《Remote Sensing》：Brazilian Mangrove Under Watch: A Review of Remote Sensing Approaches for Land Cover Change Detection
编辑推荐：
红树林提供重要的生态和社会经济服务，但却是受威胁最严重的沿海生态系统之一，受到人类活动和自然事件（尤其是气候相关过程）的影响。遥感（RS）已成为监测红树林覆盖变化和识别转型驱动因素的关键工具。在拥有全球第二大红树林面积的巴西，RS产生了重要见解；然而，在分析这
红树林提供重要的生态和社会经济服务，但却是受威胁最严重的沿海生态系统之一，受到人类活动和自然事件（尤其是气候相关过程）的影响。遥感（RS）已成为监测红树林覆盖变化和识别转型驱动因素的关键工具。在拥有全球第二大红树林面积的巴西，RS产生了重要见解；然而，在分析这些环境内部变化方面的应用仍存在差距。本研究对过去20年巴西红树林的研究进行了文献计量分析。数据按照PRISMA指南从Scopus和Web of Science数据库收集，并对选定的文章进行了系统分析。结果表明，尽管出版物数量有限，但研究涵盖了多样化的主题，反映在广泛的期刊中。尽管87%的巴西红树林位于保护区内，但只有32%的研究在保护区内进行。Landsat影像是最常用的数据源，可能是由于其长期可用性和免费获取，而NDVI是主要应用的植被指数。总体而言，这些发现为研究人员、政策制定者和社会提供了有用信息，增进了对巴西红树林科学知识的理解，并支持使用RS进行生态系统监测和管理。
1. 引言
红树林是高生产力且生态重要的沿海生态系统，提供广泛的服务，但全球约三分之一已丧失。巴西拥有全球第二大（second-largest）红树林面积，对全球碳储存和气候减缓具有关键作用，但相关研究不足，尤其针对内部变化。遥感（RS）作为成本效益高的工具，可克服野外调查困难，但存在潮汐波动、云覆盖、中分辨率传感器等挑战。现有文献计量分析多基于单一数据库，且缺乏对巴西红树林覆盖变化的具体综述。本研究对2005-2025年基于RS的巴西红树林覆盖变化文献进行系统综述，旨在识别研究趋势、方法空白及空间分布，并支持保护政策。
2. 材料与方法
遵循PRISMA指南进行系统文献综述，数据采自Web of Science（WoS）和Scopus数据库（2025年1月和12月），使用关键词和搜索表达式（表1）。仅纳入同行评审的原创论文和综述，发表语言为英文或葡萄牙语，时间跨度为2005-2025年。排除未报告红树林覆盖变化定量数据的文章。筛选后，对59篇文章进行描述性文献计量分析，提取发表年份、期刊、研究区域（州、保护区、大型海洋生态系统（LME）区域、海岸域）、影像类型、光谱指数等信息。研究区域按LME分为北部第四纪海岸（NQC）、东部第三纪海岸（ETC）和南部花岗岩海岸（SGC），其中NQC又分为亚马逊大潮汐红树林海岸（AMMC）和半干旱赤道海岸（SAE）。还基于宏观生态属性分为三个域（最北端域、中央三角洲海岸域、Cabo Frio至Laguna域）。使用VOSviewer进行关键词共现分析。
3. 结果
共识别59篇同行评审文章，年发表量有限（平均2.95篇/年），2022和2023年达到峰值（各7篇），2021年后呈上升趋势。文章发表在至少40种期刊上，以《Journal of Coastal Research》（6篇）和《Ocean and Coastal Management》（5篇）最多。研究集中在巴西东北部（n=28），空间分布上，最北端域（Northernmost Domain）发表最多，NQC区域（n=26）中AMMC有16篇。32%的研究在保护区内进行，其中88%属于可持续利用区。Landsat影像是最常用数据源（约80%），NDVI是主要植被指数。关键词共现显示“area”、“Brazil”、“change”出现频率最高，红树林相关词汇（mangrove, mangrove forest等）共出现121次。
