常云蕾，廖靜娟，張 麗

（1. 中國科學(xué)院空天信息創(chuàng)新研究院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094；2. 可持續(xù)發(fā)展大數(shù)據(jù)國際研究中心，北京 100094；3. 中國科學(xué)院大學(xué)，北京 100049）

紅樹林是生長在熱帶及亞熱帶海岸潮間帶的濕地木本植物群落，是全球生產(chǎn)力最高的生態(tài)系統(tǒng)之一（林鵬，1997），在防風(fēng)消浪、促淤保灘、維持生物多樣性、固碳儲(chǔ)碳和海產(chǎn)品供給等方面發(fā)揮著重要作用，為沿海生態(tài)環(huán)境保護(hù)、社會(huì)發(fā)展及經(jīng)濟(jì)進(jìn)步提供著重要支撐（張和鈺 等，2013；Roy,2014；鄭藝 等，2019）。然而，由于紅樹林地處海陸交界的特殊地帶，是全球最脆弱的生態(tài)系統(tǒng)之一，水產(chǎn)養(yǎng)殖、城市發(fā)展、環(huán)境污染、森林砍伐、海平面上升等問題時(shí)刻威脅著紅樹林的生長（Pham et al., 2016）。在過去的半個(gè)多世紀(jì)中，全球紅樹林面積急速下降，損失已經(jīng)超過1/3（Alongi,2002）。21 世紀(jì)以來，全球紅樹林面積減少的速度雖有所減緩，但每年仍以0.4%左右的速度減少（Hamilton et al., 2016）。按照這種趨勢(shì)發(fā)展，全球紅樹林將會(huì)逐漸消失，其獨(dú)特的經(jīng)濟(jì)、社會(huì)、生態(tài)價(jià)值也將蕩然無存，嚴(yán)重威脅到人類的生存與發(fā)展（賈明明 等，2021）。因此，開展紅樹林的長時(shí)序變化趨勢(shì)分析并定量探究紅樹林損失與潛在驅(qū)動(dòng)因素的關(guān)系對(duì)紅樹林的保護(hù)、恢復(fù)及可持續(xù)管理具有重要意義。

遙感技術(shù)具有覆蓋范圍廣、重復(fù)周期短、信息量大、限制條件少等優(yōu)勢(shì)，應(yīng)用遙感技術(shù)進(jìn)行紅樹林監(jiān)測可以有效避免傳統(tǒng)實(shí)地調(diào)查方法中工作量大、效率低的問題（周振超 等，2018）。目前，遙感技術(shù)在紅樹林的監(jiān)測已被廣泛采用，并獲得諸多成果（趙玉靈，2010；Kuenzer et al., 2011; Alejandro et al., 2019; Halder et al., 2021）。然而，受限于紅樹林自身的復(fù)雜性，已有的紅樹林遙感動(dòng)態(tài)監(jiān)測研究還存在一些不足。首先，只采用少數(shù)時(shí)相的遙感數(shù)據(jù)，其時(shí)間跨度較大，在刻畫紅樹林動(dòng)態(tài)變化過程中精細(xì)程度不足，紅樹林演變分析的不確定性增加；其次，在處理大尺度長時(shí)序遙感影像時(shí)需要很大的計(jì)算資源，在目前已有的大范圍紅樹林動(dòng)態(tài)監(jiān)測中，較少開展長時(shí)間序列的紅樹林趨勢(shì)變化分析。本研究首先基于已有的紅樹林分布數(shù)據(jù)集，開展1990—2020年東南亞紅樹林面積變化的時(shí)空分布特征分析；然后基于Google Earth Engine 云計(jì)算平臺(tái)①Google Earth Engine（GEE）是谷歌公司在2012 年建立的用于全球范圍地理空間分析的云計(jì)算平臺(tái)（Patel et al., 2015），為大尺度和長時(shí)序的遙感資料分析提供高效便捷的處理手段，在農(nóng)業(yè)和林業(yè)應(yīng)用、水體和城鎮(zhèn)提取以及潮間帶監(jiān)測等領(lǐng)域都發(fā)揮重要作用（Gorelick et al., 2017; Shelestov et al., 2017），采用Landsat長時(shí)序影像數(shù)據(jù)和紅樹林分布數(shù)據(jù)集，結(jié)合Theil-Sen中值趨勢(shì)分析和Mann-Kendall檢驗(yàn)方法，分析紅樹林增強(qiáng)植被指數(shù)（Enhanced Vegetation Index, EVI）的時(shí)空變化趨勢(shì)；最后，利用地理探測器定量分析自然因子和社會(huì)因子對(duì)東南亞紅樹林面積變化的影響。以期為東南亞紅樹林的保護(hù)、恢復(fù)和利用提供科學(xué)合理的理論依據(jù)和決策支持。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

