紅樹林生態系統遙感監測研究進展

孫永光，趙冬至，* ，郭文永，高 陽，蘇 岫，衛寶泉

(1.國家海洋環境監測中心，大連 116023;2.奧胡斯大學生物科學學院，奧胡斯8000C丹麥;3.國家海洋局南海環境監測中心，廣州 510300)

紅樹林是生長于熱帶亞熱帶海岸潮間帶、受到海水周期性浸沒的木本植物群落，是兼具陸地和海洋特性的復雜生態系統［1］、海岸重要生態關鍵區(ECA)［2-3］。在改善海灣、防浪護堤、凈化污染和保護濕地多樣性等方面發揮不可替代的功能［4］。然而，隨著國民經濟的發展和沿海經濟區的開發，圍海造田、灘涂養殖、城市化建設等多種人為活動的侵占和眾多因素的干擾，紅樹林資源出現日益嚴重的面積萎縮、環境惡化、結構簡單等退化現象［5-7］。國家海洋局2001年制定了《中國海岸濕地保護行動計劃》［5］，將紅樹林生態系統的保護列為優先項目之一，紅樹林生態系統變化監測逐漸成為政府和學者們關注的焦點。地面調查能夠比較全面地了解生態系統的結構、過程和功能狀況及其變化，但是這種觀測需要長期持續的投入，所能達到的時空尺度也有一定局限性［8］。隨著現代遙感技術、模型技術、仿真技術與景觀格局分析方法的不斷成熟，為生態系統變化時空尺度數據獲得提供了重要的技術手段和方法［9］。遙感技術因其覆蓋面積大、數據更新周期短、空間分辨率高等特點，已成為國內外紅樹林監測的主要技術之一［10］。本文將系統總結遙感技術在紅樹林生態系統變化監測中的國內外應用進展，探討紅樹林遙感監測理論發展和應用新方向，為遙感在紅樹林生態系統變化監測中的應用拓展提供借鑒，對實現紅樹林時空尺度生態系統變化遙感監測具有重要意義。

1 紅樹林遙感監測的發展歷程

1.1 國外紅樹林遙感監測發展歷程

截至2012年05月國外紅樹林遙感監測研究文獻總計約為233篇，呈逐年遞增趨勢(圖1);主要集中于紅樹林動態監測、種間分類、結構監測等方面(圖2)，特別是自2000年以后，國外紅樹林群落結構監測、驅動力研究以及其他(海平面變化、綜合研究)逐漸成為紅樹林遙感監測的熱點，研究數量呈上升趨勢(圖2)，研究者主要來源于美國(57名)、印度(37名)、法國(20名)、比利時(19名)、中國(19名)、澳大利亞(16名)等國家(圖3)，這也說明紅樹林遙感研究在一定程度上受到經濟發展水平和技術水平的限制。

圖1 國外紅樹林遙感研究文獻年度統計Fig．1 Statistics abroad mangrove research papers basing on remote sensing at different years選取 Web of Science數據庫 SCI-E，1899-現在;SSCI，1956-現在;A＆HCI，1975-現在;CPCI-S，1990-現在(會議，自然科學);CPCI-SSCI，1990-現在(會議，社會科學)，利用復合主題“‘mangrove’和‘remote sensing或 RS’”在所有年份內搜素，共得到相關文獻233篇

圖2 國外紅樹林遙感不同應用領域文獻量統計Fig．2 Different application fields statistics of mangrove research papers basing on remote sensing at different years abroad

美國、法國等發達國家因其技術領先，在利用遙感技術對濕地資源進行調查與保護方面的研究起步較早［11-12］。1979年Lorenzo等首次借助遙感技術對的紅樹林進行了動態監測［13］;20世紀80年代世界各國衛星遙感事業的蓬勃發展，紅樹林遙感監測也出現了大發展時期，隨著1980年聯合國糧農組織(The United Nations Food and Agricultural Organization FAO)將遙感技術用于估算紅樹林面積［13］，遙感技術逐漸被廣泛應用于紅樹林濕地分布、面積、動態、制圖等領域［13-20］。其中Landsat因分辨率適中，價格合理，性價比較高，是紅樹林面積調查和遙感動態監測中應用最多的遙感數據源［21］;進入20世紀90年代，隨著陸地資源衛星及海洋衛星時空分辨率的不斷提高，紅樹林遙感監測也由動態監測向類別監測方向發展［21-27］，中低分辨率遙感影像可以區分出紅樹林林區與非紅樹林區，但難以完成紅樹林種類的區分。法國1986年發射的SPOT衛星系列，其高空間分辨率及多光譜特性為紅樹林種間分類技術的研究提供了有利條件，隨著航空數據、NOAAAVHRR、ERS-1 radar數據等商業化應用的提高，多源數據融合技術為紅樹林分類技術的提高提供了數據基礎，使紅樹林類別監測取得了長足發展［21-27］。進入21世紀以來，IKONOS衛星、ALOS(空間分辨率:2.5 m)、QuickBird、SPIN-2、Orbview-3等它們的全色波段空間分辨率多達到米級，SAR雷達數據的應用極大提高了遙感圖像的信息含量［28］。紅樹林遙感監測也逐漸向縱深發展，逐漸由宏觀動態、分類監測向生態系統參數及綜合信息監測方向轉化，遙感估算紅樹林生物量［29］、分層結構［30-31］、群落特征參數［32］、樹高［33-34］、平均冠幅［29］、健康［35-36］、病蟲害［37］等生態學參數特征。近些年來，遙感技術在紅樹林監測中的應用逐漸向綜合方向發展深入，逐漸轉向紅樹林對氣候變化、海平面變化［38-39］及人類活動的響應過程及管理［28］的研究(圖2)。

圖3 紅樹林遙感研究者所屬國家或地區分布Fig．3 Country and area distribution of researcher of mangrove remote sensing選取Web of Science數據庫(SCI-EXPANDED，SSCI，A＆HCI，CPCI-S，CPCI-SSH)，利用復合主題“‘mangrove’和‘remote sensing OR RS’”所有年份搜素，共得到相關文獻233篇

1.2 我國紅樹林遙感監測發展歷程

國內遙感技術在紅樹林監測中的應用始于20世紀90年代，在最近幾年呈現明顯上升趨勢，特別是在2008—2011年，呈明顯遞增趨勢(圖4)。1994年遙感技術在海南島紅樹林濕地資源調查中得到了應用［28，40］。90年代至21世紀初，我國的紅樹林遙感監測主要是以遙感測繪［40］、成圖［40-44］為主。1997年國家海洋局第三海洋研究所首次開展了紅樹林智能分類研究［42］。進入21世紀，隨著Landsat TM和ETM、SPOT、NOAAAVHRR、中巴資源衛星、IKONOS、SAR雷達和QuickBird等影像的逐漸普及，國內學者逐步在紅樹林制圖［41］、動態監測［42-45］、光譜特征及分類等方面開展了一些卓有成效的研究［42-54］。2006年，我國首次借助雷達數據對珠江三角洲珠海的琪澳島紅樹林進行了紅樹林生物量監測，這是我國首次實現紅樹林生物量雷達監測［53］，之后，國內學者利用光學遙感方法評估了北部灣紅樹林碳儲量［55］，將我國的紅樹林遙感監測由動態、分類、制圖和資源調查等推向生態系統特征參數變化監測，特別是最近幾年，中巴資源衛星、IKONOS、SAR雷達、QuickBird、HJ星等數據相繼被應用于紅樹林生態系統遙感監測［55-67］，大大提高了信息量及分類精度;同時，在紅樹林動態、分類方法等方面也取得了一定成果。但相比國際紅樹林遙感監測進程，國內在紅樹林遙感監測群落結構、災害災情、綜合信息等方面的研究鮮見。

2 遙感技術主要應用領域

2.1 紅樹林濕地動態監測

宏觀、區域尺度動態監測是紅樹林遙感監測的重要領域之一，其原理是基于同一區域存在著光譜特征差異，利用遙感影像增強及紅樹林邊界檢測技術［28，60］識別紅樹林與非紅樹林的差異，從而實現紅樹林分布、面積監測及制圖。

