皎普特别经济区深水项目区域内红树林动态的演变轨迹

《Marine Environmental Research》：The Trajectory of Mangrove Dynamics within the Deep Project Area of the Kyaukpyu Special Economic Zone

　　摘要：红树林提供了重要的海岸生态系统服务，包括海岸线保护、渔业支持、生物多样性保护以及蓝碳封存。本研究利用2015年至2024年的多时相遥感数据和海岸线变化分析，评估了缅甸皎勃觉特别经济区和深水港影响范围内的红树林动态。红树林面积从15,427.9公顷减少到12,754.8公顷，减少了17.3%，年均减少253.3公顷。在3公里直接影响范围内的核心区域，红树林覆盖率从953.9公顷减少到599.9公顷（减少了37%，年均减少39.1公顷）。从2015-2018年的小幅增长转变为2018-2021年的净损失，然后在2021-2024年加速下降。海岸线分析显示，两岸的侵蚀程度较低，其中延比岛边缘的侵蚀较为严重，而马德岛的沉积作用相对明显。红树林的损失主要集中在持续存在的和新建立的堤坝景观中，这与土地转换和水文改变是导致红树林减少的重要因素一致。早期的恢复现象包括局部重新殖民，但随后恢复幅度逐渐减小且更加分散。水文气象扰动和治理限制也是影响红树林变化的因素，但它们并非独立驱动因素。本研究为未来在海岸开发背景下的监测和影响评估建立了定量基准。

引言：红树林越来越多地被认识到是多功能的海岸生态系统，其重要性不仅限于海岸线保护和碳储存，还包括支持生物多样性、维持食物网连接性和适应气候变化（Barbier等人，2011；Donato等人，2011；Alongi，2014；Carugati等人，2018；IPCC，2019；Temmink等人，2022）。最近的综述表明，红树林的价值不仅取决于其面积，还与其生物多样性、结构复杂性和海岸景观连通性有关（Lee等人，2014；Lovelock等人，2024；Lovelock等人，2025）。同时，全球评估和最新的监测框架加强了关于红树林生态意义及其持续面临土地转换、水文改变和气候相关压力的证据（Friess等人，2019；Goldberg等人，2020；Bunting等人，2022；Hagger等人，2022）。因此，红树林现在不再被简单地视为受威胁的静态沿海植被，而是被视为蓝碳、海岸韧性以及基于自然的解决方案中的动态社会-生态系统（Hagger等人，2022；Lovelock等人，2025）。最近的研究表明，红树林的动态远比简单的整体衰退叙述更为复杂（Friess等人，2019；Bunting等人，2022；Hagger等人，2022；Contessa等人，2023）。当代研究明确区分了几种不同的趋势，如海岸线后退、向内陆迁移、持续存在、自然恢复和向海延伸，并将这些不同的响应与相对海平面上升、沉积物供应、水动力机制、地貌结构、森林状况和人类干扰等相互作用的因素联系起来（Besset等人，2019；Samanta等人，2021；Long等人，2021；Saintilan等人，2023；Xiong等人，2024；Thant等人，2025；Echeverry Hernandez等人，2025）。通过红树林遥感的进步，这种基于过程的视角得到了加强，遥感技术已经从基于光谱指数和阈值的映射发展到了密集的时间序列遥感、自动化机器学习分类和生态地貌分析。最近的全球性和大规模研究，包括10米分辨率的红树林全球映射和自动化的大规模映射工作流程，展示了卫星观测在广泛区域内持续监测红树林覆盖范围的日益提高的能力（Jia等人，2023；Lu & Wang，2021）。基于光谱指数和阈值的方法仍然有助于增强植被、水体和湿地的对比度，但在红树林、非红树林植被、潮间带、湿润土壤和耕作土地具有重叠光谱响应的异质海岸镶嵌体中，固定指数或阈值规则可能效果较差（Kuenzer等人，2011；Tran等人，2022）。机器学习方法通过整合多光谱波段、SAR观测、光谱指数和其他预测变量来处理这种复杂性，而密集的时间序列算法可以从光谱轨迹而非单日比较中识别出干扰、持续存在、恢复和长期衰退（Kennedy等人，2010；Zhu & Woodcock，2014；Ghorbanian等人，2021；Qian等人，2025）。这些方法还有助于将绘制的红树林变化与生态和地貌过程联系起来，包括海岸线迁移、沉积物动态、水文压力和水文气象变动（Yao等人，2025）。例如，最近的三角洲尺度分析表明，在某些热带地区，海平面上升对红树林的影响可能被高估了，因为向海的延伸部分抵消了向内陆的损失（Dai等人，2024），而其他研究显示，波浪能量、沉积物供应和地貌结构对红树林的发育和韧性有显著影响（Zhou等人，2022；Wang等人，2023）。同时，有针对性的恢复、重新种植和加强的保护政策在某些情况下促进了红树林的恢复和扩展，表明在直接压力减少且水文连通性得到维持或恢复的情况下，管理干预可以改变红树林的动态（Ellison等人，2020；Gerona-Daga & Salmo III，2022）。总体而言，这些发现强调了红树林动态的复杂性及其由多方面相互作用的因素驱动，而不仅仅是由单一主导机制决定（Friess等人，2019；Worthington等人，2020；Hagger等人，2022；Bhowmik等人，2022）。

