濱海濕地生態系統修復及其遙感技術應用進展的文獻計量學研究

摘要：濱海濕地通過減緩氣候變化和保護生物多樣性，在區域和全球生態系統健康方面發揮著重要作用。受人類活動、氣候變化、外來物種入侵等因素影響，我國部分地區的濱海濕地生態系統面臨生態系統功能受損，生物多樣性下降的危機。遙感是一種觀測范圍廣，可快速獲取大量可靠信息的成熟觀測技術，近30 年來在濱海濕地研究中被廣泛應用。對遙感技術在全球濱海濕地恢復領域的應用進行文獻計量分析，結果顯示：中國在2010 年首次超越美國成為該領域發文量最多的國家，代表性研究機構為中國科學院。關鍵詞聚類分析顯示濱海濕地生態系統演化、驅動因素以及修復技術研究，濱海沼澤濕地生態環境研究，水體信息反演研究，植被參數反演研究以及遙感技術研究是當前主要研究熱點。在全球氣候變化背景下，濱海生態系統面臨不可控風險日益 加劇，加強濱海濕地生態系統在不同時空維度下的響應和適應性研究迫切性日益凸顯。我國需要盡快制定與管理行動相關的地方監測與反饋政策，建立濱海濕地監測網并定期收集和分析數據，利用大數據和決策工具快速對相關決策進行修正。

關鍵詞：濱海濕地；生態系統；遙感技術；文獻計量

中圖分類號：P748；TP79 文獻標志碼：A 文章編號：2095-1329（2024）03-0137-07

濱海濕地廣泛分布于大陸海岸線邊緣，分布范圍覆蓋了除了南極洲以外的從熱帶到北極海陸交界生態過渡帶，兼具海洋和陸地特征的生態類型，具有特殊的水文、植被、土壤特征，主要分布于海岸、河口和三角洲地區，包括潮汐鹽堿地、咸水和淡水沼澤、潮汐淡水森林、海草場、紅樹林和潮汐鹽灘[1]。全國第二次濕地資源調查統計顯示，我國濕地總面積為5360.26×104 hm2，其中濱海濕地579.59×104 hm2，占自然濕地比重大約為12.42%。同時，我國的濱海濕地具有明顯的地域差異性：杭州灣以北地區多為沙質和淤泥質海灘，在山東半島和遼東半島局部地區見基巖海灘；杭州灣以南地區則多為基巖海灘，形成了眾多的河口和海灣，如錢塘江—杭州灣、珠江口灣和北部灣等[2-3]。

濱海濕地不僅具有重要的生態系統價值，也是全球氣候變化和生物地球化學循環的重要組成部分，在保護海岸帶免受風暴和海岸線侵蝕、調節水質、商業漁類養殖、增強生物多樣性以及為全球提供重要的碳匯等方面發揮著重要作用[4-5]。盡管濱海濕地只占不到0.2% 的全球海洋面積，但卻貢獻了海洋沉積物中所吸收的碳總量的近50%。鹽沼、海草和紅樹林的碳掩埋率平均在100 g·C/（m2·a） 以上，超過了許多陸地生態系統的平均水平，后者低于10 g·C/（m2·a）[6-7]。盡管如此，濱海濕地仍是地球上最受威脅的生態棲息地之一。這些生態系統的退化、土地用途轉向以及濕地損失，加速了微生物分解作用，向大氣釋放了更多溫室氣體，加劇了全球氣候變化[8-9]。中國的濱海濕地分布參見圖1。

濱海濕地的流失或退化引起了人們對濕地恢復的 高度重視。1971 年為了保護濕地18 個締約國簽署了《濕地公約》（Ramsar Convention），旨在通過國家行動和國際合作保護和合理利用濕地。中國于1992 年簽署加入該公約，成為第67 個締約國。2017 年我國為了進一步增強對濱海濕地的保護頒布了《海岸線保護與利用管理辦法》，2018 年發布《國務院關于加強濱海濕地保護嚴格管控圍填海的通知》加強了對濱海濕地的保護。2022 年6 月我國正式制定并實施《中華人民共和國濕地保護法》，確立了濕地保護管理的頂層設計，開啟了中國濕地保護法治化新征程。