1979年Lorenzo等借助Landsat MSSdata對菲律賓三寶顏半島(Zamboanga Peninsula)的紅樹林退化狀況進行了動態監測［13］，隨后，Laba等在大洲國家尺度上，分析了多米尼加共和國尤納河流域下游土地覆蓋的變化趨勢，獲得1973—1985年間紅樹林面積的變化［68］;Wang等以TM和ETM圖像為基礎，分析了坦桑尼亞從南至北800 km長海岸帶紅樹林在1990—2000年的變化［69］;Godstime等利用TM和ETM數據分析了尼日爾三角洲1980—2003年間紅樹林邊界變化情況［70］，從紅樹林動態監測研究上看［15-20］，主要以 TM、ETM、Landsat MSS等數據為主，采用的技術方法主要是邊界檢測技術。隨著遙感技術的不斷發展，紅樹林動態監測逐漸向縱深發展，VaiPhasa等采用NDVI(歸一化植被指數)技術研究了泰國Pak Phanang地區的紅樹林動態變化情況［71］，Giri等采用監督分類法，識別了20世紀70年代至21世紀在孟加拉和印度之間的孫德爾本斯地區紅樹林濕地的動態變化過程［72］，Rakotomav等研究了馬達加斯加的曼戈基河三角洲土地覆蓋的變化趨勢，并探測到1951—2000年間紅樹林面積的變化［73］。

圖4 國內紅樹林遙感文獻量年度統計Fig．4 Statistics of research papers on mangrove remote sensing in China以“紅樹林+遙感”作為搜素關鍵詞，在“中國期刊論文數據庫”中進行搜索，截至2012年05月，共檢索到論文31篇

國內在紅樹林動態變化遙感監測起步較晚，但也取得了一定的研究成果，李天宏于2002年首次借助Landsat TM/ETM不同時段影像數據分析了深圳河口紅樹林6個時段的動態變化過程，并借助NDVI指數研究了該區域紅樹林生長狀況特征［45］，劉凱等應用多種規則相結合的專家系統方法，對珠江口地區3個時相的遙感圖像進行分類，得到3個時相的紅樹林面積變化和空間分布變化情況［49］，趙玉靈［62］對珠江口地區4個時期的遙感影像和地理地形資料進行綜合分析。毛麗君基于遙感的方法分析了廣東省紅樹林資源動態變化情況［28］。張雪紅采用知識與規則方法提取紅樹林遙感動態信息，與其他學者常采用的分類特征及分類方法相比，識別精度有明顯提高［67］。從紅樹林遙感動態監測研究進展來看，此類研究采用的數據主要以中分辨率影像數據(Landsat/MSS、Landsat/TM(ETM)、SPOT和 ASTER)為主［67］，空間尺度以大洲、國家、區域為主、時間尺度以10年為監測尺度，側重于紅樹林與非紅樹林的劃分及變化監測，主要以監督分類與非監督分類相結合方法，借助NDVI等參數對紅樹林動態進行監測。

2.2 紅樹林種間分類監測

紅樹林種間類別復雜，各自具有不同的幾何外觀、光譜特征以及紋理特征等［10］，遙感監測的基本原理是應用紅樹林種間光譜特征差異(圖5)、紋理體征差異及綜合信息的差異進行種間分類，而光譜特征尤以光譜反射率在650—750nm處的差異最為顯著，在紅外波段各物種光譜反射率出現顯著分化，這為紅樹林光學遙感種間分類奠定了理論基礎［74］(圖5)。

中低分辨率遙感影像數據(空間分辨率＞10m:Landsat TM，Landsat MSS和SPOTXS等)并不能滿足紅樹林種間分類的要求［75-76］，隨著高空間分辨率(空間分辨率＜10 m:IKONOS、QuickBird、CASI、SPOT-5 等)影像數據的出現及商業化應用程度的提高，為紅樹林種間分類研究提供了數據基礎，不同學者分別應用IKONOS［77］、QuickBird影像［37］和CASI數據［78］對紅樹林種間類型進行了識別，分類種數均在4種以上。紅樹林種間分類的難點在于分類方法與精度評估，HELD等以CASI和AIRSAR作為數據源，采用最大似然分類法和分層神經網絡分類法對融合數據進行分類，結果表明融合后分類精度更高，達到79.8%;說明基于結構信息的分類比基于光譜特征差異的分類更為精確［78］;Neukermans等以Quick Bird影像為數據源，采用模糊分類方法對肯尼亞Gazi海灣的紅樹林區的4種主要紅樹林區分出來，總體分類精度達到72%，其中2種主要樹種分類精度達到85%［76］;Wang等對比了不同分類方法、不同影像(QuickBird、IKONOS)對分類結果的影響，結果發現:采用基于對象的分類方法時，QuickBird影像數據分類結果就優于 IKONOS，且整體精度提升 2%;反之，IKONOS整體精度下降2%［77］。Wang等對基于像素的最大似然分類法(MLC)與基于對象的最鄰近距離分類法(NN)進行了融合，融合后能將分類結果提升至91.4%［79］。也有學者以SPOT-5(空間分辨率:2.5 m)作為數據源，證明了面向對象分類法的精度均高于基于像素的分類方法，分別比最大似然分類法MLC和支持向量機(SVM)方法的精度高［80］，國外研究表明，紅樹林分類不僅僅依靠光譜特征，同時也要考慮結構信息，有助于提高分類精度。

在國內，騰俊華等應用TM、DEM模型獲取紅樹林分布子區的地理范圍，通過人工神經網絡分類方法，獲得紅樹林群落分類信息［42］，張偉等和蘇岫等探討了高分影像數據用于紅樹林種間分類的預處理方法及分類方法［10，54］。劉凱等［49］以珠海淇澳島紅樹林區為例，在國內首次將TM數據與SAR雷達數據進行融合，探討了監督分類、非監督分類以及神經網絡分類方法對紅樹林種間分類的精度，結果表明:應用主成分融合后，采用神經網絡分類方法能夠提高紅樹林分類精度，總精度達到84.4%。綜合而言，現階段紅樹林種間分類研究主要集中于分類方法及分類精度提高研究上，紅樹林分類標準，分類精度、確定合適方法仍是紅樹林遙感種間分類的重要研究課題。

2.3 紅樹群落結構監測

結構監測是對紅樹林葉面積指數(LAI)、平均冠幅、林木高度、群落結構梯度進行遙感監測。學者們在此方面開展了廣泛的研究［24，81-83］，Ramsey和Jensen發現借助植被指數可有效地對紅樹林葉面積指數(LAI)和平均冠幅進行監測［84］，LAI監測主要將遙感圖像數據如歸一化植被指數(NDVI)、比植被指數(RVI)和垂直植被指數(PVI)與實測LAI建立模型.這種方法輸入參數單一，不需要復雜的計算，因此成為遙感估算LAI的常用方法［78］，但其對紅樹林群落立體結構特征則無法識別。而激光雷達被學者們公認為監測紅樹林結構信息最為有效的方法［78，84］，雷達遙感具有側視特點所使用的波長比光學遙感的要長，具有一定的穿透性，能獲得更準確的植被立體信息［85-87］，且其不同波段(例如:X-band、C-band、L-band等)對植被冠幅、土壤、水面等具有不同的后向散射特征(圖6)，雷達遙感依據其后向散射系數的差異特征可對紅樹林林木高度、平均冠幅、健康狀況、退化狀況等進行有效監測。

圖5 不同紅樹林物種、非紅樹物種及地物光譜特征Fig．5 Spectral curves of different mangrove species nonmangrove species and other objects數據源于2011年廣西山口、丹兜海紅樹林及地物55個樣地、1060組光譜調查數據，儀器采用ISI921VF野外地物光譜輻射計