東南亞位于亞洲東南部，氣候條件主要為熱帶季風(fēng)和熱帶雨林氣候，其地理位置和熱帶型的氣候條件為紅樹林提供了適宜的生長環(huán)境。東南亞紅樹林具有極高的生物多樣性，為數(shù)百萬人提供了賴以生存的生態(tài)系統(tǒng)服務(wù)（Richards et al., 2016）。其中，有紅樹林生長的國家共10 個(gè)，包括東帝汶、菲律賓、柬埔寨、馬來西亞、緬甸、泰國、文萊、新加坡、印度尼西亞和越南。泰國、柬埔寨、緬甸及越南紅樹林生長區(qū)為熱帶季風(fēng)氣候，一年中有明顯的干濕兩季，年均降水量在1 000 mm以上，盛行西南季風(fēng)。東帝汶、菲律賓、馬來西亞、文萊、新加坡和印度尼西亞紅樹林生長區(qū)為熱帶雨林氣候，分布在赤道兩側(cè)、南北緯10°之間，終年高溫多雨，年降水量在2 000 mm以上，沒有明顯的旱季且年溫差較小。

將1990、2000、2010、2015 和2020 年東南亞有紅樹林生長的所有區(qū)域及其周邊1 km緩沖區(qū)作為紅樹林分布區(qū)（圖1）。該分布區(qū)內(nèi)紅樹林種類豐富、結(jié)構(gòu)復(fù)雜，是世界上生物多樣性最為豐富的紅樹林生態(tài)系統(tǒng)（Gandhi et al., 2019）。

圖1 研究區(qū)位置Fig.1 Location of the study area

1.2 數(shù)據(jù)源與預(yù)處理

1.2.1 遙感數(shù)據(jù)

1）紅樹林分布數(shù)據(jù) 采用的紅樹林分布數(shù)據(jù)時(shí)間范圍為1990、2000、2010、2015 和2020 年。其中，1990、2000、2010 和2015 年的紅樹林分布數(shù)據(jù)是Guo等（2021）基于深度學(xué)習(xí)模型提取，2020年的紅樹林分布數(shù)據(jù)由廖靜娟（2022）課題組以2010年的結(jié)果為基準(zhǔn)進(jìn)行目視解譯得出。上述數(shù)據(jù)均經(jīng)過高精度人工修正，1990、2000、2010、2015和2020 年紅樹林分布數(shù)據(jù)的總體精度分別為87%、90%、88%、88%、91%。該數(shù)據(jù)集均是利用1990和2000年的Landsat5 TM 影像、2010年的Landsat5 TM 和Landsat7 ETM+影 像、2015 和2020 年 的Landsat8 OLI影像生產(chǎn)的。

2）EVI 分布數(shù)據(jù) NDVI（歸一化植被指數(shù)，Normalized Difference Vegetation Index） 和EVI 在監(jiān)測和評(píng)估植被數(shù)量和條件的時(shí)空變化方面表現(xiàn)出良好的動(dòng)態(tài)范圍和敏感性（Liu et al., 1995）。然而在濕潤環(huán)境下高密度植被監(jiān)測中，NDVI 會(huì)出現(xiàn)過飽和的現(xiàn)象，而EVI改進(jìn)了大氣或者生長地表所造成的誤差；此外，與NDVI相比，EVI對(duì)針葉/闊葉樹冠結(jié)構(gòu)更加敏感，尤其在高生物量區(qū)域，NDVI會(huì)逐漸飽和，而EVI 對(duì)冠層變化仍然保持敏感（Huete et al., 2002）。紅樹林屬于常綠闊葉林，是世界上生產(chǎn)力和碳密度最高的生態(tài)系統(tǒng)之一，其結(jié)構(gòu)屬性（冠層高度）具有高度空間異質(zhì)性，因此，選擇采用EVI分析紅樹林生長變化趨勢(shì)。

使用的EVI分布數(shù)據(jù)為GEE云平臺(tái)存儲(chǔ)的EVI年際均值數(shù)據(jù)②https://developers.google.com/earth-engine/datasets/catalog。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。

