常云蕾，廖靜娟，張 麗

（1. 中國科學院空天信息創(chuàng)新研究院數(shù)字地球重點實驗室，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. 中國科學院大學，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），在防風消浪、促淤保灘、維持生物多樣性、固碳儲碳和海產(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、社會發(fā)展及經(jīng)濟進步提供著重要支撐（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刻威脅著紅樹林的生長（Pham et al., 2016）。在過去的半個多世紀中，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）。按照這種趨勢發(fā)展，全球紅樹林將會逐漸消失，其獨特的經(jīng)濟、社會、生態(tài)價值也將蕩然無存，嚴重威脅到人類的生存與發(fā)展（賈明明 等，2021）。因此，開展紅樹林的長時序變化趨勢分析并定量探究紅樹林損失與潛在驅(qū)動因素的關(guān)系對紅樹林的保護、恢復及可持續(xù)管理具有重要意義。

遙感技術(shù)具有覆蓋范圍廣、重復周期短、信息量大、限制條件少等優(yōu)勢，應用遙感技術(shù)進行紅樹林監(jiān)測可以有效避免傳統(tǒng)實地調(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雜性，已有的紅樹林遙感動態(tài)監(jiān)測研究還存在一些不足。首先，只采用少數(shù)時相的遙感數(shù)據(jù)，其時間跨度較大，在刻畫紅樹林動態(tài)變化過程中精細程度不足，紅樹林演變分析的不確定性增加；其次，在處理大尺度長時序遙感影像時需要很大的計算資源，在目前已有的大范圍紅樹林動態(tài)監(jiān)測中，較少開展長時間序列的紅樹林趨勢變化分析。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空分布特征分析；然后基于Google Earth Engine 云計算平臺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算平臺（Patel et al., 2015），為大尺度和長時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)應用、水體和城鎮(zhèn)提取以及潮間帶監(jiān)測等領域都發(fā)揮重要作用（Gorelick et al., 2017; Shelestov et al., 2017），采用Landsat長時序影像數(shù)據(jù)和紅樹林分布數(shù)據(jù)集，結(jié)合Theil-Sen中值趨勢分析和Mann-Kendall檢驗方法，分析紅樹林增強植被指數(shù)（Enhanced Vegetation Index, EVI）的時空變化趨勢；最后，利用地理探測器定量分析自然因子和社會因子對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、恢復和利用提供科學合理的理論依據(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（Richards et al., 2016）。其中，有紅樹林生長的國家共10 個，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。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）基于深度學習模型提取，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)果為基準進行目視解譯得出。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)測和評估植被數(shù)量和條件的時空變化方面表現(xiàn)出良好的動態(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 會出現(xiàn)過飽和的現(xiàn)象，而EVI改進了大氣或者生長地表所造成的誤差；此外，與NDVI相比，EVI對針葉/闊葉樹冠結(jié)構(gòu)更加敏感，尤其在高生物量區(qū)域，NDVI會逐漸飽和，而EVI 對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。

使用的EVI分布數(shù)據(jù)為GEE云平臺存儲的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年整個研究時段的研究區(qū)范圍。利用1990、2000、2010、2015 和2020 年合并后紅樹林范圍對EVI分布數(shù)據(jù)進行掩膜處理，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、氣溫數(shù)據(jù)來源于英國大氣科學中心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)殖池數(shù)據(jù)采用中國科學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）。

采用地理探測器進行紅樹林變化驅(qū)動因素分析。由于地理探測器的自變量為類型量，故需要對驅(qū)動因子數(shù)據(jù)進行分類。自然斷點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，將自然斷點法的分類等級數(shù)設置為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劃分的標準。q值最大時不同驅(qū)動因子的劃分結(jié)果為：年均降雨、年均溫、高程劃分8級；養(yǎng)殖池面積變化10 級；紅樹林距道路的最短距離9 級；人口7 級（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）以點狀數(shù)據(jù)顯示，即以蜂窩網(wǎng)為單位統(tǒng)計紅樹林面積，計算每個蜂窩網(wǎng)距道路最短距離，以點的形式對距離分級顯示可以與其他驅(qū)動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)動因子分級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 趨勢分析