特别经济区（SEZs）和其他沿海工业发展已成为促进经济增长和整合全球贸易的重要手段（UNIDO，2015；UNCTAD，2019；Aggarwal，2022）。这些区域通常位于低洼的沿海和河口地区，具有深水港等优势，能够集中基础设施并吸引投资（UNIDO，2015；UNCTAD，2019）。SEZ文献中的一个普遍担忧是，尽管SEZ的经济表现得到了广泛评估，但其环境后果往往评估不够系统，尤其是在监管豁免、快速审批和治理碎片化可能导致监督不足和累积影响评估不足的情况下（Richardson，2004；世界银行，2017；Aung等人，2022）。来自不同地区的研究表明，大规模的沿海开发可以迅速改变近岸生态系统，包括直接的栖息地丧失和退化、海岸线重新配置、沉积物路径和水动力变化，以及土地用途向相邻湿地的转移，这些影响往往超出正式项目边界（He等人，2014；Aung等人，2022；Chen等人，2023；Nabila & Tsuyuzaki，2025）。最近的SEZ案例研究表明，沿海经济区的发展可以引起超出项目范围的可测量环境变化，包括在孟加拉国、尼日利亚和印度尼西亚观察到的红树林退化/清除、生物多样性丧失和水污染（Aung等人，2022；Nabila & Tsuyuzaki，2025；Adunbi，2019；Sultana & Mahmud，2025）。这些研究激发了在沿海SEZ环境中进行严格基线和时间序列评估的必要性，在这些环境中，环境后果可能通过直接的土地转换和更广泛的地貌和水文扰动而显现。在许多SEZ和沿海开发背景下，由于快速的变化、有限的基线数据和受限的现场访问，独立的环境监测受到限制，因此越来越依赖遥感来跨空间和时间一致地量化土地覆盖动态（Bunting等人，2018；Friess等人，2019）。过去十年中，传感器和分析技术的进步大大改善了沿海和红树林的监测，包括从国家到区域的 时间序列映射和变化归因（Giri等人，2011；Hamilton & Casey，2016；Veettil等人，2019）。现在的方法已超越了单日分类，多传感器融合使用光学和SAR图像有助于克服云层和淹没的约束，时间序列方法越来越多地明确处理潮汐变化；基于对象和深度学习的模型在破碎和动态的沿海镶嵌体中提高了 delineation 的准确性（Wang等人，2004；Ghorbanian等人，2021；Ye & Weng，2025；de Souza等人，2024）。新一代基于轨迹的监测方法，包括时间分割和连续变化检测，可以将模型拟合到随时间变化的光谱轨迹上，从而一致地识别干扰事件和随后的恢复（Kennedy等人，2010；Zhu & Woodcock，2014；Ghorbanian等人，2021；Qian等人，2025）。云计算平台的进步，如Google Earth Engine，进一步提供了分析就绪的档案和可扩展的处理能力，支持在数据稀少或物流受限地区进行可重复的监测（Gorelick等人，2017；Tamiminia等人，2020）。尽管全球监测取得了重大进展，但在长期、空间明确的评估方面仍存在重要地理差距，特别是在受冲突影响或数据稀缺的沿海地区，那里的现场访问受限且发展决策仍在继续。缅甸就是一个例子，该国既是红树林丰富的地区，也是红树林损失的热点，卫星评估记录了过去二十年由于土地使用转换和沿海地区执法不力导致的重大减少（Estoque等人，2018；Goldberg等人，2020；De Alban等人，2020）。然而，发表的证据在缅甸的不同红树林区域分布不均。与Ayeyarwady等主要三角洲系统相比，若开州的出版空间评估和现场证据相对较少，这是由于长期存在的访问限制（Lee等人，2021）。尽管如此，现有综合评估仍表明若开州的沿海红树林具有很高的脆弱性。因此，最新的IUCN生态系统红色名录将“若开州泥质红树林”列为极度濒危，反映了重大的历史损失和持续的压力，同时强调了其保护的重要性。遥感评估一致地将若开州列为21世纪初缅甸红树林损失的主要热点。De Alban等人（2020）利用多传感器变化分析（1996-2007-2016）估计，若开州的红树林面积从1996年的3443平方公里减少到2007年的1780平方公里，再到2016年的1309平方公里，他们的过渡分析表明，损失与转化为稻田的过程密切相关，而在2007-2016年期间水产养殖变得更加普遍。Estoque等人（2018）报告称，2000年至2014年间若开州的红树林净损失为75,494公顷，是全国各州/地区中最大的净损失，并认为红树林覆盖变化可能与地表条件和生态系统功能的可测量环境变化相关。基于早期研究，Lee等人（2024）进一步记录了该地区的广泛退化，并得出结论认为若开州的红树林仍面临高度威胁。虽然承认之前估计方法（包括Weber等人，2014年和Estoque等人，2018年的估计）在方法和时间上存在差异，但Lee等人（2024）也指出了一个重要细节：若开州的红树林损失速度可能正在放缓，尽管总体上仍显示出显著的净损失。