國內外除了制定相關政策法規來管理和保護濱海濕地外，通過人工技術干預和修復濱海濕地生態系統，可以改善退化、受損和被破壞的濕地的結構和功能。

遙感技術具有觀測范圍廣、獲取信息快、信息量大、信息可比性強等獨特優勢，近30 年來已被廣泛用于濱海濕地生態系統修復之中[11]。國內外學者主要圍繞：（1）濱海濕地資源調查，如利用Landsat 時間序列圖像監測濕地動態[12]、多時相遙感影像優化濱海濕地土地變化評估[13]、利用無人機進行高分辨率遙感測繪[14]；（2）濱海濕地景觀分類、格局和動態監測，如利用遙感技術重現濱海濕地景觀格局演變與預測[15]、沿海景觀環境遙感指標研究[16]、基于Sentinel-1、Sentinel-2 和LiDAR 數據的濱海濕地分類[17]；（3）生態系統環境質量監測與評價，遙感技術用于生態系統服務功能的定量評估[18]、基于光學、雷達和LiDAR 在內的遙感技術對生態系統屬性全面動態評估[19] 等。

文獻計量學是以發文量、發文機構、被引文獻、關鍵詞時序演變及突現特征等作為分析對象，運用數學和計算機統計方法，分析學科發展過程、研究熱點演變、研究力量分布等，進而提出學科發展方向。隨著科技文獻發文大爆發，文獻計量成為了多學科發展態勢研究的重要方法[20-21]。知識圖譜具有處理大量文獻、多角度可視化分析、分析可信度高等優勢，彌補了傳統文獻綜述的不足[22]。

在本文中，我們利用知識圖譜專業軟件VOSviewer和文獻計量學的原理方法，以發表在Web of Science 數據庫中的高水平學術論文的研究為切入點，嘗試對遙感技術在濱海濕地修復中的應用進行多維度、定量化、可視化研究。通過詳細統計與濕地修復相關的學術論文的發表數量、作者信息、發文機構、文獻被引頻次、關鍵詞分析等五個關鍵指標，我們將揭示遙感技術在濱海濕地修復領域的熱點動態、發展過程和未來趨勢，以期對該領域有全面的認識。此外，我們還將通過這些關鍵指標，深度挖掘遙感技術在濱海濕地研究領域的理論基礎、前沿熱點和生產實踐，為本領域的可持續發展提供科學支撐。

1 數據來源與研究方法

Web of Science 是國際權威的綜合性學術信息資源，在進行科學分析與科學評價時該數據庫被視為重要的檢索工具。本文 以“（（（Littoral OR tidal OR Coastal OR“Shallow sea” OR “Neritic sea” OR “shallow water”）Near Wetland*） OR （Estuarine OR Estuary OR IntertidalOR Subtidal OR Beach OR Lagoon） and wetland*） OR（Mire* OR Swamp* OR Marsh* OR “Tidal mudflat*”）Near wetland*） or （（“Sea meadow” OR seagrass* OR“sea grass*” OR “Coral reef*” OR mangrove） NEARwetland*） and （“Remote* Sens*” OR MultitemporalOR Multi-temporal OR Multispectral OR HyperspectralOR “unmanned aerial” OR “unmanned aircraft” ORsatellite*））”作為檢索詞，在Web of Science 數據庫進行檢索，收集1900—2020 年期間收錄的所有SCI-E 和CPCI文獻信息，并對其國家、機構、期刊以及熱點關鍵詞等信息進行計量分析，對專業研究領域的現狀進行分析。

2 結果與討論

本次統計分析了SCI 在1900 年至2020 年期間收錄的有關濱海濕地遙感技術應用論文共計859 篇，其中有關濱海濕地生態的論文共計447 篇，有關遙感技術在濱海濕地生態修復中的應用類論文共計61 篇。本文將分別對濱海濕地遙感技術應用總體研究趨勢，以及遙感技術在濱海濕地生態修復中的應用這兩個方向的研究趨勢展開分析。

2.1 濱海濕地遙感技術應用論文產出分析

20 世紀60 年代以來，世界各國針對其濕地的退化情況，積極采取了濕地生態修復措施。遙感技術由于獲取數據的制約條件少，不受地面條件限制，被廣泛用于濱海濕地生態修復。由圖2 所示，1980—2002 年濱海濕地遙感技術的發文量較少，大多數情況年發文數量不足10篇。2003—2012 年發展較快，年發文量突破20 篇，最高達42 篇。2013 年之后發文量快速增長，年發文量持續在一個較高水平，2019 年發表量最高為96 篇。

通過對與濱海濕地生態遙感技術應用相關的447 篇論文統計分析，顯示遙感技術應用于濱海濕地生態學起源于1993 年，直至2008 年進入快速發展時期，尤其是2018 年以后，年論文發表進入爆發期，突破60 篇（圖3）。

