基于云平台植被指数与先进地理空间技术的孙德尔本斯红树林及海岸线动态精准制图研究

《Results in Engineering》：Precision Mapping of Mangroves and Shoreline Dynamics in the Sundarbans Using Cloud Based Vegetation Indices Analysis and Advanced Geospatial Techniques

本研究针对印度孙德尔本斯老虎保护区红树林锐减与海岸线侵蚀问题，通过Google Earth Engine (GEE)平台集成密集时序遥感数据，开发新型云平台红树林制图指数(CBMMI)，并结合数字海岸线分析系统(DSAS)进行50年（1973-2023）时空动态分析。结果显示达尔豪西岛和班加杜尼岛分别出现2321米和2369米的严重边界侵蚀，揭示了海岸带生态系统的脆弱性。该研究为红树林保护与海岸带管理提供了高精度技术方案和决策支持。

　　

在热带与亚热带海岸带，红树林（Mangrove）扮演着至关重要的角色。它们不仅是维持生态平衡的关键，还能保护海岸线免受侵蚀和自然灾害的侵袭，同时 conserve biodiversity（保护生物多样性）。然而，目前印度孙德尔本斯（Sundarbans）地区，特别是位于老虎保护区（Sundarban Tiger Reserve, STR）和领土分区内的南部区域，正经历着惊人的侵蚀速率和红树林覆盖面积的 substantial loss（重大损失）。这片独特的三角洲地带，由低洼的沿海平原、潮汐小溪、泥滩、红树林沼泽和小沙丘组成，其地理形态正被剧烈的海岸线侵蚀 dramatically altering（ dramatically altering 剧烈改变）。这里的沿海岛屿日益脆弱，面临着海平面上升、气旋风暴和沿海洪水的多重威胁，所有这些都加剧了侵蚀过程。尽管红树林具有 critical importance（至关重要性），但由于围垦、水产养殖实践、城市发展和沿海填埋等活动，它们在20世纪经历了 significant loss（显著损失）。全球范围内，自20世纪80年代以来，红树林面积已下降约35%，年损失率高达剩余覆盖面积的2.1%。在孙德尔本斯生物圈保护区（Sundarbans Biosphere Reserve, SBR），由于侵蚀，保护区森林内已损失约110 km2的红树林，而通过人工种植和 regeneration efforts（再生努力），在居民区约增加了81 km2。传统的野外调查和监测方法在红树林栖息地往往耗时且成本高昂，因为这些地区通常地处偏远，并会随着潮汐波动而 temporary submerged（ temporary submerged 暂时淹没）。

为了应对这些挑战，研究人员开展了一项名为"Precision Mapping of Mangroves and Shoreline Dynamics in the Sundarbans Using Cloud Based Vegetation Indices Analysis and Advanced Geospatial Techniques"的研究，旨在精确绘制孙德尔本斯老虎保护区（STR）的红树林覆盖和海岸线动态变化。这项研究发表在国际期刊《Results in Engineering》上。

研究人员引入了一种新颖的方法论，核心在于应用密集时序遥感数据集和地理空间分析。这项工作主要通过Google Earth Engine (GEE) 这一强大的云平台进行计算，并进一步利用基于GIS的数字海岸线分析系统（Digital Shoreline Analysis System, DSAS）来分析输出数据集。研究的关键创新点在于开发了一个名为CBMMI（Cloud Based Mangrove Mapping Index，云平台红树林制图指数）的新型 raster-based mangrove index（基于栅格的红树林指数）。研究进一步 aimed to leverage the potential of the time series data（旨在利用时序数据的潜力），将其整合到DSAS中，以分析岛屿边界变化 metrics（ metrics 指标），研究多个参数，并将这些变化与红树林覆盖联系起来。这种基于GEE的云平台方法能够利用最具代表性的年度数据集高效估算红树林覆盖，从而 enhance the mapping accuracy（提高制图精度）并减少时空空间中的偏差。DSAS的集成则识别了50年跨度（1973-2023）内红树林变化的 hotspots（热点区域）及其模式。

为了开展这项研究，研究人员主要运用了几个关键技术方法。首先，利用Google Earth Engine (GEE) 云平台处理长达50年的Landsat系列卫星（包括MSS, TM, OLI传感器）密集时序遥感数据，通过 reducer function（归约函数）筛选并生成每个选定年份（以5年为间隔）的 cloud-free median composites（无云中值合成影像），以消除潮汐和季节变化的影响。其次，开发并应用了新型云平台红树林制图指数(CBMMI)，该指数通过结合短波红外指数(SWIRI)、归一化植被指数(NDVI)和归一化水体指数(NDWI)来增强红树林识别能力，并采用Otsu's method（大津算法）进行自动阈值分割以提取红树林范围。最后，将生成的岛屿边界矢量数据导入ArcGIS平台的数字海岸线分析系统(DSAS)中，设置基线（baseline）和 transects（ transects 断面），计算净海岸线移动(NSM)、海岸线变化包络(SCE)、端点速率(EPR)和线性回归速率(LRR)等统计指标，以量化海岸线变化速率，并进行不确定性分析（uncertainty analysis）。

