1990年—2020年广西北仑河口红树林扰动研究
2022-07-06陈高钟才荣李明玉余洲刘心雨贾明明
陈高,钟才荣,李明玉,余洲,刘心雨,贾明明
1.延边大学地理与海洋科学学院,延吉 133002;
2.海南省林业科学研究院(海南省红树林研究院),海口 571100;
3.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,长春 130102
1 引言
作为全球生产力最高的生态系统之一的红树林,是生长在热带、亚热带海湾的一种特殊的木本植物群落,它发达的根系能让它适应陆海过渡的特殊生态系统(林鹏,1997;张乔民等,1997)。由于其独特的海陆过渡特性,红树林在维持滨海生态稳定、促进海陆能量循环中起着重要作用(林鹏等,2005;Spalding等,2010)。同时,红树林可以吸附温室气体,能有效应对全球气候变暖带来的挑战(Bouillon 等,2008;徐慧鹏等,2020)。此外,红树林还能够固土合淤,防风护堤,净化水质,为人类提供经济产品、为生物提供生长繁殖环境等方面起着重要的作用,被国际社会列为重点保护对象(林鹏,1997;毛丽君,2011;但新球等,2016)。在过去的一个世纪,全球约有67%的红树林遭到不可逆破坏,比热带雨林和其他内陆森林受到的威胁都要更大(Valiela等,2001;UN-DESA,2019)。如果任由其发展下去,全球红树林将在未来百年内消失殆尽,其独特的价值也将荡然无存,沿海居民将直面海啸威胁,渔场消失,大量动物将面临灭绝(Duke 等,2007;贾明明,2014)。因此,有效加强中国红树林保护、管理和生态恢复工作已刻不容缓。
然而,红树林生态系统具有敏感性和脆弱性,自然和人为扰动都会对红树林生态系统的物质循环、能量流动和未来演替产生深远影响,为红树林的保护和恢复工作带来难度。因此,快速、准确地监测红树林的扰动和恢复,对于评估红树林生态系统健康至关重要,可为红树林管理提供必要的基础信息,有助于制定科学的红树林资源可持续利用政策。
由于红树林生长于可达性极差的潮间带区域,地面调查成本高、效率低,难以满足快速、准确、全面地监测红树林扰动和恢复进程的需求(李春干和谭必增,2003;Kuenzer 等,2011)。遥感技术的发展为红树林的实时监测提供了切实可行手段。其中,陆地卫星Landsat 系列,具有能够免费获取,记录时间久,年数据量大,空间分辨率较高的优势,在对陆地资源长时间监测中应用广泛(Zhu等,2019;李春干,2002;王胤等,2006)。
时间序列分析方法是通过对时间序列进行特征提取和分析,有效地监测生态系统长期变化的方法(Zhu 等,2019)。已有许多专家学者应用不同的时间序列分析方法对全球各地的森林生态系统进行了长时间的监测分析(Kennedy 等,2018)。目前,已有多种森林系统扰动变化检测算法。例如Kennedy等(2012)提出的扰动和恢复趋势检测算法LandTrendr、Verbesselt 等(2010)提出的季节和趋势中断算法BFAST(Breaks For Additive Season and Trend Monitor)以及Zhu和Woodcock(2014)提出的连续变化检测和分类算法CCDC(Continuous Change Detection and Classification)等。
然而,应用时间序列分析法对红树林扰动和恢复进行监测的遥感研究还处于起步阶段。如Zhang等(2016)利用Landsat影像对美国佛罗里达州Biscayne国家公园内红树林的季节性扰动和恢复进行25年的监测,发现归一化湿度指数(NDMI)对于红树林的变化最为敏感;Awty-Carroll 等(2019)基于1988年—2018年Landsat 时序影像及CCDC 模型监测Sundarbans 红树林在飓风Sidr 过境前后的扰动与恢复情况,在飓风发生10年后,仍有一半被破坏的红树林没有恢复;De Jong 等(2021)应用LandTrendr算法基于2000年—2018年Landsat 时序影像确定了苏里南海岸红树林侵蚀、定居和发展模式。
由于时间序列算法的数据处理和算法本身都十分复杂,云基础空间分析平台的出现为应对上述挑战提供了新的思路和视角(楚丽霞,2019)。LandTrendr 算法移植到谷歌云平台GEE(Google Earth Engine)上实施,大大提高了计算效率(Kennedy 等,2018)。GEE 以其高效快捷的云计算的优势可以在几十分钟完成对扰动的监测,而之前则需要在本地计算机上长时间高配置要求才能完成同样的任务。GEE 平台为研究密集时间序列红树林扰动提供了新机遇。