2.2 國別分析

對期刊論文作者通訊地址的統計分析，可再現濱海濕地遙感技術在不同國家的應用情況。論文分析了1980—2020 年期間發文量前15 的國家，如表1，美國發文量位列第一（327 篇），其次為中國（276 篇）、加拿大（53 篇）、澳大利亞（48 篇）、印度（35 篇）等。

通過發文數量的國別統計可以得到兩個明顯認識。一是，以美國、加拿大和澳大利亞等為代表的發達國家，其濱海濕地遙感技術的理論研究和實踐應用整體領先于發展中國家，這顯然與發達國家起步早、技術和經驗積累豐富等因素有關。二是，以中國和印度為代表的發展中國家在該領域發展迅速、表現亮眼；中國在該領域發表的期刊論文數量在2010 年超越美國，成為全球翹楚，顯示出強大的政策和財政支持力度。

濱海濕地生態學遙感技術應用領域發文量前五位國家分別為中國（169 篇）、美國（164 篇）、澳大利亞（26 篇）、加拿大（26 篇）和印度（14 篇）。如圖4 所示，排名前5 位國家中，中國和美國在濱海濕地生態學遙感技術應用方面優勢突出，美國起步早，我國起步晚，在2010 年我國首次超越美國，隨后發文量快速增長，保持與美國并駕齊驅的態勢，說明我國對濱海濕地生態學遙感應用研究越來越重視。從國家合作關系來看（圖5），我國與美國合作最為密切，其次是加拿大、澳大利亞及德國。

2.3 技術熱點和前沿技術識別

（1）主要期刊來源分析

由于不同期刊涵蓋領域、側重點以及讀者受眾都存在差異，通過追溯所聚焦領域文獻的期刊來源，能夠幫助學者用最佳途徑發現本領域內的權威期刊，及時了解到濱海濕地遙感技術應用的最新研究成果案例，助力科學家快速發表高水平學術成果，具有重要的科學價值和現實意義。研究發現（表2），過去40 年，發表于濱海濕地遙感技術領域15 本頂級期刊的論文數量能夠占到總發文量的40%。進一步的研究發現，這些頂級期刊中，有約1/3 的影響影響因子達到或超過4.0（以2020 年為例），也從側面反映了濱海濕地遙感技術研究與應用是當前學界研究的前沿和熱點，受到眾多學者關注。

如圖6 所示發文量前15 期刊中，近幾年在《RemoteSensing》《Journal of Coastal Research》《Remote Sensingof Environment》發表論文數量增長較快。《RemoteSensing》2020 年影響因子為4.509，《Journal of CoastalResearch》和《Journal of Environmental Management》2020年影響因子分別為0.793 和9.085。說明上述期刊為濱海濕地遙感技術領域的熱點期刊。

遙感技術應用于濱海濕地生態學論文發表前15 位期刊如表3 所示，排名第一的為《Remote Sensing》（42 篇）被引607 次，第二位為《Remote Sensing of Environment》（24篇）被引1299 次，第三位為《Journal of Coastal Research》（21篇）被引456 次。

（2）主要研究機構分析

1980 年至2020 年期間，在濱海濕地遙感技術領域發文量前10 機構如表4 所示。前10 名的發文機構來自于美國（7 個）和中國（3 個），總發文量達291 篇（占總發文量的29.16%）。前10 名機構中，中國科學院發文量排名第一，為78 篇，占總發文量的9.21%。美國地質調查局發文量位居第二（39 篇），但被引次數最多，為1214 次。華東師范大學位列第三，總發文量為28 篇，總被引次數為544 次。

濱海濕地遙感技術研究領域主要機構合作關系圖可以再現機構間合作關系。圖7 顯示，中國科學院大學和美國地質調查局是國際合作最為活躍的兩大科研機構，并且中國科學院大學與美國、印度、加拿大等科研機構都保持著密切合作。除中國科學院以外，華東地區以華東師范大學、南京大學、復旦大學和寧波大學之間合作緊密。

（3）關鍵詞熱點分析

論文關鍵詞統計分析可以呈現研究領域科研動態與研究熱點。本文列舉了前15 個高頻關鍵詞（表5）。從關鍵詞隨時間變化圖（圖8）中可以看出，遙感技術從2005年開始活躍于濱海濕地研究領域，其中遙感技術用于紅樹林濕地研究尤為活躍，其次是用于濕地資源變化監測、濱海沼澤濕地研究、濱海濕地分類等方面。此外，遙感技術近些年與雷達、GIS 相結合也是濱海濕地研究的熱點之一。