國外應用不同雷達數據(墨西哥:RADARSAT-1 SAR［88］， ENVISAT ASAR［35］;泰 國:JERS-1 ERS-1 SAR，JERS-1SAR［89］;孟加拉共和國，SIR-B［90］;印度和孟加拉共和國:ERS-1 SAR［91］;印度:ERS-1 SAR ERS-1［92］;澳大利亞和南美;ALOS PALSAR［93］;澳大利亞:AIRSAR［94］;巴 西:RADARSAT-1［95］;加 蓬 共 和 國:JERS-1，ERS-1 SAR［27］;馬達加斯加:SIR-C［96］)在紅樹林結構特征方面開展了大量實證研究。例如:Simard等［27］采用決策樹的方法對加蓬沿海植被覆蓋類型進行分類，研究JERS-1和ERS-1雷達數據在測繪大尺度沿海地區的互補性，同時證明在區分高、矮紅樹林、草樹沼澤方面，將雷達數據的L-頻和C-頻波段的組合應用分類比單波段分類精度提高18%。Proisy［33］運用基于傅里葉紋理結構的分類方法FOTO對法屬圭亞那的高生物量紅樹林區的IKONOS影像進行處理，得到林區冠層結構特點;同時，為了提升FOTO方法在捕捉3D森林結構特性方面的能力，用帶有植被冠層高度信息的激光雷達LIDAR數據為數據源，改進FOTO方法，以便獲取更精確的冠層結構信息。Lucas等在澳大利亞研究發現雷達C-VV和C-HH數據與紅樹林結構參數具有較高的相關性，同樣的結論在法屬圭亞那地區得到證實［97］。大量研究證明紅樹林結構與后向散射系數之間的存在響應關系［34，86，97］，發現紅樹林由先鋒狀態過渡到成熟林狀態，利用L-頻和C-頻波段穿透力的差異性(圖6)對其進行監測，而對于同性質、高度、密度相似的紅樹林則不能在物種水平上進行區分［89］。為了深入理解雷達電磁波譜入射角與紅樹林冠層結構之間內在聯系機理，研究人員［34，86-87］對比了澳大利亞3個紅樹林物種不同生長階段(同質的灰紅樹林先鋒階段、白紅樹林占優勢群落的成熟紅樹林和紅白退化紅樹林)雷達監測能力，發現由先鋒紅樹林和成熟紅樹林組成的紅樹林能夠利用遙感進行有效的監測［34，86］。綜合而言，目前紅樹林群落結構遙感監測核心是:識別雷達后向散射系數與紅樹林冠幅、垂直結構之間的關系，建立二者之間的數量模型關系，從而應用NASA/JPL航空 SAR(AIRSAR)的C-頻波段、L-頻波段、P-頻波段和C-VV和C-HH數據，對紅樹林生長狀況進行監測。

國內在紅樹林群落結構特征遙感監測尚未涉足。

圖6 不同生長狀態紅樹林的雷達后向散射特征［98］Fig．6 Dominating backscatter mechanisms at different stages of mangrove growth depending on bandwidth of the radar beam［98］

2.4 紅樹林生物量監測

生物量遙感主要采用光學遙感和雷達遙感兩種方法［10］。在光學遙感中利用NDVI指數提取生物量比較常用，基本原理是根據植被對紅光波段有著明顯的吸收性，不同類型的植被類型由于樹葉形狀、植珠間隔、含水率以及土壤背景不同而產生差異性變化，進而建立NDVI指數與生物量之間的回歸模型，目前常用有一階線性模型、二階多項式模型［10，33］。雷達監測生物量的基本原理依據紅樹林群落在結構、冠幅和植珠直徑之間的差異，建立雷達波段后向散射系數與生物量之間的回歸模型［98］。

國外，Proisy等［33］利用IKONOS影像數據，借助傅里葉紋理結構的分類方法FOTO對法屬圭亞那的紅樹林生物量進行了監測，并建立了多元回歸模型，取得了較好的效果。但由于光學遙感穿透力不強，其在紅樹林生物量遙感中應用并不是最佳方法，雷達數據由于其波長比光學遙感的長，具有較強的穿透能力，能夠獲得紅樹林植被立體信息，因此，雷達遙感比光學遙感在植被生物量估算方面更具優勢［10］。目前，常用的有四種方法(簡單雷達截面方法、RANSON方法、DOBSON方法、KASISCHKE方法)用來建立雷達數據與生物量之間的估算模型［10］。Mougin等以法屬圭亞那海岸的紅樹林林區作為研究對象，分析對比了P-HV(0.44 GHz)、L-HV(1.25 GHz)、C-HV(5.3 GHz)3種波段算出的雷達后向散射系數與生物量之間的關系，結果表明:P-HV與LHV這兩個頻率的散射系數與紅樹林總生物量最為相關，理論證明雷達低頻系統在紅樹林生物量估算中的有效性［87］。Wang等［90］采用Tt=Ts+Tc+Td+Ta+Tm模型來表示雷達后向散射系數與紅樹林生物量之間的關系，其中Ts是指表面散射;Tc是指植被體積散射;Td是指樹干與地面的雙向反射;Ta是樹底部與地面相互合成的反射;Tm植被和地面的多向反射合成;Tt是總體的后向反射系數。綜合而言，大多研究者普遍認為SAR雷達低頻段數據是紅樹林生物量監測最為合適的方法，特別是P波段和L波段［98］。國外也有學者嘗試將光譜數據與雷達數據進行多源融合應用于生物量遙感監測，Proisy等［33］利用IKONOS影像數據、雷達數據進行多源融合后，其生物量估算不僅包含了光譜特征，也包含了豐富的結構信息，使生物量估算精度明顯提高。

國內在紅樹林生物量遙感監測方面研究不多。曹慶先等以TM數據作為數據源，提取了光譜特征及紋理特征，結合地面調查數據，建立了北部灣紅樹林生物量遙感估算模型，并進一步估算了碳含量［55］。黎夏等［53］根據雷達后向散射系數建立了紅樹林濕地植被生物量的估算模型，并運用遺傳算法確定其中非線性模型的最優參數，通過對比分析表明，雷達后向散射系數模型比NDVI模型在植被生物量估算中有更高的精度。

2.5 紅樹林災害災情監測

紅樹林災害災情監測包括:病蟲害監測、冰凍災害監測、風暴潮監測及生物入侵監測。病蟲害監測則是紅樹林健康狀況重要的指標，也是眾多災情中較難進行遙感監測的內容。因此，病蟲害監測成為了眾多學者關注的焦點。病蟲害遙感監測的基本原理:紅樹林受到病蟲害侵蝕時光譜特征發生顯著改變，葉子殘缺變黃、葉綠素不斷減少，造成綠光波段的反射能力降低，而對紅光的反射能力上升，近紅外的反射能力也顯著下降［10，99］，遙感監測病蟲害就是依據其與健康紅樹林之間的光譜特征差異進行監測。

Kovacs等［37］應用實測LAI與IKONOS圖像計算的LAI建立線性回歸模型，對墨西哥 Agua Brava澙湖紅樹林健康狀況進行監測與評價，結果表明:紅紅樹葉面積指數為2.49，健康的白紅樹葉面積指數為1.74，不健康的白紅樹為0.85，LAI能夠較好地對紅樹林健康狀況進行差異化反映。相似結論也被其他學者所證實［99］，LAI是定量分析紅樹林生態系統健康及病蟲害狀況的重要指示指標，能夠借助LAI對紅樹林健康狀況及病蟲害狀況進行評價;Doyle等應用航空攝影技術評估了颶風對西南佛羅里達地區紅樹林濕地植被的破壞模式，并對其破壞程度及狀況進行了遙感監測與評價［38］;Everitt等應用機載紅外視頻圖像，對黑紅樹冰凍災害的災情進行了動態監測，通過全球定位系統和視頻圖像集成，最終獲得德克薩斯沿岸紅樹林群落受冰凍災害影響情況［36］。Blasco等［100］應用SPOT XS數據對孟加拉國海岸帶紅樹林受到風暴潮影響的損失進行了評估，研究指出紅樹林損害評估的關鍵點是影像數據時間節點的選擇，研究認為一般在災害發生后5—10周是遙感監測風暴潮損害評估的最佳時機。Sirikulchayanon等［101］則應用TM數據評估了2004年印度洋海嘯對攀牙紅樹林植被的影響及損失評估與監測。也有學者應用遙感數據對紅樹林恢復狀態進行監測，Selvam等［102］應用Landsat TM(IRS 1D LISSIII)對印度Pichavaram濕地紅樹林恢復狀態進行了動態監測。綜合而言，災害災情監測依據監測目的不同則采用的方法也不盡相同。病蟲害監測則多以葉面積指數作為結構性指標，而冰凍災害、風暴潮及生物入侵則其基本原理與紅樹林動態監測相似，利用紅樹林種間、種內光譜特征差異進行差異化監測。

郎惠卿［99］雖然給出了受病蟲害影響的紅樹林光譜與健康紅樹林之間光譜差異化特征，但國內系統地將遙感技術應用于紅樹林災害災情監測的研究鮮見，有待開展此方面的研究。

2.6 紅樹林濕地動態驅動力遙感監測

紅樹林濕地動態驅動力是一個復雜的系統，即包括自然因素(海平面變化、風暴潮、潮汐、沉積環境、水動力…)也包括人為因素(旅游開發、圍填海、海塘養殖、灘涂養殖、農業耕種、污染物排放及工業企業開發…)［28］，其變化是兩者共同作用的結果。遙感技術并不能夠全面理解紅樹林驅動機制，而是對地面調查起到補充作用。基本原理是利用遙感技術提取空間信息，結合地面生態、社會調查數據對驅動力進行識別與研究。