红树林的人为和自然扰动情况,是红树林生态系统科学保育和管理的依据。广西壮族自治区大陆岸线长1490 km,单位长度海岸线上红树林分布面积为全国之最(贾明明,2014)。本文选取广西北仑河口国家级自然保护区,利用GEE 云平台和LandTrendr 算法进行红树林变化检测和分析,追踪近30年来广西北仑河口国家级自然保护区的红树林扰动,探明北仑河红树林扰动发生的时间和空间,分析扰动原因,以期为红树林的科学保护和管理提供技术支撑和基础数据。
2 数据和研究方法
2.1 研究区概况
广西北仑河口国家级自然保护区(以下简称“北仑河口保护区”)位于广西壮族自治区防城港市防城区和东兴市境内,保护区北边是防城港市,南边是北部湾,西边与越南毗邻,从东向西依次是江平三岛、珍珠港和北仑河口,地理位置为21°31′00″N—21°37′30″N,108°00′30"E—108°16′30"E,如图1所示。1985年经原防城县人民政府批准建立该保护区,随后在1990年和2000年分别晋升为自治区级保护区和国家级保护区。保护区海岸线为87 km,拥有河口海岸、开阔海岸和海域海岸等地貌类型,地处热带海洋性季风气候区。保护区珍珠湾内生长着罕见的连片木榄和老鼠簕纯林。保护区养殖业渔业发达,同时也是候鸟迁徙的重要中继站与繁殖地。
图1 北仑河口保护区地理位置Fig.1 Geographical location of Beilun River Estuary Reserve
2.2 数据获取与处理
首先在GEE云平台上调用1990年—2020年6月到8月的Landsat 的地表反射率数据构建时间序列数据集。夏季红树林生长茂盛,选择夏季影像可以最大程度减少因物候变化而检测到伪变化。然后通过Landsat OLI 影像与TM/ETM+影像传感器光谱值之间的统计协调函数优化这两个传感器数据之间的时间连续性(Roy 等,2016)。之后再用质量评估波段(QA)对图像进行云、水、积雪和云阴影的掩膜处理。最后利用多维中值(medoid)方法,构建研究区30年的年度时间序列影像集。通过比较不同比值指数和波段对红树林扰动的敏感性,发现归一化植被指数(NDVI)(式(1))对红树林的扰动识别效果最好。因此,本研究计算数据集中的所有影像的NDVI。
式中,NIR为近红外波段的反射率值,RED为红波段的反射率值。
红树林生长范围数据来自CAS_Mangroves 数据集,该数据集是基于面向对象方法生成的,包含1973年—2020年中国红树林空间分布数据(贾明明等,2021)。在红树林解译过程中,研究人员充分考虑了不同潮汐状态对红树林的影响,针对高潮和低潮影像采取不同的解译方法,最终总体分类精度达到92%。
本研究从CAS_Mangrove 数据集中提取北仑河口1990年—2020年的红树林分布数据,对这些数据进行叠加分析,取并集作为本研究的具体研究区如图2所示,最后通过ArcGIS 10.8 软件处理GEE 平台的结果栅格图可以得到保护区红树林的扰动面积。
图2 1990年—2020年北仑河口保护区红树林生长区域Fig.2 Mangrove forest growth area of Beilun River Estuary Reserve from 1990 to 2020
3 研究方法
3.1 LandTrendr算法监测红树林扰动及其强度
LandTrendr算法可用于监测时间序列图像上红树林的扰动和恢复,并可以检测这些变化发生的时间和强度。LandTrendr提供了一种光谱—时间分割算法,降低背景噪声的同时可用于检测中等分辨率卫星图像中逐个像素的时间序列中的变化(Kennedy 等,2018)。LandTrendr 起初是为了监测陆地森林年度变化而开发的一种扰动监测算法(Kennedy等,2012;Sengupta等,2019)后来人们将其应用在其他地物类型中进行监测年度扰动变化。LandTrendr算法生成年度最佳影像采用的是多维中值技术进行像素级影像合成。该方法选择的中值像素与观测到的波段之间的像素值的平方和最小,此举对极端像素值具有鲁棒性。而又因为所选择的像素同时是该像素的真实值之一,也保留了与各波段之间的关系(Flood,2013)。利用最佳可用像素合成,LandTrendr使用统计拟合算法来分割光谱轨迹(图3)。
图3 LandTrendr变化检测算法的概念(Kennedy等,2018)Fig.3 The concept of LandTrendr change detection algorithm(Kennedy et al.,2018)