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

Theil-Sen中值趨勢分析是一種穩(wěn)健的非參數(shù)統(tǒng)計趨勢分析方法，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）。其基本原理是計算n(n- 1)/2 個數(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SEVI> 0時，表明該時間序列數(shù)據(jù)呈增長趨勢，否則呈現(xiàn)退化趨勢。

Mann-Kendall是一種非參數(shù)統(tǒng)計檢驗方法，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為時間序列的長度；sgn 為符號函數(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|Z|>u1-α2時，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)動力的一組統(tǒng)計學方法（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)動因素對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)動因素的相對影響力大小，公式為：

式中：q代表驅(qū)動因子驅(qū)動力，值域為 [0, 1]，q值越大驅(qū)動力越強，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應的單元數(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估不同影響因子共同作用時，對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度，評估依據(jù)參考文獻（王勁峰等，2017）。

3 結(jié)果與分析

3.1 東南亞紅樹林時空變化分析

東南亞紅樹林總面積在1990—2020年呈顯著下降趨勢（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)政策干預在紅樹林恢復及保護方面的重要作用（Friess et al., 2016）。

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

分別統(tǒng)計1990、2000、2010、2015 及2020 年東南亞存在紅樹林的各個國家紅樹林面積（表1）并計算其變化率（圖4）?？芍?，1990—2020年各個國家紅樹林面積整體上均呈下降趨勢，其中，新加坡、東帝汶、越南下降最為嚴重，面積下降率達到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，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有所減緩。

圖4 東南亞各國紅樹林面積變化率趨勢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)形狀的邊界效應帶來的樣本偏差，故采用正六邊形統(tǒng)計紅樹林面積變化率，并對其分級顯示，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30年紅樹林面積變化率分級統(tǒng)計，結(jié)果表明：1990—2020年，紅樹林完全喪失區(qū)域高達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)紅樹林變化趨勢分析

為驗證年際EVI均值分布數(shù)據(jù)的可用性，利用GEE中存儲的時間分辨率為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均值變化趨勢與年均變化趨勢整體上具有一致性。因此，采用Theil-Sen中值趨勢法分析紅樹林年際EVI均值分布的時間序列變化趨勢具有一定可行性。

結(jié)合Theil-Sen 中值趨勢分析和Mann-Kendall檢驗方法，依托GEE 平臺，探求1990-2020 年東南亞紅樹林EVI變化趨勢的空間分布特征。由于研究時間跨度大，基本不存在SEVI值為0的區(qū)域，因此根據(jù)實際情況，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檢驗在0.05置信水平上紅樹林趨勢變化的顯著性。疊加Theil-Sen中值趨勢分析和Mann-Kendall檢驗結(jié)果，得到像元尺度上紅樹林趨勢變化數(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變化趨勢分級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，而是多種變化趨勢共存，但總的趨勢是退化。選擇東南亞紅樹林廣泛分布的保護區(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)，分析其時空變化趨勢：

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)，紅樹林變化趨勢受孟加拉灣和安達曼海影響較大，沿海紅樹林主要受颶風影響（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)退化趨勢更為明顯，顯著退化面積遠遠多于輕微退化。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)域為柬埔寨紅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。

3）吉奧（Can Gio）（圖6-c）：該區(qū)域為越南四大紅樹林保護區(qū)之一。該保護區(qū)紅樹林改善和退化伴隨分布，退化趨勢更為明顯，四周主要呈顯著退化趨勢，并由四周向中心逐漸擴展。紅樹林改善區(qū)域分散于保護區(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)域為馬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)域為文萊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，退化的區(qū)域遠遠大于改善的區(qū)域。其中，顯著退化和輕微退化占比相當，紅樹林分布邊緣受各種因素的影響退化嚴重，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區(qū)。區(qū)域內(nèi)紅樹林變化趨勢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。

