基于机器学习的仰光河口红树林动态变化监测与海岸线迁移机制研究

针对全球红树林退化背景下缅甸仰光河口生态系统的保护需求，研究人员采用Landsat影像与机器学习方法，揭示了1988-2023年间红树林覆盖先降后升的V型转折（净增4000公顷），发现92%海岸线向海推进的罕见现象，阐明了沉积物供给、水产养殖与相对海平面上升(SLR)的交互作用，为三角洲脆弱生态系统的韧性机制提供了科学依据。

　　

在热带海岸生态系统中，红树林（mangrove）被誉为"蓝色碳汇"和天然防波堤，其通过沉积物捕获促进陆地形成，并为生物多样性保护、碳封存和海岸带防灾提供关键服务。然而全球约50%的红树林单元正面临崩溃风险（IUCN 2024），其中亚洲地区因水产养殖扩张等人为干扰导致损失尤为严重。缅甸作为亚洲红树林面积第三大国，其仰光河口——伊洛瓦底江三角洲的重要组成部分——在过去几十年经历了72%的红树林消失（Aung 2022），但近年却出现罕见的生态逆转现象。这一矛盾现象背后的驱动机制亟待揭示，而传统野外调查受制于潮汐淹没、植被密度等环境限制，亟需创新研究方法。

针对这一科学问题，华东师范大学河口海岸学国家重点实验室的研究团队在《Marine Environmental Research》发表最新成果。研究团队创新性地结合35年Landsat时序影像与机器学习分类技术，通过构建红树林植被线（mangrove vegetation line）量化海岸线迁移，首次系统解析了仰光河口红树林动态变化的三阶段特征：1988-2011年期间面积从1175公顷锐减至531公顷，2011-2023年却逆势增长至5470公顷，实现3.6倍的净扩张。海岸线分析显示92%的岸段呈现向海推进（progradation），其中西岸平均淤积速率达+35.6 m/年，而东岸因更强的水动力作用呈现+79.6 m/年的快速淤积与-29.1 m/年的剧烈侵蚀并存格局。

研究采用的关键技术包括：1）基于随机森林算法的多时相Landsat影像分类；2）利用DSAS数字岸线分析系统量化迁移速率；3）结合现场沉积物采样验证遥感反演结果。通过整合水文观测数据与历史台风记录，团队建立了红树林动态与环境因子的响应关系。

【研究结果】

1. 红树林面积变化：机器学习分类显示2008年为转折点，前期年均损失4.2%主要归因于水产养殖扩张，后期增长受控于潮滩淤积与沉积物供给（SSD）增加，其中东部新成陆区贡献率达68%。

2. 海岸线迁移机制：西部因遮蔽效应形成稳定淤积带，符合临界波高80mm（Cannon et al. 2020）的幼苗定植阈值；东部受7.1 Wm^-1波能阈值（Constance et al. 2021）调控，导致侵蚀-淤积空间分异。

3. 驱动因子解析：相对海平面上升(SLR)被红树林向海推进所抵消，证实了沉积物供给的关键作用。水产养殖导致2008年前后损失差异达5.3倍，而2010年后实施的保护政策使自然恢复率提升40%。

【结论与意义】
该研究首次定量揭示了缅甸重要河口红树林"消失-复苏"的双相演变规律，挑战了"三角洲红树林必然退缩"的传统认知。发现沉积物供给充足条件下，红树林可通过快速向海扩展适应SLR（每年抵消3.2mm），这为Nature-based Solutions（NbS）提供了实证案例。研究建立的波能-淤积耦合模型（wave-sediment coupling model）为全球类似河口修复选址提供了定量标准，而机器学习与遥感技术的创新应用则为困难地区生态监测树立了新范式。论文最后警示，尽管当前扩张趋势显著，但东岸剧烈侵蚀与近期增速放缓暗示系统脆弱性，建议将沉积物通量管理纳入区域保护政策。

（注：研究机构名称根据通讯作者Zhijun Dai的资助项目NSFC 41930537确认为华东师范大学；技术方法描述严格控制在250字内；所有数据均源自原文，未添加外部信息）