该算法对波段进行拟合时,可以从太阳角度、物候和大气条件变化产生的短期噪声中将长期的变化信息分离出来从而检测NDVI 序列突变、渐进和恢复趋势(Kennedy 等,2012,2010)。这种短期噪声还可以通过中值合成进一步降低。该算法的运行原理如下(Kennedy 等,2018):在去除短暂的尖峰后利用简单回归识别潜在的顶点,此时顶点比最终需要的顶点多,这些多余的顶点通过低角度变换删除掉,之后进行拟合,再通过最弱的顶点来简化模型,最后利用拟合统计量来选择最佳拟合模型。在参数选择上修改了LandTrendr算法默认的参数以适应本研究区(表1)。
表1 LandTrendr参数Table 1 LandTrendr parameters
根据对研究区资料的收集与分析,该区域内的红树林扰动因素主要有人为砍伐、极端低温冰冻、台风等。为进一步分析该区域内的扰动强度,将变化分为3类,分别为严重扰动、中度扰动和轻微扰动。严重扰动包括人为砍伐,红树林变为建筑物等;中度扰动包括红树林遭受低温、虫灾等;轻微扰动包括红树林自身缓慢退化等。以NDVI 指数的变化(ΔNDVI)作为等级划分的指标,确定扰动等级划分的阈值区间(刘姗姗等,2020)。阈值划分区间如表2。
表2 扰动等级阈值划分Table 2 Interference level threshold division
3.2 精度验证评价
为了准确评估LandTrendr算法探测红树林扰动变化的准确性,在北仑河口保护区内收集了437个验证样点,包括为175 个没有发生变化的样点和262 个发生变化的样点。其中,通过阅读文献、检索网页收集红树林扰动相关信息,并结合高空间分辨率的GE(Google Earth)图像收集变化样点175 个,通过实地考察和咨询保护区工作人员收集变化样点87 个和从未发生变化的样点175 个,分别记录变化样点发生扰动的时间。利用这437个验证点生成混淆矩阵,计算用户精度、生产者精度和总体分类精度进行精度验证,评估研究结果的精度。
4 结果与讨论
4.1 精度评价
混淆矩阵如表3所示,用户精度和生产者精度都较高,达84%以上,总体精度达到了88.56%,Kappa 系数为0.76,表明检测结果与验证样点具有很好的一致性。对于检测出变化的像元,评估了变化年份的准确性,如表4所示。除了2014年生产者精度为72%外,其他年份均超过了80%,用户精度除1991年、2001年和2017年稍低以外,其他年份都超过了88%,总体精度达到87%。
表3 红树林扰动精度评估Table 3 Mangrove forest disturbance accuracy assessment
表4 红树林扰动年份精度评估Table 4 Accuracy assessment of mangrove forest disturbance years
4.2 红树林扰动的历史空间分布
图4为1990年—2020年北仑河口红树林发生扰动的年份和空间分布,其中区域Ⅰ为北仑河口入海口处,区域Ⅱ、Ⅲ为珍珠湾沿岸。扰动发生的空间位置主要集中在珍珠湾沿岸如图4(b)、(c)所示,总体上,1990年—2020年共有45.94 ha 的红树林发生了扰动(表5),2001年扰动面积最大,为12.91 ha。2015年和2020年次之,扰动面积分别为10.54 ha和10.45 ha。
表5 1990年—2020年北仑河口保护区红树林扰动面积Table 5 Area of mangrove disturbance in Beilun River Estuary Reserve during 1990—2020
图4 1990年—2020年北仑河口保护区红树林扰动时空分布Fig.4 Temporal and spatial changes of mangrove forest disturbances in Beilun River Estuary Reserve during 1990—2020
图5 展示了1990年—2020年北仑河口自然保护区内红树林扰动强度的时空分布图。其中轻微扰动和中度扰动所占比例较大,分别为57.5%和29.17%,严重扰动所占比例最少,为13.33%(6.13 ha)。严重扰动分布在珍珠湾西南沿岸区域如图5(b)所示。轻微扰动和中度扰动分布较广,面积分别为26.42 ha和13.40 ha。
