《Heliyon》：Pioneering approach for mangrove forest monitoring: Enhancing accessibility and assessment methodology in developing countries
编辑推荐：
摘要：精确的空间数据对于实施应对气候变化的国际协定和倡议至关重要，然而发展中国家由于技术、基础设施和财政能力有限，在获取此类数据方面面临重大挑战。东帝汶的红树林具有巨大的气候减缓潜力，但其有效的保护与恢复亟需更多空间数据。然而，红树林分布时空精确数据的缺乏限制
摘要：精确的空间数据对于实施应对气候变化的国际协定和倡议至关重要，然而发展中国家由于技术、基础设施和财政能力有限，在获取此类数据方面面临重大挑战。东帝汶的红树林具有巨大的气候减缓潜力，但其有效的保护与恢复亟需更多空间数据。然而，红树林分布时空精确数据的缺乏限制了有效保护与恢复策略的实施。本研究引入了一种利用谷歌地球引擎（Google Earth Engine, GEE）开源卫星影像和基于U-Net的深度学习算法的成本效益型红树林监测方法。2013年、2019年和2023年的红树林分布图总体精度分别达到0.892、0.871和0.901。实地验证结果显示，红树林面积从2013年的6378.2公顷减少至2023年的3504.7公顷，年均下降率达4.51%。这些发现凸显了先进遥感技术在揭示过去十年受干扰区域以及支持资源有限地区保护与恢复项目方面的潜力，为全球气候变化减缓努力作出贡献。
论文解读：基于开源遥感和深度学习的东帝汶红树林监测研究
**一、研究背景与意义**
在全球气候危机背景下，可靠且精确的空间数据对于实施《联合国气候变化框架公约》（UNFCCC）、可持续发展目标（SDGs）和地球观测组织（GEO）等国际协定和倡议至关重要。空间数据是国家自主贡献（NDCs）制定、碳排放清单编制以及REDD+等机制成效评估的基础，同时在自愿碳市场中为碳汇、碳源和碳储存提供关键认知。然而，大多数发展中国家因缺乏先进技术（包括遥感工具、人工智能分析能力）以及有限的计算能力和财政资源，在获取精确空间数据方面面临重大障碍，制约了其参与国际气候减缓项目和谈判的能力。
红树林作为生态关键的海岸带生态系统，不仅在抵御极端天气事件、维持生物多样性和支撑当地经济方面发挥重要作用，其单位面积碳储存量更是陆地森林的3至5倍，在蓝色碳汇领域具有突出的气候减缓潜力。东帝汶作为东南亚小岛屿国家，自2002年独立以来，经济快速发展伴随的基础设施建设导致了森林退化、毁林和海岸带破坏，红树林覆盖面积减少。然而，该国缺乏系统的红树林栖息地分布数据，此前研究或局限于特定区域，或数据采集方法不一，导致结果存在不一致和不精确的问题。因此，亟需一种成本效益高、可及性强的方法来生成精确的空间数据，以支持红树林监测和保护策略的制定。
**二、研究方法概述**
研究人员提出了一种基于开源卫星影像和深度学习算法的红树林监测方法。研究区域为东帝汶大陆主体（不包括阿陶罗岛、雅科岛和欧库西飞地），利用谷歌地球引擎（GEE）平台获取Landsat 8地表反射率（SR）影像（30米空间分辨率），并结合欧洲空间局WorldCover v100数据集（10米分辨率）进行综合分析。研究中采用了专门针对红树林光谱特征设计的植被指数，包括红树林指数（MI）、归一化差异红树林指数（NDMI）和短波红外吸收深度（SIAD）。研究人员采用U-Net深度学习算法构建红树林检测模型，以ResNet-34作为骨干网络，使用Adam优化器进行训练，并通过数据增强技术将训练数据集扩展至7632幅影像。实地调查通过无人机（DJI Mavic Pro）获取高分辨率影像，利用Pix4D Mapper软件生成正射镶嵌图，结合当地社区和政府官员的协助，建立了多边形格式的地面真实数据，用于模型标注和精度验证。样本数据来源于东帝汶实地考察及改良的ESA WorldCover v100开源空间数据集。