Doyle等［38］應用航空攝影技術不僅評估了颶風對西南佛羅里達地區紅樹林濕地植被的影響模式，也深入分析了其對紅樹林濕地的驅動機制，識別了颶風強度對紅樹林濕地驅動機制。Sirikulchayanon等［101］應用TM數據評估了海嘯對紅樹林造成的影響。紅樹林濕地變化不僅是受到自然因素的影響，而且也受到人為因素的影響。目前，多數學者更多關注紅樹林濕地人為驅動機制的研究。Tong等［103］應用SPOT數據評估了1995年至2001年間蝦塘養殖對湄公河三角洲紅樹林濕地的影響，識別了蝦塘養殖活動對紅樹林濕地變化的驅動機制;Vaiphasa等［71］借助遙感及地面調查進一步深入分析了蝦塘養殖對泰國紅樹林的影響機制，結果表明:蝦池底泥廢料中含有的化學物質超過了紅樹林自身的自凈能力，對紅樹林具有較強的破壞作用。Rakotomav等［73］研究了馬達加斯加曼戈基河三角洲從1951年至2000年紅樹林濕地的變化原因，發現:水文條件變化、沉積作用、潮汐及基底是決定植物演替作用的自然因素，而人類活動(毀林、農業擴張和水產養殖等)則是影響紅樹林濕地變化的重要因素［73］。從實證研究內容來看，遙感技術在紅樹林驅動機制研究方面起到重要的輔助作用，雖然遙感技術可解釋資源變化及空間屬性的變化，但更深入的驅動機制研究則尚需借助地面生態調查及模型［28］予以完成。

國內，陳凌云等［50］以廣西紅樹林為實證研究基地，運用遙感技術識別出紅樹林濕地變化的主要原因是人類活動(圍墾、濱海養殖)的干擾，造成紅樹林大面積的砍伐，而無人為干擾的情況下，紅樹林在養殖塘排放的富營養化水質中能夠迅速恢復。劉凱等在珠江口的研究［49］也獲得相似的結論，該區域紅樹林變化的主要影響因素是人類活動，人類活動改變了紅樹林濕地景觀結構和功能。毛麗君［28］則以廣東湛江紅樹林為研究對象，借助遙感技術識別了1977—1991年、1991—2000年、2000—2005年紅樹林變化驅動力，發現人類活動對紅樹林影響在不同階段均占主導地位，主要受到采海、污染物排放、工業企業開發等人類活動的影響。沿海城市化迅速，城鎮用地急劇擴張，城市交通及基礎設施的建設使紅樹林濕地受到不同程度破壞，紅樹林進一步喪失生境。

遙感技術雖然在紅樹林驅動力研究中得到了廣泛的應用。但目前仍處于輔助研究階段，而深入的對驅動力機制的理解尚需加強，基于遙感的驅動機制模型尚未建立。

2.7 紅樹林景觀動態遙感識別

景觀動態特征能夠反映紅樹林濕地內部各種矛盾和外部作用力相互作用的結果，通過景觀動態指數模型，可以揭示紅樹林濕地內部規律和機制［28］。其遙感監測的基本原理:在遙感監測紅樹林動態及種間分類基礎上，通過景觀模型計算紅樹林濕地動態特征及群落水平動態特征，獲得紅樹林全局水平及物種水平景觀動態變化特征，其對遙感數據源的選擇依研究的目的不同而不同;全局水平主要以TM、SPOT(多光譜)等，空間分辨率大于或等于10m遙感影像為主，而物種水平則以高空間分辨率、高光譜光學遙感影像或雷達影像(空間分辨率小于或等于2.5m)為主。

Seto等［104］在識別了越南紅樹林動態基礎上，進一步分析了斑塊大小，斑塊數，最大斑塊指數，平均斑塊鄰近度指數，景觀形狀指數，分形維等指數動態變化特征，揭示了紅樹林景觀異質性與健康程度的變化規律。國內學者在紅樹林景觀特征遙感監測方面也有一些相關研究。辛琨等從全局尺度分析了海南東寨崗紅樹林景觀動態變化特征，研究表明:表征面積變化特征的景觀相似性指數和平均斑塊面積有明顯的下降趨勢;而表征破碎化程度的單位周長斑塊數和邊界密度呈上升趨勢;形狀指標也有下降趨勢，表明該區域紅樹林衰減及破碎化程度升高［105］。也有學者利用紅樹林空間質心變化情況識別了紅樹林空間變化趨勢上的差異，并借助動態度模型獲得各種景觀類型相對變化速率［28］。

雖然景觀動態特征能夠在一定程度上反映生態系統變化情況，如:破碎化指數能夠作為反映生態系統健康的指標［105］，但其在表征中科學性尚顯不足，其多數研究仍停留在反映景觀要素的增減、空間轉移、擴張及縮減程度等方面［28］，無法真正成為生態系統質量、健康表征的量化指標，無法表征紅樹林環境要素演變的空間化過程。

2.8 紅樹林保護與管理

遙感技術在紅樹林保護與管理方面的應用優勢在于:可在短時間內準確地掌握區域紅樹林濕地的生態特征，把握紅樹林濕地資源動態變化的情況和趨勢，為區域的濕地保護、管理和利用提供一定的科學依據［22］，從而推動紅樹林濕地的有效保護與管理。在遙感監測紅樹林動態、種間分類、群落結構、生物量、災害災情監測、驅動力、景觀動態等多方面的基礎上，因地制宜提出保護與管理對策。

Zharikov等［106］將澳大利亞昆士蘭州亞熱帶河口系統劃分為紅樹林、潮間帶和陸地等24個土地覆被類型，應用航片與地理信息系統對野生動物保護和管理潛能進行了研究。Kovacs等［37］在墨西哥太平洋沿岸用實測葉面積指數(LAI);應用經過幾何校正后的高分辨率QuickBird衛星圖像進行歸一化植被指數NDVI以及比植被指數(RVI)分析，通過回歸分析對比實測值與估算出的植被指數，從而對紅樹林健康狀況進行監測以及評價，在此基礎上，提出墨西哥太平洋沿岸紅樹林恢復及保護措施。Ren等［107］分析了深圳灣在1986—2007年紅樹林濕地動態基礎上，從全局尺度提出紅樹林、潮汐灘涂及基圍3種生態系統的最佳比例為1∶2∶3，提出了6種可持續發展戰略，對維護海岸紅樹林濕地生態系統的生產力尤其鳥類多樣性保護具有重要意義。黎夏等［53］通過建立紅樹林濕地植被生物量的估算模型進行遙感估算，進而提出紅樹林管理對策。國內在海南、福建、廣西和廣東分別開展了紅樹林濕地保護與管理方面的研究工作［28］。

紅樹林濕地保護與管理是遙感監測紅樹林生態系統變化的深入研究，主要是對生態系統生物量監測［107］、健康監測評價［37］基礎上，對紅樹林濕地進行恢復與保護管理。更加綜合全面反映生態系統質量的研究有待開展。

3 我國紅樹林生態系統變化遙感監測存在的問題

3.1 遙感數據利用程度問題

國內學者目前主要將TM、中巴資源衛星、IKONOS、Quickbird、環境衛星等數據應用于紅樹林遙感監測［52-65］，雖然雷達數據被應用于紅樹林生物量估算中來［53］，但在研究的深度與精度尚存在一定不足。主要體現在:國內多數學者仍停留在光學遙感監測紅樹林動態、分類和制圖等階段。光學遙感由于自身穿透能力弱、空間分辨率限制、光譜特征限制，不能獲得紅樹林全面的生態系統結構信息，在一定程度上已不能滿足紅樹林樹高、胸徑等結構參數遙感監測的要求。雖然有學者嘗試應用雷達數據獲得紅樹林生物量信息，但更深入的生態系統變化信息SAR雷達監測工作尚未開展。國內應在多源數據的利用、融合及監測的廣度與深度加強研究工作。

3.2 紅樹林生態系統變化遙感監測深度問題

國外學者已經應用中高分辨率光學遙感數據、航空數據、SAR雷達數據，在紅樹林動態監測、種間分類、生產力(生物量)、群落結構信息(LAI、平均冠幅、林木高度、群落結構等)、災害災情(病蟲害、風暴潮等)、驅動力(海平面變化、人類活動等)、景觀動態及紅樹林濕地保護與管理方面開展了大量的研究工作。雖然國內學者在紅樹林動態、種間分類、生物量、景觀動態、驅動力及濕地保護與管理方面開展了一些卓有成效的研究工作，但相比國外仍存在一定差距，特別是在紅樹林群落結構信息監測和災害災情(病蟲害)監測方面，國內相關研究尚未開展。