本文通過VOSviewer 再現濱海濕地遙感技術領域，構建關鍵詞共現網絡圖譜（圖9），并采取“標簽視圖（LabelView）”呈現圖譜。圖譜中，單個節點代表了1 個關鍵詞/ 術語，大小代表出現頻次，越大說明出現頻次越高，顏色代表不同聚類類型。

通過VOSviewer 對濱海濕地遙感技術關鍵詞聚類分析得到5 個聚類，代表了該領域主要的研究方向。（1）濱海濕地生態系統演化、驅動因素以及修復研究，主要關鍵詞包括Management、Delta、Lagoon、Ecosystems、CoastlineChange、Change detection、Impacts、Erosion、reclamation、Landsat。（2）濱海沼澤濕地生態環境研究，主要關鍵詞包括Salt marsh、tidal marsh、sea-level rise、sediment、sedimentation、carbon、climate change、Spartina alterniflora。（3）水體信息反演研究，主要關鍵詞包括water、quality、scale、model、chlorophyl。（4）植被參數反演研究，主要關鍵詞包括vegetation indexes、phragmites-australis、abovegroundbiomass、hyperspectral、spectroscopy、refl ectance。（5）遙感技術研究，主要關鍵詞包括classifi cation、lidar、accuracy、inundation、mapping wetlands、sar 等。

3 主要結論和建議

（1）1980—2002 年濱海濕地遙感技術的發文量（SCI和CPCI 論文）較少，2003—2012 年發展較快，2013 年之后相關文獻數量快速增長。遙感技術應用于濱海濕地生態學起源于1993 年，直至2008 年進入快速發展時期，尤其是近三年發文量增長 迅速。

（2）1980—2020 年期間美國發文總量第一，其次是中國、加拿大、澳大利亞、印度等國。美國、加拿大與澳大利亞三個發達國家在2005 年以前發文量明顯高于中國和印度，說明發達國家比發展中國家起步要早。2010年中國首次在濱海濕地遙感技術應用領域發文量超越美國，躍居第一。

（3）主要研究機構前10 發文機構中來自于美國（7 個）和中國（3 個），其中中國科學院發文量最高，其次是美國地質調查局和華東師范大學。中國科學院大學和美國地質調查局是國際合作最為活躍的兩大科研機構。

（4）關鍵詞聚類分析顯示五個熱點研究主題，分別是：濱海濕地生態系統演化、驅動因素以及修復研究，濱海沼澤濕地生態環境研究，水體信息反演研究，植被參數反演研究，遙感技術研究。

未來，我國應當進一步加強遙感技術在資源量評估，生態系統評價、恢復和重建的應用。同時，在全球氣候變化背景下，濱海生態系統面臨不可控風險日益加劇，應加強濱海濕地生態系統在不同時空維度下的響應和適應性研究。

同時，制定計劃與當地專家協商，并適應每個地方的需求。面對氣候變化等日益嚴峻的挑戰，靈活應對當地壓力將顯得尤為重要。過去的政策缺乏與管理行動相關的地方監測和反饋，這對于指導政策達到預期效果也至關重要。每個沿海地區都應該監測中國海岸線的變化，以及環境和人類驅動因素，如海平面上升、侵蝕- 沉積和人口壓力。定期收集和分析數據，利用大數據和決策工具快速對規劃進行修正。以國家和區域優先事項為框架，恢復應基于每個地方生態系統的結構、功能、組成和服務。

參考文獻（References）

[1] MOFFETT K B， NARDIN W， SILVESTRI S， et al. Multiple stable states and catastrophic shifts in coastal wetlands： progress， challenges， and opportunities in validating theory using remote sensing and other methods[J]. Remote Sensing， 2015，7（8）：10184-10226.

[2] 牛振國， 張海英， 王顯威， 等. 1978-2008 年中國濕地類型變化[J]. 科學通報，2012，57（16）：1400-1411.

NIU Z G， ZHANG H Y， WANG X W， et al. Mapping wetland changes in China between 1978 and 2008[J]. Chinese Science Bulletin，2012，57（16）：1400-1411.

[3] 周晶， 章錦河， 陳靜， 等. 中國濕地自然保護區、濕地公園和國際重要濕地的空間結構分析[J]. 濕地科學，2014，12（3）：1-9.

ZHOU J， ZHANG J H， CHEN J， et al. Analysis of spatial structure on wetland nature reserves， wetland parks and international important wetlands in China[J]. Wetland Science， 2014，12（3）：1-9.

[4] DUARTE C M， LOSADA I J， HENDRIKS I E， et al. The role of coastal plant communities for climate change mitigation and adaptation[J]. Nature Climate Change， 2013，3（11）：961-968.

