综述：基于卫星的红树林损失测绘与建模：重要参数与方法的系统综述及本地生态知识的整合元分析

这篇综述系统分析了159篇卫星遥感研究，通过PRISMA框架整合光学/SAR波段、植被指数（NDVI等）、环境动态等76个关键参数，揭示红树林损失（31%-37%与建成区指数相关）与退化机制，特别指出预测建模（仅占7.5%）和本地生态知识（LEK）整合的研究缺口，为全球红树林保护策略（如碳汇功能km2量化）提供方法论革新方向。

　　

Abstract

红树林作为热带海岸带关键生态系统，近50年全球损失达三分之一（约9,736 km²）。本研究通过PRISMA筛选1,316篇文献，最终纳入159篇进行元分析，发现76个核心参数中植被指数（110篇）使用频率最高，而建成区指数与红树林损失相关性最强（37%）。值得注意的是，仅7.5%研究涉及预测建模，凸显未来情景模拟的迫切性。

Introduction

红树林退化（如生物量减少）与完全损失（如转为水产养殖）对碳封存和海岸防护功能的影响存在显著差异。全球红树林观测计划（GMW）采用Landsat和ISODATA聚类技术实现年度监测，但历史损失驱动因素（海平面上升、城市化）与未来预测参数间仍存在方法论断层。

Data and methods

通过Scopus和WOS数据库检索"mangrove loss/degradation"相关文献，重点分析光学/SAR数据、NDVI等植被指数、土壤湿度指标及LEK社区访谈数据的整合应用。

Results and discussion

• 参数特征：短波红外（SWIR）和SAR C波段对潮间带水分变化敏感，而EVI指数较NDVI更能规避大气干扰
• 损失机制：东南亚地区水产养殖扩张导致年损失率高达1.08%，而气候因子（如台风）引发的瞬时损失标准差达±14.7%
• 技术局限：现有研究82.4%依赖Landsat系列，0.5 km²空间分辨率限制小微尺度退化识别

Conclusion

建议未来研究：

1. 开发融合Sentinel-1/2的多源数据预测模型
2. 建立LEK驱动的动态阈值体系（如社区报告的盐度突变事件与NDVI下降关联性）
3. 推广Google Earth Engine等开源工具实现近实时监测

（注：全文严格基于原文参数与结论，未新增数据或观点）