4. 讨论
4.1 总体概述
RS在巴西红树林研究中覆盖多个领域，但20年间仅2.95篇/年，与巴西红树林的全球重要性形成差距。研究加速始于2021年，可能源于PAN Manguezal政策周期结束及新技术（Sentinel数据、Google Earth Engine、MapBiomas）的推广，但全球趋势因COVID-19疫情而减少。巴西早期研究（1980年代）已开始，但低引用率（<10%文章超过100次）反映低可见性。巴西海岸线跨度大，其发现可支持全球比较分析。
4.2 期刊
研究主题多样，发表在多种期刊，包括《Journal of Coastal Research》等沿海期刊，以及《Journal of the Marine Biological Association of the United Kingdom》和《International Journal of Primatology》等非沿海期刊，表明RS数据可验证不同领域的环境变化。
4.3 按州发表
巴西红树林覆盖约9900 km
2，从Amapá至Santa Catarina。南部研究最少（n=5），但对应红树林面积仅占2%；东北部最多（n=28），占57%红树林面积。然而，Amapá州虽有大量红树林，仅3篇研究。不同区域受不同驱动因素影响：AMMC以城市扩张和道路建设为主，SAE以虾类养殖为主。文献计量分析可识别区域研究空白。
4.4 保护区
尽管87%巴西红树林位于保护区内，仅32%研究在保护区内进行，且首次保护区研究发表于2011年。保护区内研究多位于可持续利用区（88%），但即使有保护，仍受人为压力（如垃圾倾倒、木材采伐）。RS可有效监测保护区内的土地利用变化，但需结合其他方法评估退化过程。研究增长滞后于2000年法律建立约30年。
4.5 RS影像类型
航空照片传统方法用于小范围研究，但主观性强。集成轨道（如Landsat）与无人机（UAS）影像可发挥优势，例如在Bragan?a半岛评估海平面上升和气候对红树林扩张与退缩的影响。Landsat因其长期免费时间序列（1972年起）成为主导，但30m分辨率不适用于物种区分，且受云污染影响。合成孔径雷达（SAR）数据可穿透云层，结合光学数据可评估海岸侵蚀与淤积。CBERS影像使用有限。
4.6 变化检测方法与光谱指数
监督分类可识别时空变化模式，但部分研究仅关注红树林有无。归一化差值植被指数（NDVI）是应用最广的指数，但受潮汐影响，且无法区分不同植被类型或直接推断保护状态。已开发多种红树林特定指数，如红树林指数（MI）、红树林识别指数（MRI）、红树林植被指数（MVI）和模块化红树林识别指数（MMRI），其中MMRI在巴西年度评估中表现良好。结合水指数等可提高提取精度。面向对象分类（OBC）结合光谱与空间特征，在亚马孙海岸研究中用于量化变化驱动因素。
4.7 红树林变化驱动因素
关键词密度图显示“impact”、“loss”、“increase”与变化驱动因素相关。全球尺度上，巴西主要驱动因素包括城市化、水产养殖、侵蚀、冰雹，以及亚马逊河沉积物输入和盐水入侵导致的面积增加。全国尺度（2000-2020年），牧场是直接转换的主要因素，但半干旱赤道海岸虾类养殖和盐池直接替代红树林。气候变化（海平面上升）促使红树林向高地迁移，但沿海城市化构成物理屏障。水坝和水电站可改变水文，导致红树林扩张。总体，RS数据支持监测时空变化和识别驱动因素，为保护策略提供依据。
5. 结论
基于RS的巴西红树林覆盖变化研究（2005-2025年）近年增加但仍有限，存在空间和保护区相关空白。南部地区需进一步研究以平衡知识分布。保护区内红树林动态评估不足，未来应优先系统监测，并建立基于卫星影像时间序列的标准化长期监测框架，整合光学与雷达数据、光谱指数及多传感器方法。本综述为未来研究方向和保护规划提供基础。
