紅樹(shù)林生態(tài)系統是全球生產(chǎn)力最高、生物多樣性最豐富的生態(tài)系統之一。作為海陸交界的生態(tài)過(guò)渡帶，紅樹(shù)林提供了多種生態(tài)系統服務(wù)，如防風(fēng)消浪、促淤造陸、控制污染、調節氣候等；同時(shí)，其獨特的根系為各種魚(yú)類(lèi)、鳥(niǎo)類(lèi)和其他海洋生物提供良好的棲息地和覓食場(chǎng)所。紅樹(shù)林生態(tài)系統的保護、管理和恢復關(guān)乎人類(lèi)福祉。紅樹(shù)林與多項可持續發(fā)展目標(Sustainable Development Goals, SDGs)密切相關(guān)，如SDG 6、SDG 13、SDG 14等。精準的空間分布信息是評估全球紅樹(shù)林生態(tài)系統的健康狀況以及實(shí)施相應的保護策略的關(guān)鍵。

　　目前，已有10余套全球尺度紅樹(shù)林遙感數據產(chǎn)品。然而，受限于遙感影像的空間分辨率(如Landsat系列)等，早期的紅樹(shù)林數據產(chǎn)品難以精確刻畫(huà)紅樹(shù)林斑塊特征，如形狀、邊界等，同時(shí)也缺乏合理的空間細節。一些全球紅樹(shù)林遙感產(chǎn)品應用了部分區域的10米分辨率的衛星影像，但是由于沒(méi)有考慮到潮汐的周期性淹沒(méi)，或采用了傳統的基于像素的分類(lèi)方法，造成嚴重的漏分或“椒鹽”噪音。

　　為了克服這些困難，東北地理所賈明明副研究員、王宗明研究員在可持續發(fā)展大數據國際研究中心的支持下，聯(lián)合武漢大學(xué)、美國羅德島大學(xué)、俄克拉荷馬大學(xué)的合作者，利用遙感大數據和Google Earth Engine(GEE)云平臺，集成影像最大值合成算法(MSIC)以及面向對象機器學(xué)習算法(OBRF)，提出了一種高效、高精度、高魯棒性的紅樹(shù)林提取方法體系，構建了全球首套高空間分辨率(10米)的全球紅樹(shù)林分布數據集，命名為HGMF_2020.該方法體系的基本思路為：①利用現有的紅樹(shù)林數據集，確定全球紅樹(shù)林具體的分布范圍;②應用影像最大值合成算法在GEE平臺上合成全年最低潮影像;③結合面向對象分割和隨機森林算法，提取2020年全球紅樹(shù)林。以海南東寨港為例，基于OBRF算法進(jìn)行紅樹(shù)林提取的流程如圖1所示。

　　與之前發(fā)布的全球紅樹(shù)林數據相比，HGMF_2020具有如下三方面的優(yōu)勢：①空間分辨率更高，被精細刻畫(huà)的紅樹(shù)林斑塊包含具有地理學(xué)意義的屬性信息；②紅樹(shù)林斑塊空間形態(tài)完整、邊界清晰，可直接用于后續的研究和分析；③漏分誤差較低，包含更多零散分布的小面積紅樹(shù)林，總體制圖精度達到95%以上。

圖1. 基于面向對象方法和Sentinel-2影像的全球紅樹(shù)林制圖流程

　　研究結果顯示，2020年全球紅樹(shù)林總面積為145，068km²，面積范圍和空間分布如圖2所示，其中亞洲地區紅樹(shù)林資源最為豐富，約占全球總面積的39.2%；印度尼西亞紅樹(shù)林資源在所有國家中最為豐富，總面積約28，631km²，其次是巴西(12，149km²)和澳大利亞(10，530km²)。進(jìn)一步分析發(fā)現，全球共有紅樹(shù)林斑塊336，972個(gè)，其中95%以上斑塊的面積小于1km².可見(jiàn)全球紅樹(shù)林生境較為破碎。

圖2. 2020年全球紅樹(shù)林的面積范圍和空間分布

　　研究人員還分析了全球紅樹(shù)林的保護情況，結果顯示，全球44%的紅樹(shù)林位于保護地內部，這一數值略高于全球紅樹(shù)林聯(lián)盟發(fā)布的結果(42%)，其中南美地區受保護的紅樹(shù)林面積最大，南亞地區受保護的紅樹(shù)林比例最高。已有研究表明，海陸方向寬度大于100m的紅樹(shù)林具有顯著(zhù)的防風(fēng)消浪能力，寬度大于1,500m的紅樹(shù)林可將1 m高的海浪消減至0.05m。賈明明等人通過(guò)分析紅樹(shù)林林帶寬度，定量描述了紅樹(shù)林在抵御自然災害中的重要作用，結果顯示，全球幾乎所有的紅樹(shù)林都具有明確的防風(fēng)消浪作用。

圖3. 全球紅樹(shù)林保護的空間信息

　　HGMF_2020提供了最新的、分辨率最高的全球紅樹(shù)林的空間分布以及斑塊結構信息，可用于海岸帶保護與管理工作，并可以服務(wù)于聯(lián)合國可持續發(fā)展目標(SDGs)的評估。HGMF_2020數據集可在GEE平臺上直接查看，并隨文發(fā)布了數據下載地址。

　　本研究由東北地理所賈明明副研究員、王宗明研究員、毛德華研究員、任春穎研究員、宋開(kāi)山研究員、趙傳朋博士，武漢大學(xué)王超副教授，美國俄克拉荷馬大學(xué)蕭向明教授，美國羅德島大學(xué)王野喬教授共同完成，賈明明為第一作者，王宗明、王野喬為通訊作者。該研究成果以Research Article形式發(fā)表于Science Bulletin(IF = 20.577)期刊，得到可持續發(fā)展大數據國際研究中心開(kāi)放研究計劃(CBAS2022ORP06)、中國科學(xué)院戰略性先導科技專(zhuān)項(A 類(lèi))(XDA19040500)和中科院青年創(chuàng )新促進(jìn)會(huì )人才(2021227)項目等共同資助。

　　論文發(fā)表后，得到國際國內相關(guān)領(lǐng)域學(xué)者的高度關(guān)注。中國科學(xué)院院士、可持續發(fā)展大數據國際研究中心主任、中國科學(xué)院空天信息創(chuàng )新研究院郭華東研究員，國際著(zhù)名紅樹(shù)林遙感專(zhuān)家Dan Friess教授應Science Bulletin、《科學(xué)通報》期刊的邀請，分別為論文撰寫(xiě)了亮點(diǎn)述評。多位國際學(xué)者來(lái)函要求共享論文和數據。

　　文章鏈接：https://doi.org/10.1016/j.scs.2023.104505

　　引用信息：M. Jia, Z. Wang, D. Mao, C. Ren, K. Song, C. Zhao, C. Wang, X. Xiao, Y. Wang,Mapping global distribution of mangrove forests at 10-m resolution, Science Bulletin (2023), doi: https://doi.org/10.1016/j.scib.2023.05.004.