[5] DUARTE C M. Reviews and syntheses： hidden forests， the role of vegetated coastal habitats in the ocean carbon bud get[J]. Biogeosciences，2017，14（2）：301-310.

[6] MCLEOD E， CHMURA G L， BOUILLON S， et al. A blueprint for blue carbon： toward an improved understanding of the role of vegetated coastal habitats in sequestering CO2[J]. Frontiers in Ecology and the Environment， 2011，7：362-370.

[7] WAYCOTT M， DUARTE C M， CARRUTHERS T J B， et al. Accelerating loss of seagrasses across the globe threatens coastal ecosystems[J].Proceedings of the National Academy of Sciences， 2009，106（30）：12377-12381.

[8] LINWOOD， PENDLETON， DANIEL， et al. Estimating global “blue carbon” emissions from conversion and degradation of vegetated coastal ecosystems[J]. Plos One， 2012. doi：10.1371/journal.pone.0043542.

[9] LOVELOCK C E， ATWOOD T， BALDOCK J， et al. Assessing the risk of carbon dioxide emissions from blue carbon ecosystems[J]. Frontiers in Ecology and the Environment， 2017，15：257-265.

[10] SUN Z G， SUN W G， TONG C， et al. China’s coastal wetlands： conservation history， implementation efforts， existing issues and strategies for future improvement[J]. Environment International， 2015，79：25-41.

[11] 劉潤紅， 梁士楚， 趙紅艷， 等. 中國濱海濕地遙感研究進展[J]. 遙感技術與應用，2017，32（6）：998-1011.

LIU R L， LIANG S C， ZHAO H Y， et al. Progress of Chinese coastal wetland based on remote sensing[J]. Remote Sensing Technology and Application， 2017，32（6）：998-1011.

[12] JIN H， HUANG C， LANG M W， et al. Monitoring of wetland inundation dynamics in the Delmarva Peninsula using Landsat time-series imagery from 1985 to 2011[J]. Remote Sensing of Environment， 2017，190：26-41.

[13] ALLEN Y C， COUVILLION B R， BARRAS J A. Using multi temporal remote sensing imagery and inundation measures to improve land change estimates in coastal wetlands[J]. Estuaries and coasts， 2012，35（1）：190-200.

[14] SAMIAPPAN S. Using unmanned aerial vehicles for high-resolution remote sensing to map invasive Phragmites australis in coastal wetlands[J].International Journal of Remote Sensing， 2017，38（8-10）：2199-2217.

[15] ZHANG Y， QU J， LI D. Evolution and prediction of coastal wetland landscape pattern： an exploratory study[J]. Journal of Coastal Research，2020，106（S1）：553.

[16] KLEMAS V. Remote sensing of landscape-level coastal environmental indicators[J]. Environmental Management， 2001，27：47-57.

[17] JAMALI A， MAHDIANPARI M. Transformer and deep convolutional neural networks for coastal wetland classification using Sentinel-1，Sentinel-2， and LiDAR Data[J]. Remote Sens， 2022，14，359.

[18] FENG X， FU B， YANG X， et al. Remote sensing of ecosystem services： an opportunity for spatially explicit assessment[J]. Chinese Geographical Science， 2010（6）：14.

[19] LI Z， XU D， GUO X. Remote sensing of ecosystem health： opportunities， challenges， and future perspectives[J]. Sensors， 2014，14（11）：21117-21139.

[20] 俞煒煒， 馬志遠， 張愛梅， 等. 海洋生態修復研究進展與熱點分析[J]. 應用海洋學學報，2021，40（1）：100-110.

YU W W， MA Z Y， ZHANG A M， et al. Research progress and hotspot analysis of marine ecological restoration[J]. Journal of Applied Oceanography， 2021，40（1）：100-110.

[21] 吳勝男， 王曉峰， 劉婷婷， 等. 基于CiteSpace 的濕地恢復研究進展[J]. 生態學報，2022，42（3）：1224-1239.

WU S N， WANG X F， LIU T T， et al. Research progress of wetland restoration based on CiteSpace[J]. Acta Ecological sinica， 2022，42（3）：1224-1239.

[22] 高云峰， 徐友寧， 祝雅軒， 等. 礦山生態環境修復研究熱點與前沿分析——基于VOSviewer 和CiteSpace 的大數據可視化研究[J]. 地質通報，2018，37（12）：2144-2153.

GAO Y F， XU Y N， ZHU Y X， et al. An analysis of the hotspot and frontier of mine eco-environment restoration based on big data visualization of VOSviewer and CiteSpace[J]. Geological Bulletin of China， 2018，37（12）：2144-2153.