**三、研究结果**
**（一）模型性能评估**
研究人员采用精确率（Precision）、召回率（Recall）和F1分数对模型进行分类性能评估。红树林类别的精确率、召回率和F1分数分别为0.70、0.44和0.54，而非红树林类别则分别为0.96、0.99和0.97。结果表明，模型在非红树林分类方面表现优异，但对红树林类别的分类性能相对中等，这可能与红树林在研究区内分布碎片化以及类别不平衡有关。
**（二）时间序列红树林地图验证**
通过使用425个随机生成的采样点进行精度评估，2013年、2019年和2023年的红树林分布图总体精度分别为0.892、0.871和0.901，Kappa系数分别为0.721、0.657和0.751。其中2023年的地图表现最佳，总体精度达0.90，Kappa系数为0.75。各年份红树林类别的精确率介于0.89至0.96之间，召回率介于0.60至0.76之间，表明模型能够以一致的精度有效评估红树林森林分布的时间序列变化。
**（三）红树林面积变化分析**
基于分类地图的量化分析显示，东帝汶红树林面积从2013年的6378.2公顷持续下降至2019年的4175.1公顷，再到2023年的3504.7公顷，年均减少率达4.51%。在市级尺度上，马努法希（Manufahi）和维基克（Viqueque）是2023年红树林覆盖面积最大的两个市，分别达834.6公顷和672.1公顷；阿伊莱乌（Aileu）和埃尔梅拉（Ermera）等内陆市则无红树林分布。劳滕（Lautém）和利基萨（Liqui?á）的年均下降率最高，分别达7.79%和6.74%；科瓦利马（Covalima）的面积减少量最大，从2013年的1363.9公顷降至2023年的767.2公顷。
**四、讨论与结论**
**（一）开创性方法评估**
本研究发现东帝汶红树林的分布范围较此前研究估计的更为广泛，与先前研究存在差异的原因可能在于实地调查未能覆盖全国以及估算方法的不同。Landsat 8影像解决了时空覆盖的限制，但中等空间分辨率在区分碎片化红树林斑块方面存在挑战。模型性能受到红树林与非红树林植被光谱重叠、分布碎片化以及类别不平衡等因素的制约，研究人员建议未来可采用加权损失函数和焦点损失（focal loss）等技术改进模型。
**（二）局地与全球尺度分类方法的挑战与见解**
与全球尺度模型相比，融入区域特定环境数据的局地尺度模型展现出更高的适应性。本研究采用的局地校准模型总体精度达90.1%，与东南亚其他区域校准研究的结果相当。实地地面真实数据的整合对于验证和优化模型性能至关重要，有效减少了分类误差，支持更具针对性的保护工作。
**（三）红树林制图与行动计划贡献**
研究揭示了东帝汶红树林的持续退化趋势，但亚区尺度的分析显示部分区域出现恢复迹象。例如，帝力（Dili）的梅蒂纳罗（Metinaro）亚区尽管在区级尺度上被归类为退化区域，但2013年至2023年间红树林覆盖增加了13.5%，这得益于东帝汶政府和联合国开发计划署（UNDP）实施的恢复项目，表明国家和国际合作的保护行动可以取得积极成效。
**（四）红树林保护与气候变化减缓贡献**
红树林覆盖面积的下降凸显了有效保护策略的紧迫性。研究人员指出，根据Verra的核证碳标准（VCS）项目设计文件（PDD），过去十年间退化的红树林区域可通过重新造林产生碳信用。未来恢复项目应优先考虑损失显著的区域，并评估其碳封存潜力。先进遥感技术可帮助确定最适宜的恢复区域，为碳市场提供数据驱动的认知，同时应研究碳信用对发展中国家当地社区的经济效益，鼓励发达国家投资红树林恢复项目。
研究结论表明，过去十年间东帝汶红树林面积从6378公顷减少至3504公顷，年均减少率4.51%，这一趋势凸显了针对性保护和恢复努力的紧迫性。本研究生成的空间数据通过改进碳排放报告和政策透明度支持可持续管理策略，所采用的方法展示了开源卫星影像和深度学习在资源有限地区实现有效、可扩展红树林监测的潜力。未来研究应探索整合更高分辨率数据集和社会生态参数以提升监测精度，加强国际合作将是维持红树林生态系统及其气候减缓功能的关键。