研究结果

4.1. CBMMI在红树林和海岸线制图中的性能

通过CBMMI成功生成了四个森林区域精确的红树林覆盖范围。利用2023年的数据集，结合野外实地验证，证实了CBMMI在区分红树林和非红树林（包括水体）类别方面的有效性。基于CBMMI提取的时序数据显示，STR地区的红树林总面积从1973年的1576.40 km2减少到2023年的1510.06 km2，表明在50年间存在持续的红树林损失趋势。

4.2. 海岸线变化指标

对1973年至2023年间的侵蚀和淤积趋势进行了分析。将整个森林区域根据森林范围边界划分为四个不同的扇区（东、西、南、北）以及班加杜尼岛（Bhangaduni Island）进行单独分析。

4.2.1. 东侧边界变化

东侧海岸线与邻国孟加拉国接壤，以雷曼加尔河（Raymangal River）为界。分析显示，国家公园东区（National Park East）的边界变化值相当高。第二组（Group-2）的净海岸线移动（NSM）最大负值达到-570.3米，表明该区域存在显著侵蚀。海岸线变化包络（SCE）统计也显示第二组的平均移动距离为205.5米，远高于第一组（Group-1）的68.8米。这与国家公园东区红树林面积的减少相吻合。

4.2.2. 西侧边界变化

西侧研究区域包括国家公园西区（National Park West）和萨杰内哈利（Sajnakhali）地区，与领土森林分区以宽阔的马特拉河（Matla River）相隔。此处，国家公园西区的岛屿边界变化值非常高。第一组（Group-1）的NSM最大负值达到惊人的-1262.78米，而第二组（Group-2）的最大负向移动为-324.23米。SCE统计显示，第一组的平均海岸线移动距离为341.96米，第二组为129.76米。这种变化情景也反映了过去50年红树林覆盖的损失，国家公园西区的红树林面积从1973年的448 km2显著下降到2023年的404.16 km2。

4.2.3. 南侧边界变化

研究区南部的变化最为显著和惊人。该地区位于胡格利河（Hoogly river）系统所有分流汇入孟加拉湾的交汇处，由于持续的潮汐效应和反复的风暴潮，即使人类活动较少，这里的红树林岛屿边界也更容易受到侵蚀。南部分为国家公园东区的南部（第一组）和国家公园西区（第二组）进行分析。第二组的SCE平均距离高达851.58米，最大移动距离为2369.84米，且NSM显示该值为岛屿边界线的负向移动。第一组也显示出明显的边界负向移动，最大NSM值为-1239.38米。两组均仅有少量断面显示正向（淤积）值。

4.2.4. 北侧边界变化

北部作为研究区最内陆的部分，被小型河流小溪环绕，受潮汐效应和风暴潮的影响较小。两个基线组的岛屿边界平均移动距离在55至60米之间。最大正向和负向移动在一定程度上相互抵消，该区域显示出相对稳定的状态。

4.2.5. 班加杜尼岛边界变化

班加杜尼岛的变化尤为突出。SCE和NSM统计数据显示，该岛南缘存在明显的侵蚀速率。最大NSM值表明，在过去的五十年里，该岛南部边界已退缩约3公里。作为研究区最南端的陆地，该岛屿对各种侵蚀力的敏感性增加。所有断面均显示100%的侵蚀率。

4.3. 海岸线变化的比较与验证

将本研究结果与先前在孙德尔本斯地区进行的研究进行了比较。例如，一项关于班加杜尼岛的研究报告了类似的侵蚀趋势，与本研究的发现一致。对整个STR区域的分析显示，86.02%的海岸线断面表现出负的端点速率（EPR）值，表明侵蚀占主导地位，而仅有13.98%的断面显示淤积。

