印度尼西亚爪哇岛南部红树林变化的空间异质性及其局地驱动因素研究

这篇研究采用地理加权逻辑回归(GWLR)和地理空间机器学习(GML)方法，结合实地调查验证，系统分析了印度尼西亚Segara Anakan Cilacap(SAC)地区2019-2022年红树林面积变化的局地驱动因素。研究发现红树林主要转化为养殖池、开阔地和耕地，空间异质性建模显示固定双平方核函数使精度提升3%，并识别出19,052米半径范围内的关键驱动因子：西部地区受人口密度和盐度影响(回归系数>0.98)，中部受水产养殖距离主导(系数0.88)，东部则受居民点距离控制(系数～0.97)。研究为红树林保护提供了空间差异化管理策略。

　　

摘要

研究揭示了印度尼西亚爪哇岛南部Segara Anakan Cilacap(SAC)红树林集群2019-2022年间显著的空间异质性变化。通过地理加权逻辑回归(GWLR)和地理空间机器学习(GML)建模，结合实地验证，发现红树林主要转化为养殖池(38.7%)、开阔地(29.1%)和耕地(22.4%)。固定双平方核函数使模型精度提升3%，确定19,052米为关键影响半径。西部区域受人口密度(β=0.981)和盐度(β=0.996)驱动，中部受养殖距离主导(β=0.880)，东部则受居民点距离控制(β=0.969)。

材料与方法

研究区位于南纬7°34′-7°48′，东经108°44′-109°04′的潟湖生态系统。采用分层随机抽样获取338个样本点，利用Sentinel-2影像和DEMNAS数据构建10个解释变量：居民点距离(X₁)、稻田距离(X₂)、坡度(X₃)、河流距离(X₄)、道路距离(X₅)、商业区距离(X₆)、养殖场距离(X₇)、人口密度(X₈)、盐度(X₉)和高沉积区距离(X₁₀)。GWLR模型采用固定带宽双平方核函数，通过AICc准则优化参数。

结果

模型验证显示局部R²达0.64，显著高于全局模型(0.45)。空间分析表明：西部Kampung Laut区人口密度每增加1人/公顷，红树林退化风险上升46%；中部Lagoon区养殖场距离每减少100米，转化概率提高28%；东部Cilacap区居民点扩张导致红树林边缘退缩速率达3.2米/年。沉积作用形成的新生陆域出现先锋树种Sonneratia alba的天然更新，但人工种植的Rhizophora apiculata成活率仅58%。

讨论

空间异质性分析揭示了管理策略的区位特异性：西部需控制人口密度(当前4.2人/公顷)和城市扩张，建议建立社区共管机制；中部应规范养殖许可(现有违规扩建率37%)，推广生态养殖技术；东部需加强建筑管控，在居民区300米缓冲带实施生态修复。研究首次证实盐度梯度(15-32ppt)与Avicennia marina分布呈非线性关系(R²=0.73)，为气候适应性种植提供了科学依据。

结论

GWLR模型有效量化了红树林变化的驱动因子空间分异，建议实施分区管理：西部开展人口调控和替代生计培训，中部建立养殖业环境准入制度，东部推行建筑退线政策。未来研究需整合海平面上升预测模型，评估RCP8.5情景下红树林的淹没风险。

研究局限

数据时间跨度较短(3年)可能低估气候因子的滞后效应，建议后续结合30年遥感序列分析长期趋势。未考虑地下水位变化对盐度梯度的调节作用，需补充原位监测数据。