為了更好地確定不同時(shí)期的研究區(qū)范圍，選取1990、2000、2010、2015 和2020 年紅樹林出現(xiàn)過的區(qū)域作為1990—2020年整個(gè)研究時(shí)段的研究區(qū)范圍。利用1990、2000、2010、2015 和2020 年合并后紅樹林范圍對(duì)EVI分布數(shù)據(jù)進(jìn)行掩膜處理，從而獲取1990—2020年紅樹林EVI逐年均值分布數(shù)據(jù)。

1.2.2 輔助數(shù)據(jù) 輔助數(shù)據(jù)主要為驅(qū)動(dòng)因子數(shù)據(jù)，包含影響紅樹林面積變化的年均降水（X1）、年均溫（X2）、地形（X3）、養(yǎng)殖池面積（X4）、紅樹林距道路的最短距離（X5）以及人口（X6）。降水、氣溫?cái)?shù)據(jù)來源于英國大氣科學(xué)中心③https://crudata.uea.ac.uk/cru/data/hrg，分辨率為0.5°；數(shù)字高程模型（Digital Elevation Model, DEM）數(shù)據(jù)采用30 m 分辨率的SRTM 高程數(shù)據(jù)④http://www.geodata.cn/data/；養(yǎng)殖池?cái)?shù)據(jù)采用中國科學(xué)院南京地理與湖泊研究所提取的1990、2000、2010、2015 和2020 年的30 m 分辨率水產(chǎn)養(yǎng)殖區(qū)空間分布范圍數(shù)據(jù)集（羅菊花，2019）；矢量道路數(shù)據(jù)集和人口公里格網(wǎng)數(shù)據(jù)集分別來源于全球生物多樣性模型（Global biodiversity model⑤www.globio.info）和世界人口數(shù)據(jù)集（WorldPop⑥www.worldpop.org）。

采用地理探測器進(jìn)行紅樹林變化驅(qū)動(dòng)因素分析。由于地理探測器的自變量為類型量，故需要對(duì)驅(qū)動(dòng)因子數(shù)據(jù)進(jìn)行分類。自然斷點(diǎn)法可以有效避免人為引入的干擾，最大限度地提高類之間的差異（Chen et al., 2013）。數(shù)據(jù)離散化的分類效果可以通過地理探測器的q統(tǒng)計(jì)量確定，q值越大，分類效果越好（王勁峰 等，2017）；因此，借助R 語言，將自然斷點(diǎn)法的分類等級(jí)數(shù)設(shè)置為5～12類，篩選q值最大的空間尺度作為地理探測器自變量等級(jí)劃分的標(biāo)準(zhǔn)。q值最大時(shí)不同驅(qū)動(dòng)因子的劃分結(jié)果為：年均降雨、年均溫、高程劃分8級(jí)；養(yǎng)殖池面積變化10 級(jí)；紅樹林距道路的最短距離9 級(jí)；人口7 級(jí)（圖2）。所有數(shù)據(jù)均為2020年分布數(shù)據(jù)，其中紅樹林距道路的最短距離（d）以點(diǎn)狀數(shù)據(jù)顯示，即以蜂窩網(wǎng)為單位統(tǒng)計(jì)紅樹林面積，計(jì)算每個(gè)蜂窩網(wǎng)距道路最短距離，以點(diǎn)的形式對(duì)距離分級(jí)顯示可以與其他驅(qū)動(dòng)因子的分布具有更相似的視覺效果。

圖2 1990—2020年東南亞紅樹林面積變化驅(qū)動(dòng)因子分級(jí)Fig.2 The grading of driving factors of mangrove area change in Southeast Asia from 1990 to 2020

2 研究方法

2.1 趨勢(shì)分析

將Theil-Sen 中值趨勢(shì)分析和Mann-Kendall 檢驗(yàn)方法結(jié)合，能很好地應(yīng)用于長時(shí)間序列數(shù)據(jù)的趨勢(shì)分析中，目前在植被的長時(shí)間序列分析中已得到廣泛應(yīng)用（Sen, 1968; Tucker et al., 1991）。

Theil-Sen中值趨勢(shì)分析是一種穩(wěn)健的非參數(shù)統(tǒng)計(jì)趨勢(shì)分析方法，可以有效規(guī)避數(shù)據(jù)誤差，減少數(shù)據(jù)異常值的影響（袁麗華 等，2013）。其基本原理是計(jì)算n(n- 1)/2 個(gè)數(shù)據(jù)組合的斜率中位數(shù)，公式為：

式中：EVIi和EVIj分別為紅樹林第i年和第j年的EVI值。當(dāng)SEVI> 0時(shí)，表明該時(shí)間序列數(shù)據(jù)呈增長趨勢(shì)，否則呈現(xiàn)退化趨勢(shì)。