研究区域：本研究区域位于缅甸西部若开州的皎勃觉镇，大致位于北纬19°至19°45′和东经93°15′至93°50′之间，包括RAMREE（延比）岛和Maday岛，这两个地点是KPSEZ和DSP项目的核心区域。该范围基于ESIA的范围边界（10公里间接影响半径和3公里直接影响半径）定义，并沿Tanzit河向上延伸约30公里，以捕捉更广泛的外部环境影响。

分类准确性：2015年至2024年的RF分类结果显示出一致的高准确性，整体准确率为0.91至0.94，Kappa系数为0.90至0.92，表明分类地图与独立验证样本之间有 strong 一致性。2024年的最终红树林地图的整体准确率和Kappa系数分别为0.93和0.92（表S3）。在整个研究期间，红树林类别的映射都非常可靠，生产商的准确性范围为...

土地利用转换和水文改变：结合空间和足迹分析显示，皎勃觉地区的红树林变化在持续存在的、新建立的和废弃的堤坝景观中有所不同。在所有三个时间段内，大部分红树林损失发生在堤坝范围内，而损失转化主要表现为转化为潮间带和裸土（表2；图7）。相比之下，废弃的堤坝区域在早期对局部红树林的增长有所贡献。

结论：本研究提供了2015年至2024年皎勃觉特别经济区和深水港提议影响范围内红树林及其前沿动态的环境评估，填补了若开州这一重要次区域的数据空白。主要研究结果如下：1. 红树林面积从2015年的15,427.9公顷下降到2024年的12,754.8公顷，减少了约17.3%，其中年际间存在小幅波动，特别是在2015年至2018年间出现过轻微增长。

作者贡献声明：
Saw Nu Sanda Thein：负责写作、审稿与编辑工作。
Mee Mee Soe：负责写作、审稿与编辑工作。
Phyu Phway Thant：负责写作、审稿与编辑工作，以及初稿撰写、数据验证、研究设计、数据分析、概念构建。
Zhijun Dai：负责写作、审稿与编辑工作，以及初稿撰写、项目指导、资源协调、资金筹集和概念构建。

参考文献：
Aritenang和Chandramidi，2020年；BBC，2018年；Cho，2020年；Development Media Group，2022年；Democratic Voice of Burma，2021年；Eleven，2021年；Gerona-Daga和Salmo，2022年；Khin Soe等人，2021年；Kyi，2021年；Manna和Raychaudhuri，2020年；Mekong，2024年；Mekong，2025年；缅甸航海测量局，2015年；Myanmar Now，2018年；若开邦自然灾害风险管理计划，2019年；联合国贸易和发展会议，2019年；Zeng，2012年。

利益冲突声明：
作者声明不存在任何可能影响本文研究结果的财务利益冲突或个人关系。

致谢：
本研究得到了国家自然科学基金（NSFC）（项目编号：41930537）和中国科技部（SKLEC）的支持。

作者名单：
Phyu Phway Thant | Zhijun Dai | Saw Nu Sanda Thein | Mee Mee Soe