 等. 多源遥感影像红树林信息提取方法比较[J]. 湿地科学, 2015, 13(2): 145–152.
[15] 路春燕, 王宗明, 贾明明, 等. 基于ENVISAT ASAR、Landsat TM与DEM的泥炭沼泽信息提取方法[J]. 武汉大学学报(信息科学版), 2017, 42(2): 185–192.
[16] VO T Q, KUENZER C, OPPELT N. How remote sensing supports mangrove ecosystem service valuation:a case study in Ca Mau province, Vietnam[J]. Ecosystem Services, 2015, 14: 67–75. DOI:10.1016/j.ecoser.2015.04.007
[17] 刘凯, 朱远辉, 李骞, 等. 基于多源遥感的广东镇海湾红树林演变分析[J]. 热带地理, 2016, 36(5): 850–859.
[18] JIA M M, ZHANG Y Z, WANG Z M, et al. Mapping the distribution of mangrove species in the Core Zone of Mai Po Marshes Nature Reserve, Hong Kong, using hyperspectral data and high-resolution data[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 33: 226–231. DOI:10.1016/j.jag.2014.06.006
[19] 黄慧萍.面向对象影像分析中的尺度问题研究[D].北京: 中国科学院遥感应用研究所, 2003.
[20] 路春燕, 王宗明, 刘明月, 等. 松嫩平原西部湿地自然保护区保护有效性遥感分析[J]. 中国环境科学, 2015, 35(2): 599–609.
[21] LIU M Y, LI H Y, LI L, et al. Monitoring the invasion of Spartina alterniflora using multi-source high-resolution imagery in the Zhangjiang Estuary, China[J]. Remote Sensing, 2017, 9(6): 539. DOI:10.3390/rs9060539
[22] LI H Y, MAN W D, LI X Y, et al. Remote sensing investigation of anthropogenic land cover expansion in the low-elevation coastal zone of Liaoning Province, China[J]. Ocean & Coastal Management, 2017, 148: 245–259.