Mann-Kendall是一種非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法，該方法不需要樣本數(shù)據(jù)服從一定的分布，具有抵抗數(shù)據(jù)誤差的能力（Milich et al., 2000）。常被用來判斷趨勢(shì)的顯著性，公式為：

式中：EVIi和EVIj分別為紅樹林第i年和第j年的EVI 值；n為時(shí)間序列的長度；sgn 為符號(hào)函數(shù)；Z取值范圍為( -∞， + ∞)。在給定的顯著性水平α（一般取值為0.05）下，當(dāng)|Z|>u1-α2時(shí)，表明該序列具有顯著性變化。

2.2 地理探測器

地理探測器是探測空間分異性，以及揭示其背后驅(qū)動(dòng)力的一組統(tǒng)計(jì)學(xué)方法（王勁峰 等，2017）。采用地理探測器中的因子探測器和交互作用探測器探究不同驅(qū)動(dòng)因素對(duì)紅樹林變化的影響及交互作用。

因子探測器可以定量描述不同驅(qū)動(dòng)因素的相對(duì)影響力大小，公式為：

式中：q代表驅(qū)動(dòng)因子驅(qū)動(dòng)力，值域?yàn)?[0, 1]，q值越大驅(qū)動(dòng)力越強(qiáng)，反之則越弱；L為因子的分層；Nh和N分別為層h和全區(qū)紅樹林變化分布及因子對(duì)應(yīng)的單元數(shù)；σ2h和σ2分別為層h和全區(qū)紅樹林變化方差。

交互作用探測器用于評(píng)估不同影響因子共同作用時(shí)，對(duì)紅樹林面積變化是否存在交互作用以及交互作用的類型和強(qiáng)度，評(píng)估依據(jù)參考文獻(xiàn)（王勁峰等，2017）。

3 結(jié)果與分析

3.1 東南亞紅樹林時(shí)空變化分析

東南亞紅樹林總面積在1990—2020年呈顯著下降趨勢(shì)（圖3），由1990 年的520.55 萬hm2減少至2020年的373.77萬hm2，整體上每年以1.1%的平均速度消失。其中，1990—2015年持續(xù)下降，2015—2020年面積有所回升，表明相關(guān)政策干預(yù)在紅樹林恢復(fù)及保護(hù)方面的重要作用（Friess et al., 2016）。

圖3 1990—2020年東南亞紅樹林面積變化趨勢(shì)Fig.3 Change trends of mangrove area in Southeast Asia from 1990 to 2020

分別統(tǒng)計(jì)1990、2000、2010、2015 及2020 年東南亞存在紅樹林的各個(gè)國家紅樹林面積（表1）并計(jì)算其變化率（圖4）。可知，1990—2020年各個(gè)國家紅樹林面積整體上均呈下降趨勢(shì)，其中，新加坡、東帝汶、越南下降最為嚴(yán)重，面積下降率達(dá)到69%以上，其次為泰國、緬甸、馬來西亞、柬埔寨、文萊、印度尼西亞和菲律賓。2015—2020 年，部分國家的紅樹林面積呈現(xiàn)少量上升趨勢(shì)，包括菲律賓、文萊、印度尼西亞、馬來西亞、緬甸，但新加坡和越南紅樹林面積仍在急劇下降，柬埔寨和泰國下降趨勢(shì)有所減緩。

圖4 東南亞各國紅樹林面積變化率趨勢(shì)Fig.4 Trends of mangrove area change rates in Southeast Asian countries

表1 1990—2020年東南亞不同國家紅樹林面積Table 1 Mangrove area in different countries of Southeast Asia from 1990 to 2020 萬hm2

正六邊形具有很低的面積周長比，可以有效減少由于格網(wǎng)形狀的邊界效應(yīng)帶來的樣本偏差，故采用正六邊形統(tǒng)計(jì)紅樹林面積變化率，并對(duì)其分級(jí)顯示，分為紅樹林完全消失、顯著下降、輕微下降、顯著增長、輕微增長、穩(wěn)定不變。分別統(tǒng)計(jì)邊長為10、15、20、25、30、35、40 km 的蜂窩網(wǎng)數(shù)據(jù)，結(jié)果表明邊長為30 km 時(shí)更能體現(xiàn)紅樹林空間變化的分異特征，因此選取30 km 邊長的蜂窩網(wǎng)形式表示1990—2020 年紅樹林面積變化率的空間分布（圖5）。