4 紅樹林生態系統變化遙感監測應用展望

生態系統變化監測已成為生態學研究的熱點與重點問題［8］。在空間上，宏觀和微觀兩個方向不斷向多學科交叉拓寬，時間尺度向地質歷史時期的長期回溯發展［9］。地面調查雖然能夠全面了解生態系統狀況，但其所能達到的時空尺度有限。為提高生態系統變化監測效率，就需要將對地觀測技術、空間分析技術和定位調查相結合，發展生態系統定位觀測與對地觀測數據融合和區域生態系統綜合監測方法與模型［108］，為發展紅樹林生態系統變化遙感監測綜合模型，尚需在以下幾方面需進一步提升研究力度。

4.1 紅樹林遙感提取分類體系標準化

分類體系標準化是實現區域綜合監測模型的基礎。大多數研究依據各自研究目的的不同，分類體系的確立也各不相同，造成數據可對比性不強，因此，在同一地區的紅樹林遙感監測研究應至少保證一致［98］，這就需要結合多學科的科學家(物理學家，天文學家，環境學家，生物學家，當地社區的專家)建立標準的紅樹林分類體系，可根據物種分化、林分密度、底棲環境和相關條件(例如，生物量和活力)等［98］確定規范化、統一化分類體系，保證在同一區域在時空尺度具有可比性。

4.2 分類精度提升

遙感信息提取的精度問題是國內外遙感學者共同面臨的挑戰，由于紅樹林的分布和生長狀況受到:溫度、洋流、鹽水、潮汐和底質等影響，加之人為干擾(圍墾、旅游開發、濱海養殖、污染物排放等)影響，紅樹林在面積、結構及形態上會出現較大變化，而遙感的“同物異譜”、“異物同譜”現象更加加劇了紅樹林分類精度的提升難度，容易造成漏分、錯分等問題［60］。雖然，國內外學者在分類精度提高方面開展了大量研究工作，從分類方法、輔助信息決策方面取得了一定的研究成果。然而，將現有的調查資料、室內實驗與遙感手段進行緊密結合，建立紅樹林分類、結構信息等方面的遙感估算模型研究尚顯薄弱，雖然已有大量生物量遙感估算模型，但在結構信息、健康狀況等方面綜合估算模型尚未建立，進一步提升分類精度尚需借助精準定位技術及估算模型。

4.3 遙感監測領域拓寬

隨著現代遙感技術、模型技術、仿真技術與景觀格局分析方法的不斷成熟［8］，為紅樹林生態系統變化時空尺度數據獲得提供了重要的技術手段和方法。已往遙感技術在紅樹林動態監測、種間分類、生產力、群落結構信息、災害災情、驅動力、景觀動態及紅樹林濕地保護與管理方面開展了大量的研究工作。但就生態系統變化而言，包括:紅樹林群落特征參數、環境變化參數以及人類活動信息等，雖然通過光學遙感、雷達及航空數據可直接獲得紅樹林群落特征參數(LAI、NDVI、結構、種類、生物量等)及人類活動信息等，但對紅樹林濕地環境演變空間化過程尚無法進行遙感識別，部分植被生態學指標(生物多樣性、優勢度指數等)尚未進行遙感監測，部分生態學指標(生物多樣性、優勢度指數等)已被證明可應用遙感進行監測［109］，紅樹林在此方面的研究工作尚需進一步開展。生態系統變化的環境信息空間演化過程遙感監測有待深入探討。

4.4 紅樹林遙感監測尺度效應

紅樹林遙感監測不僅存在數據源的空間分辨率問題，同時部分生態系統變化參數遙感監測也存在尺度效應問題。已往學者多關注遙感數據空間分辨率的選擇，滿足紅樹林動態、種間分類、紅樹林結構信息等方面的監測，而很少研究關注紅樹林生態系統變化遙感監測的尺度效應問題。例如:紅樹林景觀動態監測、驅動力研究、濕地保護與管理等方面均存在空間尺度效應。另外，植被特征參數(生物多樣性、優勢度等)［109］和環境空間演化過程也存在尺度效應問題。而關于此方面的研究尚未涉足，識別遙感監測的尺度效應問題，選擇適合的尺度是建立遙感監測綜合模型的必由之路。

5 結語

遙感監測是實現紅樹林保護與管理的重要方法與手段，Claudia等［98］系統總結了不同空間分辨率遙感數據在紅樹林監測中應用現狀、理論與方法。總結了中、低、高分辨率光學遙感、航空遙感、SAR雷達在紅樹林遙感監測中的應用［98］。而本文從遙感技術在紅樹林生態系統變化監測中的應用領域角度，系統總結了國內外紅樹林生態系統變化遙感監測現狀、理論和方法，并指出我國在紅樹林遙感監測中與國外之間的差距，為紅樹林遙感監測研究者提供借鑒。

［1］ Lin P.Mangrove.Beijing:Ocean Press，1984.

［2］ Fan H Q.Mangrove-Environmental Protection Guard at the Coastal Zone.Nanning:Guangxi Science and Technology Press，2000:32-37.

［3］ Liao B W，Li M，Chen Y J，Guan W.Techniques on Restoration and Reconstruction of Mangrove Ecosystem in China.Beijing:Science Press，2010.

［4］ Bayen S，Wurl O，Karuppiah S，Sivasothi N，Lee H K，Obbard J P.Persistent organic pollutants in mangrove food webs in Singapore.Chemosphere，2005，61(3):303-313.

［5］ Wang Y T.Research on the Health Assessing System of Chinese Mangrove Ecosystems.Beijing:Chinese Academy of Sciences，2010:7-70.

［6］ Duke N C，Meynecke JO，Dittmann S，Ellison A M，Anger K，Berger U，Cannicci S，Diele K，Ewel K C，Field C D，Koedam N，Lee SY，Marchand C，Nordhaus I，Dahdouh-Guebas F.A world without mangroves?Science，2007，317(5834):41-42.

［7］ Liu L，Fan H Q，Li C G.Tide elevations for four mangrove species along western coast of Guangxi，China.Acta Ecologica Sinica，2012，32(3):690-698.

［8］ Li W H.China's ecology research and its contribution for social development.Acta Ecologica Sinica，2011，31(19):5421-5428.

［9］ Li W H，Zhang B，Xie G D.Research on ecosystem services in China:progress and perspectives.Journal of Natural Resources，2009，24(1):1-10.

［10］ Su X，Zhao D Z，Huang F R，Wu T，Wang X.Development of mangrove monitoring technology using high spatial-resolution satellite images.Journal of Tropical Oceanography，2011，30(3):38-45.

［11］ Mitsch W J，Wu X Y，Naim P W.Grating and restoring wetlands.Soil Science，1998，48(12):1019-1030.

［12］ Lyon B G.Remote sensing of sediment and wetlands in Lake Erie//Lyon J G，McCarthy J，eds.Wetland and Environment Applications of GIS.Boca Raton:CRC Press，1995:107-204.

［13］ Lorenzo E N，de Jesus B R，Jara R S.Assessment of mangrove forest deterioration in Zamboanga Peninsula，Philippines using Landsat MSSdata//Proceedings of the 13th International Symposium on Remote Sensing of the Environment，1979:1737-1745.

［14］ FAO.Land use in Nigeria.By Allen P.E.T.Field document NIR/77/009.Ibadan，Nigeria，1980.

［15］ Patterson SG，Rehder JB.An assessment of conversion and loss of mangroves using remote sensing imagery on Marco Island，Florida//ASPRS.Proceedings American Society for Photogrammetry and Remote Sensing，1985:728-735.

［16］ Blasco F，Lavenu F，Baraza J.Remote sensing data applied to mangroves of Kenya coast//:Proceedings 20th International Symposium on Remote Sensing of the Environment，1986，3:1465-1480.

［17］ Chaudhury M U.Digital analysis of remote sensing data for monitoring the ecological status of the mangrove forests of Sunderbans in Bangladesh//Proceedings 23rd International Symposium on Remote Sensing of the Environment，1990:493-497.

［18］ Everitt JH，Judd FW.Using remote sensing techniques to distinguish and monitor Black Mangrove(Avicennia germinans).Journal of Coastal Research，1989，5(4):737-745.

［19］ Long B G，Skewes T D.GISand remote sensing improves mangrove mapping//Proceedings of the 7th Australasian Remote Sensing Conference.Melbourne，1994:545-550.

［20］ Mas JF.Monitoring land-cover changes:a comparison of change detection techniques.International Journal of Remote Sensing，1999，20(1):139-152.

［21］ Li C G.Review on Mangrove Mapping Base on Remote Sensing.Central South Forest Inventory and Planning，2002，2(4):52-58.

［22］ Green E P，Clark CD，Mumby P J，Edwards A J，Ellis A C.Remote sensing techniques for mangrove mapping.International Journal of Remote Sensing，1998，19(5):935-956.

