基于Sentinel-2遥感影像的泰国尖竹汶府Welu与Chanthaburi河口红树林动态及冠层状况监测研究

《Forests》：Monitoring Mangrove Dynamics Using Remote Sensing in the Welu and Chanthaburi Estuaries, Chanthaburi, Thailand

　　

红树林在沿海环境中发挥着至关重要的作用，提供生态系统服务，支持生物多样性，并为应对气候变化减缓和适应提供基于自然的解决方案。研究人员利用2015年至2024年间获取的Sentinel-2 Level-2A影像，研究了泰国尖竹汶府Welu河口和Chanthaburi河口红树林面积的时空变化，并评估了红树林冠层状况。红树林范围利用红树林植被指数（mangrove vegetation index, MVI）提取。红树林冠层状况通过两个关键维度进行评估：红树林绿色度和红树林森林密度。绿色度使用叶绿素植被指数（chlorophyll vegetation index, CVI）、归一化差异水分指数（normalized difference moisture index, NDMI）和归一化差异叶绿素指数（normalized difference chlorophyll index, NDCI）进行评估。密度使用优化土壤调节植被指数（optimized soil-adjusted vegetation index, OSAVI）和重新归一化差异植被指数（renormalized difference vegetation index, RDVI）进行评估。这些指数通过熵权法（entropy weight method, EWM）进行集成，构建综合红树林状况指数，并基于验证点、Google Earth历史影像和实地调查观测的混淆矩阵对其精度进行评估。基于MVI的提取精度较高，Welu河口为93%至95%，Chanthaburi河口为94%至96%，两者的Kappa系数均为0.81至0.85。Welu河口红树林面积呈增加趋势，从2015年的约91.4 km²增加到2024年的103.9 km²；同期Chanthaburi河口从29.9 km²小幅增加到31.7 km²。红树林冠层评估结果表明，两个河口总体上以中高冠层密度和绿色度为主。然而，Chanthaburi河口表现出更强的空间异质性和更高的破碎化程度，尤其是在水产养殖区和池塘边缘附近，而Welu河口保持了更连续和结构更稳定的红树林斑块。这些发现表明，整合Sentinel-2衍生的MVI、综合植被指数和空间解释为长期红树林监测提供了一个有效框架，并为恢复规划、海岸资源管理和基于自然的解决方案提供支持。

遥感技术已成为红树林动态监测的重要手段。红树林分布于热带和亚热带潮间带，是重要的蓝碳生态系统，提供海岸保护、生物多样性维持和碳封存等服务。然而，城市化与水产养殖等人为活动导致全球红树林面积持续减少，东南亚地区尤为突出。遥感技术能够降低野外调查成本，实现大范围高频次监测。但以往研究常用归一化植被指数（NDVI）等单一指数，其在高叶面积条件下易饱和，且土壤背景影响较大，难以全面反映红树林冠层复杂状况。因此，需要发展多指数综合评估方法。红树林冠层状况是生态系统健康的重要指示，人为干扰、热带气旋和生物胁迫会导致冠层结构改变、活力下降，单一植被指数往往只能反映冠层的某一侧面，整合多种指数有助于更全面地评估冠层变化。基于此，研究人员以泰国东部尖竹汶府的Welu河口和Chanthaburi河口为研究区，利用2015—2024年Sentinel-2 Level-2A影像，开展了红树林面积动态和冠层状况监测，旨在为红树林恢复和管理提供科学依据。

技术方法上，研究人员利用红树林植被指数（MVI）提取红树林范围，该指数采用绿色、近红外和短波红外波段，能够有效区分红树林与其他植被。冠层绿色度用CVI、NDMI和NDCI三个指数表征，冠层密度用OSAVI和RDVI表征。在构建综合指数前，通过容忍度和方差膨胀因子（VIF）检验植被指数间的多重共线性。随后采用熵权法（EWM）确定各指数权重，并分别构建红树林绿色度综合指数（MGCI）和红树林冠层密度综合指数（MCDI）。精度验证使用混淆矩阵，参考数据来自验证点、Google Earth历史影像和实地调查。此外，按全局百分位数（P33和P66）将综合指数分为低、中、高三级，以保证年份和河口间可比性。

### 3.1 2015—2024年红树林面积动态

基于MVI的提取精度在Welu河口为93%–95%，Chanthaburi河口为94%–96%，Kappa系数均为0.81–0.85。面积变化上，Welu河口红树林面积由2015年的约91.4 km²