從圖5可以看出，東南亞各區(qū)域紅樹林面積變化存在明顯的空間分布特征，從整體上來看，紅樹林面積嚴(yán)重下降，甚至大部分紅樹林消失；而增長的區(qū)域呈零星分布，且大多分布在菲律賓以及印度尼西亞西部和東部，越南北部也存在少量紅樹林增加區(qū)域。

圖5 1990—2020年東南亞紅樹林面積變化率空間分布Fig.5 Spatial distribution of mangrove area change rate in Southeast Asia from 1990 to 2020

以蜂窩網(wǎng)為基本單位對(duì)30年紅樹林面積變化率分級(jí)統(tǒng)計(jì)，結(jié)果表明：1990—2020年，紅樹林完全喪失區(qū)域高達(dá)40.11%，變化率在-99%～-50%的區(qū)域占28.57%，在-49%～-5%的占8.79%，在-4%～-1%占13.95%；面積變化增加的區(qū)域（變化率在1%～99%）共占8.18%；面積不變的區(qū)域即面積變化率為0%的區(qū)域僅占0.4%。

3.2 東南亞典型區(qū)紅樹林變化趨勢(shì)分析

為驗(yàn)證年際EVI均值分布數(shù)據(jù)的可用性，利用GEE中存儲(chǔ)的時(shí)間分辨率為8 d的EVI分布數(shù)據(jù)集，按季節(jié)（12-2 月、3-5 月、6-8 月、9-11 月）計(jì)算其EVI均值分布。結(jié)果表明，按照季節(jié)劃分的紅樹林EVI均值變化趨勢(shì)與年均變化趨勢(shì)整體上具有一致性。因此，采用Theil-Sen中值趨勢(shì)法分析紅樹林年際EVI均值分布的時(shí)間序列變化趨勢(shì)具有一定可行性。

結(jié)合Theil-Sen 中值趨勢(shì)分析和Mann-Kendall檢驗(yàn)方法，依托GEE 平臺(tái)，探求1990-2020 年東南亞紅樹林EVI變化趨勢(shì)的空間分布特征。由于研究時(shí)間跨度大，基本不存在SEVI值為0的區(qū)域，因此根據(jù)實(shí)際情況，取-0.005和0.005作為臨界值，劃分紅樹林面積改善、穩(wěn)定不變及退化的區(qū)域，并判斷Mann-Kendall檢驗(yàn)在0.05置信水平上紅樹林趨勢(shì)變化的顯著性。疊加Theil-Sen中值趨勢(shì)分析和Mann-Kendall檢驗(yàn)結(jié)果，得到像元尺度上紅樹林趨勢(shì)變化數(shù)據(jù)，并將結(jié)果劃分為5種類型（表2）。東南亞整體紅樹林面積退化趨勢(shì)明顯，退化區(qū)域占該區(qū)域紅樹林總分布面積的79.25%，穩(wěn)定不變即沒有發(fā)生顯著變化的僅占0.42%，改善區(qū)域僅占20.32%。

表2 紅樹林EVI變化趨勢(shì)分級(jí)Table 2 Hierarchical statistics of mangrove EVI trend

從圖6可以看出，東南亞紅樹林并非呈單一的變化趨勢(shì)，而是多種變化趨勢(shì)共存，但總的趨勢(shì)是退化。選擇東南亞紅樹林廣泛分布的保護(hù)區(qū)或受多種因素影響發(fā)生顯著變化的部分區(qū)域作為典型研究區(qū)，分析其時(shí)空變化趨勢(shì)：

1） 伊洛瓦底江三角洲（Ayeyarwady Delta）（圖6-a）：該區(qū)域是緬甸最大的紅樹林分布區(qū)，紅樹林變化趨勢(shì)受孟加拉灣和安達(dá)曼海影響較大，沿海紅樹林主要受颶風(fēng)影響（Veettil et al., 2018）。退化區(qū)域集中分布，尤其在紅樹林大面積分布區(qū)退化趨勢(shì)更為明顯，顯著退化面積遠(yuǎn)遠(yuǎn)多于輕微退化。改善區(qū)域分散于紅樹林大面積分布區(qū)邊緣及小面積分布區(qū)，其中，邊緣主要呈顯著改善，輕微改善主要位于紅樹林小面積分布區(qū)。