［23］ Dutrieux E，Denis J，Populus J.Application of SPOT data to a base-line ecological study of the Mahakam Delta mangroves(East Kalimantan，Indonesia).Oceanologica Acta，1990，13(3):317-326.

［24］ Jensen JR，Hongyue L，Yang X H，Ramsey E，Davis B A，Thoemke CW.The measurement of mangrove characteristics in southwest Florida using SPOT multispectral data.Geocarto International，1991，6(2):13-21.

［25］ Ramirez-Garcia P，Lopez-Blanco J，Ocana D.Mangrove vegetation assessment in the Santiago River mouth，Mexico，by means of supervised classification using Landsat TM imagery.Forest Ecology and Management，1998，105(1/3):217-229.

［26］ Rogers D J，Hay SI，Packer M J，Wint GR W.Mapping land-cover over large areas using multispectral data derived from the NOAA-AVHRR:a case study of Nigeria.International Journal of Remote Sensing，1997，18(15):3297-3303.

［27］ Simard M，de Grandi G E，Saatchi S，Mayaux P.Mapping tropical coastal vegetation using JERS-1 and ERS-1 radar data with a decision tree classifier.International Journal of Remote Sensing，2002，23(7):1461-1474.

［28］ Mao L J.Assessment of Changes in Mangrove Forest Patterns from Multitemporal Remotely Sensed Imagery over Zhanjiang City，Guangdong Province.Nanjing:Nanjing Forestry University，2011.

［29］ Behara S，Khairul A M，Indra F I，Monhd-lokman H，Farid D G.Assessment of mangrove vegetation based on remote sensing and ground-truth measurements at Tumpat，Kelantan Delta，East Coast of Peninsular Malaysia.International Journal of Remote Sensing，2011，32(6):1635-1650.

［30］ Krause G，Bock M，Weiers S，Braun G.Mapping land-cover and mangrove structures with remote sensing techniques:a contribution to a synoptic GISin support of coastal management in North Brazil.Environmental Management，2004，34(3):429-440.

［31］ Kovacs J M，DeSantjago F F，Bastien J，France P.An assessment of mangroves in Guinea，West Africa，using a field and remote sensing based approach.Wetlands，2010，30(4):773-752.

［32］ Shah D G，Anjali B，Deshmukh B，Nayak SR，Singh H S，Patel B H.Zoning and monitoring dominant mangrove communities of a part of the marine national park，Gulf of kachchh.Journal of the Indian Society of Remote Sensing，2005，33(1):155-163.

［33］ Proisy C，Couteron P，Fromard F.Predicting and mapping mangrove biomass from canopy grain analysis using Fourier-based textural ordination of IKONOSimages.Remote Sensing of Environment，2007，109(3):379-392.

［34］ Proisy C，Mougin E，Fromard F，Trichon V，Karam M A.On the influence of canopy structure on the radar backscattering of mangrove forests.International Journal of Remote Sensing，2002，23(20):4197-4210.

［35］ Kovacs JM，Vandenberg CV，Wang JF，Flores-Verdugo F.The use of Multipolarized space borne SAR backscatter for monitoring the health of a degraded mangrove Forest.Journal of Coastal Research，2008，24(1):248-254.

［36］ Everitt JH，Judd F W，Escobar D E，Davis M R.Integration of remote sensing and spatial information technologies for mapping black mangrove on the Texas Gulf Coast.Journal of Coastal Research，1996，12(1):64-69.

［37］ Kovacs J M，Wang JF，Flores-verdugo F.Mapping mangrove leaf area index at the species level using IKONOSand LAI-2000 sensors for the Agua Brava Lagoon，Mexican Pacific.Estuarine，Coastal and Shelf Science，2005，62(1/2):377-384.

［38］ Doyle T W，Krauss K W，Wells C J.Landscape analysis and pattern of hurricane impact and circulation on mangrove Forests of the Everglades.Wetlands，2009，29(1):44-53.

［39］ Cohen M L C，Behling H，Lara R J，Smith CB，Matos H R S，Vedel V.Impact of sea-level and climatic changes on the Amazon coastal wetlands during the late Holocene.Vegetation History and Archaeobotany，2009，18(6):425-439.

［40］ Lin R S，Lin M J，Teng JH，Zhang WY.Remote sensing Survey and mapping of mangroves in Western Xiamen Harbour.Journal of Oceanography in Taiwan Strait，1994，13(3):297-302.

［41］ Wei X F，Lin M J，Teng JH，Chen SG，Yang X Q.Designing and mapping dynamic charts by means of remote sensing for mangrove region-Test area in Qinglan Bay，Hainan island.Journal of Oceanography in Taiwan Strait，1995，14(3):226-234.

［42］ Teng JH，Liu Y，Gu D Y.Intelligent remote sensing classification of mangroves.Journal of Oceanography in Taiwan Strait，1997，16(3):331-338.

［43］ Li C G，Tan B Z.Studies on the methods of mangrove inventory based on RS，GPS and GIS.Journal of Natural Resources，2003，18(2):215-221.

［44］ Li C G，Tan B Z.A Study on Remote Sensing Image Processing Approaches for Mangrove Inventory.Central South Forest Inventory and Planning，2003，22(2):2-7.

［45］ Li T H，Zhao Z J，Han P.Detection and analysis of mangrove changes with multi-temporal remotely sensed imagery in the Shenzhen river estuary.Journal of Remote Sensing，2002，6(5):364-369.

［46］ Deng G F.Application of remote sensing technique to the mangrove resource investigation.Central South Forest Inventory and Planning，2002，21(l):27-28.

［47］ Li SH，Wang H，Jiang X W.Application of CBERS-1 CCDin the mangrove remote sensing survey.Marine Science Bulletin，2003，22(6):30-35

［48］ Yu X，Zhao D Z，Zhang F S.The application development of remote sensing in mangrove environment search.Marine Environmental Science，2005，24(1):76-80.

［49］ Liu K，Li X，Wang SG，Zhong K W，Qian JP.Monitoring of the changes of mangrove wetland around the Zhujiang estuary in the past two decades by remote sensing.Tropical Geography，2005，25(2):111-116.

［50］ Chen L Y，Hu Z N，Zhong S Q，Liang W，Shi J L.Applying the remote sensing information to analyze Guangxi mangrove development variety characteristic.Guangxi Sciences，2005，12(4):308-311

［51］ Fang SH，Dian Y Y，Zhou Y.Classification of Mangroves based on IKONOSdata.Journal of Geomatics，2005，30(4):5-6.

［52］ Yu X，Zhao D Z，Zhang F S.Research on mangrove hyperspectrum analysis technology.Journal of Binzhou University，2006，22(6):53-56.

［53］ Li X，Ye J A，Wang SG.Estimating mangrove wetland biomass using radar remote sensing.Journal of Remote Sensing，2006，10(3):387-396.

［54］ Zhang W，Lan Z Y，Li Z，Zhang D S.Preprocessing of QuickBird remote sensing image for mangrove study.Journal of Fujian Forestry Science and Technology，2006，33(4):77-81.

［55］ Cao Q X.The Estimation of Mangrove Biomass and Carbon Storage Using Remote Sensing Data in Beibu Gulf Coast.Beijing:Chinese Academy of Forest，2010.

［56］ Li M S，Tan Y，Pan J，Peng SK.Modeling Forest Aboveground Biomass by Combining the Spectrum，Textures with Topographic Features.Remote Sensing Information，2006，(6):6-9.

［57］ Weng Q，Lu CY.The development of application of satellite remote-sensing in mangrove environment search.Journal of Sanming University，2006，23(2):141-147.

［58］ Yu X，Zhao D Z，Zhang F S，Xiao Z F.Study on remote sensing image NN classification techniques of mangrove landscape character.Marine Environmental Science，2007，26(6):576-579.

［59］ Zhang H Q，Zhao F，Cui L J.A study on dynamic monitoring of mangrove wetland restoration using remote sensing techniques.Forest Research，2008，21(S1):32-36.

［60］ Li W，Cui L J，Zhang M Y，Wang Y F.Comment on application of remote sensing technology to the study of mangrove wetland.Forest Inventory and Planning，2008，33(5):1-7.

［61］ Li JJ.Research on the Spatial Structure Optimization of Mangrove Ecosystem in Zhejiang，Guangdong.Changsha:Central South University of Forest and Technology，2010.

［62］ Zhao Y L.The remote sensing dynamic monitoring of the evolution of shoreline and mangrove wetlands in the Zhujiang river estuary in the past 30 years.Remote Sensing for Land and Resources，2010，86(S1):178-184.