3.3 東南亞紅樹林時空變化驅(qū)動因素分析

采用地理探測器中的因子探測器分析不同驅(qū)動因 子 對1990-2000、2000-2010、2010-2015 及2015-2020年4個時段紅樹林變化的影響程度（表3）。驅(qū)動因子的p值均為0，表明所選驅(qū)動因子對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)動因素，驅(qū)動力均＞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%，人口對紅樹林影響的驅(qū)動力在2010-2015 年達到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，對紅樹林面積下降也存在顯著影響。年均溫、降水以及地形對紅樹林變化的影響程度相對較低。1990-2000年養(yǎng)殖池面積快速擴張，對紅樹林面積下降的驅(qū)動作用達到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)動力相對穩(wěn)定，而人類因生活及生產(chǎn)活動需求的不定性，對紅樹林變化的影響程度較大，人口數(shù)量對紅樹林變化的驅(qū)動力在2000-2020年先增后減。分別統(tǒng)計各驅(qū)動因子在1990-2020年內(nèi)驅(qū)動力的均值，結(jié)果表明，紅樹林變化受驅(qū)動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)動因子驅(qū)動力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別不同驅(qū)動因子對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)動力均高于單一因子，其作用方式包括非線性增強和雙因子增強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效果，且交互作用類型均為雙因子增強；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和雙因子增強2種；此外，單一因子驅(qū)動力相對較弱的年均降雨、年均溫和地形在與其他因子的交互作用中，影響強度明顯增強，且主要呈非線性增強效果?？傮w而言，不同驅(qū)動因子對紅樹林影響的交互作用均呈現(xiàn)增強的作用，沒有出現(xiàn)減弱的情況，增強效果相對明顯的有：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年東南亞紅樹林時空變化驅(qū)動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EVI數(shù)據(jù)和東南亞紅樹林數(shù)據(jù)集，結(jié)合Theil-Sen 中值趨勢分析和Mann-Kendall檢驗方法，探討東南亞紅樹林1990-2020年時空變化趨勢，并利用地理探測器定量分析其變化的驅(qū)動因素，得到的主要結(jié)論為：

1）從時空分布特征上，1990-2020 年東南亞紅樹林面積整體呈下降趨勢，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)計的面積變化率表明：紅樹林完全喪失區(qū)域高達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）從時空變化趨勢上，東南亞紅樹林在1990—2020年退化趨勢明顯，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，但在紅樹林分布中心有所改善，呈現(xiàn)恢復趨勢。

3）從紅樹林變化驅(qū)動因素看：1990—2020 年紅樹林面積變化的空間異質(zhì)性受多種驅(qū)動因子的共同作用，單一因子對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，雖然在相關(guān)政策的干預下紅樹林面積在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），因此僅在實施紅樹林保護行動的部分國家，紅樹林有增加趨勢，其余國家紅樹林面積仍呈嚴重的下降趨勢。因此，應參考紅樹林面積變化率空間分布，著重對面積嚴重下降的區(qū)域采取相關(guān)保護措施。

紅樹林濕地動態(tài)驅(qū)動力是一個復雜的系統(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)化建設及快速增長的海岸帶開發(fā)活動所導致的紅樹林退化（Costa et al., 2015）。在本研究中，人為因素（養(yǎng)殖池擴張及人口增長）是導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）對紅樹林的影響相對人類活動所造成的影響較小，這與目前已有的對東南亞各個國家紅樹林的驅(qū)動因素研究（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作用，尤其在養(yǎng)殖池大面積建設國家，如印度尼西亞、越南、菲律賓和泰國，養(yǎng)殖池面積的擴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，人口增長所導致的耕地及建筑用地擴張也是主要的驅(qū)動因素。

本研究探討了東南亞紅樹林長時間序列的空間變化趨勢，并定量分析了其變化的驅(qū)動因素，可為生物多樣性的保護、沿海經(jīng)濟的發(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)動因素分析中對驅(qū)動因子考慮不夠全面，在后續(xù)研究中將加入地表覆蓋數(shù)據(jù)，從而更加科學完善地探討東南亞紅樹林覆蓋變化的驅(qū)動因素。