2）高崗（Koh Kong）（圖6-b）：該區(qū)域?yàn)榧砥艺t樹林物種最豐富和分布面積最大的地區(qū)。從整體上看，該地區(qū)1990-2020年紅樹林退化的區(qū)域明顯多于改善的區(qū)域，顯著退化的區(qū)域在空間上由中心向四周擴(kuò)展，尤其在東部的延伸最為明顯。改善區(qū)域少量分布于紅樹林分布邊緣，且主要呈輕微改善趨勢(shì)。

3）吉奧（Can Gio）（圖6-c）：該區(qū)域?yàn)樵侥纤拇蠹t樹林保護(hù)區(qū)之一。該保護(hù)區(qū)紅樹林改善和退化伴隨分布，退化趨勢(shì)更為明顯，四周主要呈顯著退化趨勢(shì)，并由四周向中心逐漸擴(kuò)展。紅樹林改善區(qū)域分散于保護(hù)區(qū)四周和中心，且四周有少量顯著改善區(qū)域，中心主要為輕微改善。

圖6 1990—2020年東南亞紅樹林EVI變化趨勢(shì)空間分布（a. 緬甸：伊洛瓦底江三角洲；b. 柬埔寨：高崗；c. 越南：吉奧紅樹林生物圈保護(hù)區(qū)；d. 馬來西亞：雙溪哈吉多拉尼；e. 文萊：斯里巴加灣；f. 印度尼西亞：賓圖尼灣紅樹林自然保護(hù)區(qū)）Fig.6 Spatial distribution of EVI changes in mangrove in Southeast Asia from 1990 to 2020 (a. Myanmar: Ayeyarwady Delta;b. Cambodia: Koh Kong; c. Vietnam: Can Gio Mangrove Biosphere Reserve; d. Malaysia: Sungai Haji Dorani;e. Brune: Bandar Seri Begawan; f. Indonesia: Bintuni Bay Mangrove Nature Reserve)

4）雙溪哈吉多拉尼（Sungai Haji Dorani）（圖6-d）：該區(qū)域?yàn)轳R來西亞半島西海岸的紅樹林分布重要棲息地。該地區(qū)紅樹林輕微退化和輕微改善區(qū)域分布比較廣泛，且呈明顯的交叉分布。顯著退化的區(qū)域零星分布于中部，并在北部有少量集中分布。顯著改善的區(qū)域大多位于輕微改善的邊緣，在南部區(qū)域較為明顯。

5）斯里巴加灣（Bandar Seri Begawan）（圖6-e）：該區(qū)域?yàn)槲娜R主要的紅樹林分布區(qū)域。1990-2020年該地區(qū)紅樹林整體上呈明顯的退化趨勢(shì)，退化的區(qū)域遠(yuǎn)遠(yuǎn)大于改善的區(qū)域。其中，顯著退化和輕微退化占比相當(dāng)，紅樹林分布邊緣受各種因素的影響退化嚴(yán)重，內(nèi)部多呈輕微退化，改善的區(qū)域僅在該區(qū)域北部有零星分布。

6）賓圖尼灣（Bintuni Bay）（圖6-f）：該區(qū)域是印度尼西亞紅樹林自然保護(hù)區(qū)。區(qū)域內(nèi)紅樹林變化趨勢(shì)具有明顯的空間分布特征，輕微改善的區(qū)域主要分布在該地區(qū)中部，退化的區(qū)域主要位于東部和西部，其中西部退化更為明顯，呈顯著退化，而東部紅樹林呈輕微退化趨勢(shì)。