［63］ Li SS，Tian QJ.Mangrove extraction mode based on HJmultispectral remote sensing in Beibu Gulf.Scientia Sinica Mathematica，2011，41(S1):153-165.

［64］ Cao Q X，Xu D P，Ju H B.Biomass estimation of five kinds of mangrove community in Beibu Gulf based on remote sensing.Guangxi Sciences，2011，18(3):289-293.

［65］ Wu P Q，Ma Y，Li X M，Yu G H.Remote sensing monitoring of the mangrove forests resources of Guangdong Province.Journal of Marine Sciences，2011，29(4):16-24.

［66］ Chen Y M，Yang Y.Application of remote sensing to mangrove resource monitoring:a case study of Huizhou city.Tropical Geography，2011，31(4):373-376.

［67］ Zhang X H.Remote sensing information extraction of mangrove based on knowledge and rules.Journal of Nanjing University of Information Science and Technology(Natural Science Edition)，2011，3(4):341-345.

［68］ Laba M，Smith SD，Degloria SD.Landsat-based land cover mapping in the lower Yuna River watershed in the Dominican Republic.International Journal of Remote Sensing，1997，18(14):3011-3025.

［69］ Wang Y Q，Bonynge G，Nugranad J，Traber M，Ngusaru A，Tobey J，Hale L，Bowen R，Makota V.Remote sensing of mangrove change along the Tanzania coast.Marine Geodesy，2003，26(1/2):35-48.

［70］ James GK，Adegokea JO，Sabab E，Nwilo P，Akinyede J.Satellite-based assessment of the extent and changes in the mangrove ecosystem of the Niger Delta.Marine Geodesy，2007，30(3):249-267.

［71］ VaiPhasa C，Boer WF，Skidmore A K，Panitehart S，VaihPasa T，Banirongrugsa N，Santitanmont P.Impact of solid shrimp pond waste materials on mangrove growth and mortality:a case study from Pak Phanang，Thailand.Hydrobiologia，2007，591(1):47-57.

［72］ Giri C，Pengra B，Zhu Z L，Singh A，Tieszen L L.Monitoring mangrove forest dynamics of the Sundarbans in Bangladesh and India using multitemporal satellite data from 1973—2000.Estuarine，Coastal and Shelf Science，2007，73(1/2):91-100

［73］ Rakotomavo A，Fromard F.Dynamics of mangrove forests in the Mangoky river delta，Madagascar，under the influence of natural and human factors.Forest Ecology and Management，2010，259(6):1161-1169.

［74］ Kairo J G，Kivyatu B，Koedam N.Application of remote sensing and GIS in the management of mangrove forests within and adjacent to Kiunga marine protected area，Lamu，Kenya.Environment，Development and Sustainability，2002，4(2):153-166.

［75］ Kay R J，Hick P T，Houghton H J.Remote sensing of kimberley rainforests//McKenzie N K，Johnston R B，Kendrick P G，eds.Kimberley Rainforests.Surr:Surrey Beatty，1991:41-51.

［76］ Neukermans G，Dahdouh-Guebas F，Kairo J G，Koedam N.Mangrove species and stand mapping in Gazi bay(Kenya)using Quickbird satellite imagery.Journal of Spatial Science，2008，53(1):75-86.

［77］ Wang L，Sousa WP，Gong P.Integration of object-based and pixel-based classification for mapping mangroves with IKONOSimagery.International Journal of Remote Sensing，2004，25(24):5655-5668.

［78］ Held A，Ticehurst C，Lymburner L，Williams N.High resolution mapping of tropical mangrove ecosystems using hyperspectral and radar remote sensing.International Journal of Remote Sensing，2003，24(13):2739-2759.

［79］ Wang L，Sousa W P，Gong P，Biging G S.Comparison of IKONOSand QuickBird images for mapping mangrove species on the Caribbean coast of Panama.Remote Sensing of Environment，2004，91(3/4):432-440.

［80］ Liu Z G，Li J，Lim B L，Seng C Y，Inbaraj S.Object-based classification for mangrove with VHR remotely sensed image.Proceedings-Spie the International Society for Optical Engineering，2007，6752(3):83-87.

［81］ Gao J.A hybrid method toward accurate mapping of mangroves in a marginal habitat from SPOT multispectral data.International Journal of Remote Sensing，1998，19(10):1887-1899.

［82］ Green E P，Mumby P J，Edwards A J，Clark C D，Ellis A C.The assessment of mangrove areas using high resolution multispectral airborne imagery.Journal of Coastal Research，1998，14(2):433-443.

［83］ Rasolofoharinoro M，Blasco F，Bellan M F，Aizpuru M，Gauquelin T，Denis J.A remote sensing based methodology for mangrove studies in Madagascar.International Journal of Remote Sensing，1998，19(10):1873-1886.

［84］ Ramsey E W，Jensen J R.Remote sensing of mangrove wetlands:relating canopy spectra to site-specific data.Photogrammetric Engineering and Remote Sensing，1996，62(8):939-948.

［85］ Mumby P J，Green E P，Edwards A J，Clark C D.The cost-effectiveness of remote sensing for tropical coastal resources assessment and management.Journal of Environmental Management，1999，55(3):157-166.

［86］ Proisy C，Mougin E，Fromard F，Karam M A.Interpretation of polarimetric radar signatures of mangrove forests.Remote Sensing of Environment，2000，71(1):56-66.

［87］ Mougin E，Proisy C，Marty G，Fromard F，Puig H，Betoulle J L，Rudant J P.Multifrequency and multipolarization radar backscattering from mangrove forests.IEEE Transaction on Geoscience and Remote Sensing，1999，37(1):94-102.

［88］ Kovacs J M，Vandenberg C V，Flores-Verdugo F.Assessing fine beam RADARSAT-1 backscatter from a white mangrove(Laguncularia racemosa(Gaertner))canopy.Wetlands Ecology and Management，2006，14(5):401-408.

［89］ Giri C P，Delsol，JP.Mangrove forest cover mapping in Phangnga Bay，Thailand，Using SPOT HRV and JERS-1 data in conjunction with GIS.In Proceedings of International Seminar on Remote Sensing for Coastal Zone and Coral Reef Applications，Bangkok，Thailand，25 October-1 November 1993.

［90］ Wang Y，Imhoff M L.Simulated and observed L-HH radar backscatter from tropical mangrove forests.International Journal of Remote Sensing，1993，14(15):2819-2828.

［91］ Dwivedi R S，Rao B R M，Bhattacharya S.Mapping wetlands of the Sundaban Delta and it's environs using ERS-1 SAR data.International Journal of Remote Sensing，1999，20(11):2235-2247.

［92］ Rao B R M，Dwivedi R S，Kushwaha SP S，Bhattacharya S N，Anand J B，Dasgupta S.Monitoring the spatial extent of coastal wetlands using ERS-1 SAR data.International Journal of Remote Sensing，1999，20(13):2509-2517.

［93］ Lucas R M，Carreiras J，Proisy C，Bunting P.ALOSPALSAR applications in the Tropics and Subtropics:characterisation，mapping and detecting change in forests and coastal wetlands//Proceedings of Second ALOSPI Symposium，Rhodes，Greece，3-7 November 2008.Available online:http://amapmed.free.fr/AMAPMED_fichiers/Publications_fichiers/Lucas08.pdf(accessed on 30 October 2009).

［94］ Hernández Cornejo R，Koedam N，Ruiz Luna A，Troell M，Dahdouh-Guebas F.Remote sensing and ethnobotanical assessment of the mangrove forest changes in the Navachiste-San Ignacio-Macapule Lagoon Complex，Sinaloa，Mexico.Ecology and Society，2005，10(1):1-19.

［95］ Souza Filho P W M，Paradella W R.Recognition of the main geobotanical features along the Bragan?a mangrove coast(Brazilian Amazon Region)from Landsat TM and RADARSAT-1 data.Wetlands Ecology and Management，2002，10(2):121-130.

［96］ Pasqualini V，Iltis J，Dessay N，Lointier M，Guelorget O，Polidori L.Mangrove mapping in North-Western Madagascar using SPOT-XSand SIR-C radar data.Hydrobiologia，1999，413:127-133.

［97］ Lucas R M，Ellison J C，Mitchell A，Donnelly B，Finlayson M，Milne A K.Use of stereo aerial photography for quantifying changes in the extent and height of mangroves in tropical Australia.Wetlands Ecology and Management，2002，10(2):159-173.

［98］ Claudia K，Andrea B，Steffen G Tuan Vo Q，Stefan D.Remote sensing of mangrove ecosystems:a review.Remote Sensing，2011，3(5):878-928.