4.4. 侵蚀/淤积热点及驱动因素

孙德尔本斯三角洲的动态形态模式是受多种相互关联因素影响的自然现象。本研究确定了红树林损失和增加的关键热点区域，并量化了过去五十年的变化速率。研究区南部表现出高度侵蚀，主要驱动力是强烈的潮汐流速和洋流，特别是在它们垂直冲击岛屿的地方。根据国际气候管理最佳路径档案（IBTrACS）的数据分析，在1980年至2024年间，共有37个气旋从南部影响了印度孙德尔本斯地区。这种频繁的气旋活动是红树林退化的重要驱动因素。由于流型的改变，孙德尔本斯三角洲的河流系统经历了显著的 flow characteristics（流动特性）变化，导致大陆架沉积物增加和 bathymetry（水深测量）改变。对2014年和2019年GEBCO水深数据的分析证实了这一点。此外，淡水流量短缺以及胡格利河和恒河-布拉马普特拉河沉积物供应不足，使得三角洲高度不稳定且易受侵蚀。沿岸流引起的沉积物输运、 tidal bores（潮涌）、上游河流出水流量的变化、植被覆盖、土壤压实、海滩坡度梯度以及人类活动也在侵蚀和淤积速率的不一致性中发挥作用。

研究结论与意义

本研究引入了一个全面的、基于云平台的方法框架，用于评估孙德尔本斯（特别是孙德尔本斯老虎保护区STR）的红树林覆盖动态和海岸线变化。通过将多年代卫星数据集（1973–2023）与Google Earth Engine (GEE) 的高性能计算环境相结合，成功克服了传统桌面分析的局限性。这种方法能够高效处理跨越五十年的密集时序数据集，从而为世界上最为复杂的河口系统之一的空间和时间动态模式提供了前所未有的见解。

本研究的一个重要成果在于开发并应用了云平台红树林制图指数(CBMMI)。该指数整合了多个现有指数的优势，在红树林识别方面表现出卓越的性能，总体精度达到94.13%，Kappa系数为0.86。通过使用时序影像的中值合成，有效减少了潮汐波动、季节性泥滩暴露和物候变化引起的 distortion（失真），这些因素常常给红树林制图带来不确定性。岛屿和海岸线边界的划定充分考虑过渡性红树林区域的潮汐影响，从而产生了更真实和具有生态意义的边界表示。此外，数字海岸线分析系统(DSAS)的集成允许使用分段基线方法 robust quantification（稳健量化）海岸线变化速率，这在管理STR以小溪和河流为主导的复杂地貌方面尤其有效。

长期的海岸线分析揭示了STR范围内，特别是其南部和东南部与孟加拉湾及马特拉河（Matla River）、哈里阿邦加河（Hariabhanga River）等主要分流交界处，侵蚀过程正在加剧。显著的结果包括达尔豪西岛（Dalhousie Island）和班加杜尼岛（Bhangaduni Island）分别出现了2321米和2369米的显著边界退缩，其中班加杜尼岛南部边界在研究期内退缩了近3公里。在整个STR区域，86.02%的海岸线断面显示出负的端点速率(EPR)值，表明侵蚀占主导地位，而仅有13.98%显示淤积。这些空间趋势与已知的水动力和气象驱动因素密切吻合，包括高潮汐流速、强烈的沿岸流以及源自孟加拉湾的气旋干扰的反复影响。红树林损失与海岸线退缩之间的相关性进一步强调了植被稳定性与海岸地貌之间相互关联的本质，表明红树林退化直接加速了侵蚀并降低了自然海岸线的 resilience（恢复力）。

本研究的结果为印度孙德尔本斯的数据驱动海岸带管理和保护规划提供了科学基础。迫切需要政策关注以减轻侵蚀影响并保护剩余的红树林栖息地。关键的管理行动应优先考虑增强沿海和三角洲系统的恢复力及生态完整性。这包括通过改善河流连通性和可持续的上游管理（涉及胡格利河和恒河-布拉马普特拉河水系）来增强沉积物供应，以维持自然的沉积动力学。采用结合工程措施与红树林恢复的混合海岸防护结构，可以有效抵御波浪能量和潮汐力，同时促进生态系统恢复。同时，实施受控的再生和造林计划将促进红树林随着海平面上升向陆地方向迁移。辅以这些努力，将连续监测系统整合到现有的管理框架中，将能够实现近实时数据收集、早期预警以及对侵蚀易发区的及时干预，确保适应性的、基于科学的海岸治理。

本研究表明，基于云平台的地理空间分析，特别是与CBMMI等创新指数相结合时，可以改变在动态沿海生态系统中分析长期环境变化的方式。该研究没有依赖传统的海岸线数字化技术，而是将早期阶段提取的红树林范围边界精确转换为边界变化分析的输入。这项研究的方法和见解不仅有助于科学理解红树林-海岸线的相互作用，而且为孙德尔本斯的可持续海岸带管理提供了一个实用的决策支持框架。最终，研究结果强调了迫切需要采取综合的、以恢复力为导向的海岸规划，以平衡生态保护与适应性的人类干预，从而在面临加速的环境变化时，确保世界上这片最大红树林的持续存在。