3.3 東南亞紅樹林時(shí)空變化驅(qū)動(dòng)因素分析

采用地理探測器中的因子探測器分析不同驅(qū)動(dòng)因 子 對(duì)1990-2000、2000-2010、2010-2015 及2015-2020年4個(gè)時(shí)段紅樹林變化的影響程度（表3）。驅(qū)動(dòng)因子的p值均為0，表明所選驅(qū)動(dòng)因子對(duì)紅樹林面積變化的空間變化特征均存在顯著影響?？傮w而言，1990—2020年養(yǎng)殖池面積的增加是東南亞紅樹林面積下降的主要驅(qū)動(dòng)因素，驅(qū)動(dòng)力均＞30%。其次，紅樹林距道路的最短距離和人口變化也具有較強(qiáng)的影響力；其中，紅樹林距道路的最短距離在1990—2015 年q值均＞20%，人口對(duì)紅樹林影響的驅(qū)動(dòng)力在2010-2015 年達(dá)到30%，2015-2020 年為24.5%，說明紅樹林距道路的最短距離越短，人口越多，對(duì)紅樹林面積下降也存在顯著影響。年均溫、降水以及地形對(duì)紅樹林變化的影響程度相對(duì)較低。1990-2000年養(yǎng)殖池面積快速擴(kuò)張，對(duì)紅樹林面積下降的驅(qū)動(dòng)作用達(dá)到48%；2000年后，隨著養(yǎng)殖池面積緩慢下降，紅樹林受養(yǎng)殖池的影響也逐漸減緩。年均降雨、年均溫、地形和紅樹林距道路最短距離的驅(qū)動(dòng)力相對(duì)穩(wěn)定，而人類因生活及生產(chǎn)活動(dòng)需求的不定性，對(duì)紅樹林變化的影響程度較大，人口數(shù)量對(duì)紅樹林變化的驅(qū)動(dòng)力在2000-2020年先增后減。分別統(tǒng)計(jì)各驅(qū)動(dòng)因子在1990-2020年內(nèi)驅(qū)動(dòng)力的均值，結(jié)果表明，紅樹林變化受驅(qū)動(dòng)因素的影響程度排序主要為：養(yǎng)殖池面積＞人口＞紅樹林距道路最短距離＞年均溫＞年均降雨＞地形。

表3 1990—2020年東南亞紅樹林面積變化驅(qū)動(dòng)因子驅(qū)動(dòng)力Table 3 Driving forces of mangrove area change drivers in Southeast Asia from 1990 to 2020

交互作用探測器用于識(shí)別不同驅(qū)動(dòng)因子對(duì)紅樹林空間分異的交互作用（圖7），不同因子的相互作用驅(qū)動(dòng)力均高于單一因子，其作用方式包括非線性增強(qiáng)和雙因子增強(qiáng)2種。這表明1990—2020年紅樹林面積變化的空間異質(zhì)性受多種驅(qū)動(dòng)因子的共同作用，單一因子并不能完全解釋紅樹林的空間變化特征。具體地，養(yǎng)殖池面積與其他因子之間的交互作用明顯強(qiáng)于其他因子之間的交互作用，其中與人口的交互作用在所有的交互作用中具有最明顯的增強(qiáng)效果，且交互作用類型均為雙因子增強(qiáng)；紅樹林距道路最短距離、人口與其他因子的交互作用包含非線性增強(qiáng)和雙因子增強(qiáng)2種；此外，單一因子驅(qū)動(dòng)力相對(duì)較弱的年均降雨、年均溫和地形在與其他因子的交互作用中，影響強(qiáng)度明顯增強(qiáng)，且主要呈非線性增強(qiáng)效果?？傮w而言，不同驅(qū)動(dòng)因子對(duì)紅樹林影響的交互作用均呈現(xiàn)增強(qiáng)的作用，沒有出現(xiàn)減弱的情況，增強(qiáng)效果相對(duì)明顯的有：養(yǎng)殖池面積-人口、養(yǎng)殖池面積-紅樹林距道路最短距離、人口-紅樹林距道路最短距離、養(yǎng)殖池面積-年均降雨、養(yǎng)殖池面積-地形、人口-年均溫。

圖7 1990—2020年東南亞紅樹林時(shí)空變化驅(qū)動(dòng)因子的交互作用探測器結(jié)果Fig.7 Interaction of drivers of spatio-temporal changes in mangrove in Southeast Asia from 1990 to 2020

4 結(jié)論與討論

4.1 結(jié)論

基于GEE云平臺(tái)EVI數(shù)據(jù)和東南亞紅樹林?jǐn)?shù)據(jù)集，結(jié)合Theil-Sen 中值趨勢(shì)分析和Mann-Kendall檢驗(yàn)方法，探討東南亞紅樹林1990-2020年時(shí)空變化趨勢(shì)，并利用地理探測器定量分析其變化的驅(qū)動(dòng)因素，得到的主要結(jié)論為：

1）從時(shí)空分布特征上，1990-2020 年東南亞紅樹林面積整體呈下降趨勢(shì)，在30年間平均每年以1.1%的速度消失。以蜂窩網(wǎng)為基本單位統(tǒng)計(jì)的面積變化率表明：紅樹林完全喪失區(qū)域高達(dá)40.11%；變化率在-99%～-5%的區(qū)域共占37.36%，在-4%～-1%的區(qū)域占了13.95%，面積變化增加的區(qū)域（變化率在1%～99%）共占8.18%，面積不變的區(qū)域即面積變化率為0%的區(qū)域僅占0.4%。