［99］ Lang H Q.Protection and Research of Wetlands in China.Shanghai:East China Normal University Press，1998:415-419.

［100］ Blasco F，Bellan M F，Chaudhury M U.Estimating the extent of floods in Bangladesh using SPOT Data.Remote Sensing of Environment，1992，39(3):167-178.

［101］ Sirikulchayanon P，Sun W X，Oyana T J.Assessing the impact of the 2004 tsunami on mangroves using remote sensing and GIS techniques.International Journal of Remote Sensing，2008，29(12):3553-3576.

［102］ Selvam V，Ravichandran K K，Gnanappazham L，Navamuniyammal M.Assessment of community-based restoration of Pichavaram mangrove wetland using remote sensing data.Current Science，2003，85(6):794-798.

［103］ Tong P H S，Auda Y，Populus J，Aizpura M，Habshi A A，Blasco F.Assessment from space of mangroves evolution in the Mekong Delta，in relation to extensive shrimp farming.International Journal of Remote Sensing，2004，25(21):4795-4812.

［104］ Seto K C，Fragkias M.Mangrove conversion and aquaculture development in Vietnam:a remote sensing-based approach for evaluating the Ramsar Convention on Wetlands.Global Environmental Change，2007，17(3/4):486-500.

［105］ Xin K，Huang X.Landscape change of the mangrove forest in Dongzhai Harbor of Hainan and its driving forces.Wetland Science and Management，2009，5(2):46-47.

［106］ Zharikov Y，Skilleter G A，Loneragan N R，Taranto T，Cameron B E.Mapping and characterising subtropical estuarine landscapes using aerial photography and GISfor potential application in wildlife conservation and management.Biological Conservation，2005，125(1):87-100.

［107］ Ren H，Wu X M，Ning T Z，Huang G，Wang J，Jian S G，Lu H F.Wetland changes and mangrove restoration planning in Shenzhen Bay，Southern China.Landscape and Ecological Engineering，2011，7(2):241-250.

［108］ Fu B J.Trends and priority areas in ecosystem research of China.Geographical Research，2010，29(3):383-396.

［109］ Xu W T，Wu B F.Progress on measuring forest biodiversity with remote sensing technique.Acta Ecologica Sinica，2005，25(5):1199-1204.

參考文獻:

［1］ 林鵬.紅樹林.北京:海洋出版社，1984.

［2］ 范航清.紅樹林海岸環保衛士.南寧:廣西科學技術出版社，2000:32-37.

［3］ 廖寶文，李玫，陳玉軍，管偉.中國紅樹林恢復與重建技術.北京:科學出版社，2010.

［5］ 王玉圖.中國紅樹林生態系統健康評價指標體系研究.北京:中國科學院，2010:7-10.

［7］ 劉亮，范航清，李春干.廣西西端海岸四種紅樹植物天然種群生境高程.生態學報，2012，32(3):690-698.

［8］ 李文華.我國生態學研究及其對社會發展的貢獻.生態學報，2011，31(19):5421-5428.

［9］ 李文華，張彪，謝高地.中國生態系統服務研究的回顧與展望.自然資源學報，2009，24(1):1-10.

［10］ 蘇岫，趙冬至，黃鳳榮，吳濤，王祥.基于高空間分辨率的紅樹林衛星遙感監測技術進展.熱帶海洋學報，2011，30(3):38-45.

［21］ 李春干.紅樹林遙感成圖研究綜述.中南林業調查規劃，2002，2(4):52-58.

［28］ 毛麗君.基于遙感的廣東湛江紅樹林濕地動態變化研究.南京:南京林業大學，2011.

［40］ 林榮盛，林敏基，滕駿華，章文毅.廈門西港紅樹林的衛星遙感測繪.臺灣海峽，1994，13(3):297-302.

［41］ 魏筱芳，林敏基，滕駿華，陳世敢，楊肖琪.紅樹林區遙感測繪動態圖的編繪與設計——以海南島清瀾港為實驗區.臺灣海峽，1995，14(3):226-234.

［42］ 滕駿華，劉宇，顧德宇.紅樹林遙感智能分類方法研究.臺灣海峽，1997，16(3):331-338.

［43］ 李春干，譚必增.基于“3S”的紅樹林資源調查方法研究.自然資源學報，2003，18(2):215-221.

［44］ 李春干，譚必增.紅樹林資源調查的遙感圖象處理方法研究.中南林業調查規劃，2003，22(2):24-27.

［45］ 李天宏，趙智杰，韓鵬.深圳河河口紅樹林變化的多時相遙感分析.遙感學報，2002，6(5):364-369.

［46］ 鄧國芳.遙感技術在紅樹林資源調查中的應用.中南林業調查規劃，2002，21(l):27-28.

［47］ 李四海，王華，蔣興偉.中巴資源衛星在紅樹林遙感調查中的應用研究.海洋通報，2003，22(6):30-35.

［48］ 于祥，趙冬至，張豐收.遙感技術在紅樹林生態監測與研究中的應用進展.海洋環境科學，2005，24(1):76-80.

［49］ 劉凱，黎夏，王樹功，鐘凱文，錢峻屏.珠江口近20年紅樹林濕地的遙感動態監測.熱帶地理，2005，25(2):111-116.

［50］ 陳凌云，胡自寧，鐘仕全，梁文，石劍龍.應用遙感信息分析廣西紅樹林動態變化特征.廣西科學，2005，12(4):308-311.

［51］ 方圣輝，佃袁勇，周源.基于IKONOS數據的紅樹林分類方法研究.測繪信息與科學，2005，30(4):5-6.

［52］ 于祥，趙冬至，張豐收，肖忠峰.紅樹林高光譜分析技術研究.濱州學校學報，2006，22(6):53-56.

［53］ 黎夏，葉嘉安，王樹功.紅樹林濕地植被生物量的雷達遙感估算.遙感學報，2006，10(3):387-396.

［54］ 張偉，蘭樟仁，李崢，張東水.紅樹林衛星遙感影像快鳥數據預處理方法.福建林業科技，2006，33(4):77-81.

［55］ 曹慶先.北部灣沿海紅樹林生物量和碳貯量的遙感估算.北京:中國林業科學研究院，2010.

［56］ 李明詩，譚瑩，潘潔，彭世揆.結合光譜、紋理及地形特征的森林生物量建模研究.遙感信息，2006，(6):6-9.

［57］ 翁強，盧昌義.衛星遙感技術在紅樹林生態監測與研究中的應用進展.三明學院學報，2006，23(2):141-147.

［58］ 于祥，趙冬至，張豐收，肖忠峰.基于神經網絡的紅樹林景觀特性遙感提取技術研究.海洋環境科學，2007，26(6):576-579.

［59］ 張懷清，趙峰，崔麗娟.紅樹林濕地恢復遙感動態監測技術研究.林業科學研究，2008，21(增刊):32-36.

［60］ 李偉，崔麗娟，張曼胤，王義飛.遙感技術在紅樹林濕地研究中的應用述評.林業調查規劃，2008，33(5):1-7.

［61］ 李建軍.廣東湛江紅樹林生態系統空間結構優化研究.長沙:中國林業科技大學，2010.

［62］ 趙玉靈.珠江口地區近30年海岸線與紅樹林濕地遙感動態監測.國土資源遙感，2010，86(增刊):178-184.

［63］ 李姍姍，田慶久.北部灣紅樹林的HJ星多光譜遙感提取模式.中國科學:信息科學，2011，41(增刊):153-165.

［64］ 曹慶先，徐大平，鞠洪波.北部灣沿海5種紅樹林群落生物量的遙感估算.廣西科學，2011，18(3):289-293.

［65］ 吳培強，馬毅，李曉敏，余國華.廣東省紅樹林資源變化遙感監測.海洋學研究，2011，29(4):16-24.

［66］ 陳一萌，楊 陽.惠州紅樹林資源的遙感監測應用研究.熱帶地理，2011，31(4):373-376.

［67］ 張雪紅.基于知識與規則的紅樹林遙感信息提取.南京信息工程大學學報:自然科學版，2011，3(4):341-345.

［99］ 郎惠卿.中國濕地研究和保護.上海:華東師范出版社，1998:415-419.

［105］ 辛琨，黃星.海南東寨港紅樹林景觀變化與原因分析.濕地科學與管理，2009，5(2):46-47.

［108］ 傅伯杰.我國生態系統研究的發展趨勢與優先領域.地理研究，2010，29(3):383-396.

［109］ 徐文婷，吳炳方.遙感用于森林生物多樣性監測的進展.生態學報，2005，25(5):1199-1204.