图5 北仑河口保护区扰动强度时空分布Fig.5 Temporal and spatial distribution of mangrove disturbance intensity in Beilun River Estuary Reserve
4.3 人类活动因素
1990年之前,红树林高收益几乎零成本的经济效益使得当地居民人为毁林造池,养殖鱼虾等。珍珠湾内的陆缘红树林被大面积开垦,红树林斑块显著变小,整体性流通性变差(Jia 等,2018)。1990年—2020年,随着国家的宣传以及人民对生态保护的意识觉醒,对红树林的经济、生态价值也有了更深的了解,地方政府与当地居民自发地保护红树林,取消和禁止了许多违法破坏红树林的活动。受保护后的红树林的面积呈现出逐年增长的趋势。红树林在自然演替中斑块面积增大、整体性和连通性增强。除了人为保护红树林,国家和地方政府积极引种红树林和开展人工种植红树林的工作,加速了红树林的恢复(贾明明等,2021),广东电白人工种植的红树林就是十分成功的案例。
过去30年间,北仑河口的红树林被开垦为耕地、养殖池,部分改造成了人工表面。除了直接占用红树林的生存空间,人类活动也间接造成红树林的退化。未经任何处理的养殖池废水和富含磷元素的洗衣水直接排放入红树林生长区后,其中的营养物质可被红树林所吸收(Pham 和Yoshino,2016),此举导致养殖池附近的红树林生长状况更好。但是养殖池的废水达到一定浓度后会产生抑制红树林生长的污染物,这种污染物会抑制红树林的生长(Barg,1992)。此外除了生活生产废水,红树林周围还有很多渔民违规打桩搭架子养殖生蚝,对红树林、海洋环境和来往的船只都造成不利因素。还有部分渔民会每天涨潮前将一大串鱼篓放入红树林生长区域内,第二天退潮后进去收获小鱼虾蟹等,此举也导致了红树林中人为的踩出了一条道路,在这些道路中,红树林生长情况远不如正常生长的红树林,不是长得矮小就是不能存活。另一方面,人工建筑也会迫使红树林向海迁移。部分沿岸的红树林被人为砍伐,生长区被建设为人工表面来吸引居住人口和旅游人口的增加,由此产生了更多的生活污水影响了陆缘红树林的生长发育;还有许多红树林被改造成人工堤坝,红树林被迫远离陆源,受到海平面上升的威胁增加,堤坝不仅阻碍了海陆生态系统的物质与能量交流,有限的淡水也加速了红树林的逐渐消亡(Latawiec 等,2014;Thomas 等,
2017)。
4.4 自然环境因素
过去的30年间除人类活动外,自然因素如海平面上升、互花米草入侵、极端气候、病虫灾害等也严重威胁着红树林的生长。有专家研究发现在过去的几十年中,造成广西红树林面积减小的主要原因并非人类活动导致,而是极端天气,生物入侵及病虫害(王文卿和王瑁,2007;Chen 等,2009,2012)。2008年1月—2月,长时间的雨雪极端天气摧毁了广西沿岸的白骨壤和红海榄幼苗(张留恩和廖宝文,2011)。2010年广西沿岸大面积的红树林被害虫毁坏。2015年9月,在防城港市爆发了虫灾,受害树种白骨壤被吃光了叶子(广西壮族自治区海洋局,2015)。2017-08-02,在东兴市竹山村发现有24 ha 红树林遭受团水虱侵害,其中约有13 ha在竹山村中间沙,11 ha在竹山村五七堤区域。(防城港市海洋局,2017)。
5 结论
本文利用GEE云平台和LandTrendr算法构建了广西北仑河口国家级自然保护区1990年—2020年的Landsat 影像堆栈,深入分析了该保护区内红树林的时间序列变化特征,结合归一化植被指数NDVI评估红树林扰动情况。结果发现:
(1)1990年—2020年共有45.94 ha 的红树林发生了扰动,其中2001年保护区内红树林扰动面积最大,为12.91 ha,扰动发生的地理位置主要分布在珍珠湾西北沿岸;
(2)1990年—2020年轻微扰动和中度扰动所占比例较大,分别为57.5%和29.17%,严重扰动所占比例最少,只有13.33%;
(3)对红树林变化像元的总体识别精度达到88.37%,对扰动年份检测的总体精度达到87%,Kappa系数为0.77。
扰动产生的原因既有人类活动因素也有自然环境因素。人为因素方面主要有保护区周边居民直接进入林区,捕获鱼、虾、蟹等,破坏红树林以及种子;违禁圈养家禽,排放污水等;为了方便停靠渔船,在红树林内修建码头等人工设施;生活废水的直接排放,对陆缘红树林的生长造成威胁。自然因素方面主要是极端天气和病虫害导致的大片红树林死亡。本研究结果可以为当地保护区提供近30年北仑河口红树林的扰动时空分布情况,不仅可以为红树林湿地的管理、保护和科学研究提供数据基础,还能为其他滨海湿地植物群落的长时间序列动态监测提供方法借鉴。