2）從時(shí)空變化趨勢(shì)上，東南亞紅樹林在1990—2020年退化趨勢(shì)明顯，退化的區(qū)域明顯多于改善的區(qū)域。在選擇的典型研究區(qū)中，高崗（柬埔寨）和斯里巴加灣（文萊）退化趨勢(shì)最為明顯；吉奧（越南）和伊洛瓦底江三角洲（緬甸）地區(qū)的紅樹林退化和改善伴隨分布，但整體上退化的區(qū)域多于改善的區(qū)域；雙溪哈吉多拉尼（馬來西亞）和賓圖尼灣（印度尼西亞）在紅樹林分布邊緣呈退化趨勢(shì)，但在紅樹林分布中心有所改善，呈現(xiàn)恢復(fù)趨勢(shì)。

3）從紅樹林變化驅(qū)動(dòng)因素看：1990—2020 年紅樹林面積變化的空間異質(zhì)性受多種驅(qū)動(dòng)因子的共同作用，單一因子對(duì)紅樹林變化的影響程度為養(yǎng)殖池面積＞人口＞紅樹林距道路最短距離＞年均溫＞年均降雨＞地形，不同因子的相互作用均呈現(xiàn)增強(qiáng)的作用。其中，養(yǎng)殖池面積與其他因子之間的交互作用明顯強(qiáng)于其他因子之間的交互作用。

4.2 討論

東南亞紅樹林總面積在1990-2020年呈明顯的下降趨勢(shì)，雖然在相關(guān)政策的干預(yù)下紅樹林面積在2015年起有所回升，然而，由于已確定的策略和方法是泛熱帶的，只針對(duì)東南亞紅樹林最受威脅的部分國家，包括菲律賓、印度尼西亞、越南等（Friess et al., 2016），因此僅在實(shí)施紅樹林保護(hù)行動(dòng)的部分國家，紅樹林有增加趨勢(shì)，其余國家紅樹林面積仍呈嚴(yán)重的下降趨勢(shì)。因此，應(yīng)參考紅樹林面積變化率空間分布，著重對(duì)面積嚴(yán)重下降的區(qū)域采取相關(guān)保護(hù)措施。

紅樹林濕地動(dòng)態(tài)驅(qū)動(dòng)力是一個(gè)復(fù)雜的系統(tǒng)，既包括自然因素又包括人為因素，其變化是兩者共同作用的結(jié)果（毛麗君 等，2011）。自然因素包括氣溫、海溫、降水、地形以及紅樹林自身特性，對(duì)紅樹林面積變化起重要的控制作用（晁碧霄 等，2021）；人文因素主要包括濱海地區(qū)的城鎮(zhèn)化建設(shè)及快速增長的海岸帶開發(fā)活動(dòng)所導(dǎo)致的紅樹林退化（Costa et al., 2015）。在本研究中，人為因素（養(yǎng)殖池?cái)U(kuò)張及人口增長）是導(dǎo)致東南亞紅樹林面積減少的重要原因，而自然因素（年均溫、年均降雨及地形）對(duì)紅樹林的影響相對(duì)人類活動(dòng)所造成的影響較小，這與目前已有的對(duì)東南亞各個(gè)國家紅樹林的驅(qū)動(dòng)因素研究（DasGupta et al., 2013; Latiff et al.,2014; Richards et al., 2016; Hai et al., 2020）相符。人為因素在東南亞紅樹林面積變化中起主導(dǎo)作用，尤其在養(yǎng)殖池大面積建設(shè)國家，如印度尼西亞、越南、菲律賓和泰國，養(yǎng)殖池面積的擴(kuò)張是影響紅樹林退化的最主要因素（Huitric et al., 2002; Walters et al., 2004; Kusmana et al., 2014; Veettil et al., 2018），此外，人口增長所導(dǎo)致的耕地及建筑用地?cái)U(kuò)張也是主要的驅(qū)動(dòng)因素。

本研究探討了東南亞紅樹林長時(shí)間序列的空間變化趨勢(shì)，并定量分析了其變化的驅(qū)動(dòng)因素，可為生物多樣性的保護(hù)、沿海經(jīng)濟(jì)的發(fā)展、生態(tài)環(huán)境的可持續(xù)改善提供重要支撐。但還存在需要深入分析之處：在驅(qū)動(dòng)因素分析中對(duì)驅(qū)動(dòng)因子考慮不夠全面，在后續(xù)研究中將加入地表覆蓋數(shù)據(jù)，從而更加科學(xué)完善地探討東南亞紅樹林覆蓋變化的驅(qū)動(dòng)因素。