0 引言

红树林是生长在热带、亚热带海岸潮间带或河流入海口的木本植物群落，被誉为“海岸卫士”“造陆先锋”“生物净化筛”，是国际上湿地生态保育和生物多样性保护的重要对象^{[1, 2]}。近半个世纪以来，由于人类对红树林的侵占和砍伐、水文条件的改变、气候变化和水域污染等，红树林资源急剧减少，全球35%的红树林在此期间消失^[3]。据统计，2000年我国红树林面积比1950年减少约50%^[4]。而在过去的50年，广西红树林面积减少22.16%，年均减少率为0.53%^[4]。红树林生长于海陆过渡的泥质潮间带，常规的野外测量方法难以开展大区域的红树林动态监测^[5]，因此，加强我国红树林遥感监测和管理研究对红树林保护具有重要意义。目前，红树林遥感研究在全球、国家和区域尺度上均取得较好研究进展^[6]。这些研究能够从宏观上认知红树林现状和变化，对于红树林生态研究和生态保护具有重要意义。但这些研究大多使用中、低分辨率遥感数据，对于图斑面积小、分布分散的红树林湿地不能有效识别^[7]，因而无法判读出红树林的种群和林分结构，不适宜应用于局地尺度。红海榄(Rhizophora stylosa)在我国仅分布于广西、广东、台湾和海南等地的沿海滩涂。目前，有关红海榄的研究侧重于生理结构^{[8, 9]}、功能^[9]、林分结构^{[10, 11]}和种群生态^{[12, 13]}、生物量^[14]等方面，未见有遥感精准识别方面的研究报道。红树林分布于地势开阔平坦的潮间带浅滩，实地调查方法难以进行，常规手段进行准确定位和描绘费时费力，且周期长、时效性差^[15]。因此，利用高分遥感影像进行中国红树林湿地的监测，不仅可以节省时间、人力、财力和物力，还可以快速而准确地制图^[4]。广西北海铁山港榄根村红树林正面临着围填海工程建设的威胁，急需对区域内生长有红海榄的红树林进行监测和保护。实验拟利用高分辨率Google Earth影像精准识别研究区域内的红海榄单株，获取研究区域红海榄的种群数量、冠幅、高程和空间分布等重要数据，为区域性红树林遥感监测、红海榄资源评估和保护提供依据。

1 材料与方法 1.1 研究样地概况

铁山港地处广西北海市沿海东部(图 1)，与广东省英罗港相邻，经纬度为109°26′00″-109°45′00″E，21°28′35″-21°45′00″N。铁山港湾口宽约32 km，全湾岸线长约170 km，海湾面积约34 000 hm²；年均气温22.9℃，最热月均温28.8℃，最冷月均温15.0℃，极端最低温1.5℃，年均降水量1 573.4 mm。铁山港湾属非正规全日潮海湾，平均潮差2.53 m，平均海面0.37 m(黄海基面)，平均高潮位1.62 m，平均低潮位-0.91 m。平均海面在当地水尺零面上4.99 m，黄海海面在当地水尺零面4.62 m。研究地点位于广西北海合浦铁山港东岸的榄子根村外围的红树林区，该区域的红树林面积约189 hm²，属于天然红树林，主要树种为白骨壤(Avicennia marina)和红海榄，有少量的秋茄(Kandelia candel)和桐花树(Aegiceras corniculatum)。

1.2 方法 1.2.1 红海榄图像的人工识别、标记和生态指标的测量

红海榄是常绿灌木或小乔木，支柱根发达，外貌深绿，林冠整齐平展，树高3-5 m，冠层直径多为2.0-3.0 m，地上根系幅度大，冠幅与地上根系几乎等大。白骨壤为灌丛状，高1.5-2.5 m，分枝多而低矮，群落颜色较红海榄稍浅。在Google Earth上可利用红海榄如下特征与白骨壤进行区别：红海榄冠幅近圆形或圆形，叶片呈深绿色；树高比白骨壤高，太阳投射下周围形成黑影；单株乔木在地图上表现出独立的斑块。提取植株斑点的难点主要是：较幼龄的红海榄冠幅较小，冠幅直径常小于1 m，在图像上较难辨识；另外在靠近边缘地带，植株稀疏，红海榄单株与白骨壤也较辨别。

选取2017年12月9日拍摄的上述区域的Google Earth的高清图像。在Google Earth高分影像上目视鉴别红海榄和白骨壤，直接在图上标记出红海榄的位置，记录下红海榄的个体定位(经纬度)和高程数据，并用标尺测量出红海榄的最大冠层直径(精确度0.01 m)。

1.2.2 实地验证和样方设置

于2018年9月8日和2018年11月6日，2次到榄根村红树林区进行红海榄坐标实地验证。实地勘察后，进行2次随机路线行走，将GPS定位的红海榄与Google Earth图像上的点进行对比覆盖；然后，进一步复查Google Earth图像上的红海榄，重点查看冠幅较小的红海榄，结合实地验证的结果，确认完善Google Earth图像上红海榄并标记。

为方便研究，根据红树林潮沟的自然走向，将研究区域大致划分为6个面积大小不等的斑块Q1、Q2、Q3、Q4、Q5、Q6。在Google Earth图像上(图 2)，分别在斑块Q1-Q6划线设置样方，样方面积均为100 m×100 m，分别统计各样方内红海榄单株数量。Q1-Q6斑块内设置的样方数分别为18, 24, 8, 10, 11, 18，合计89个。

1.2.3 数据分析

采用如下聚集度指标进行空间格局测定及聚集原因分析：

$ \text { Caasier (1962)扩散系数 } C=S^{2} / M \text {, } $

(1)

$ \text { 平均拥挤度指标 } M *=M+S^{2} / M-1, $

(2)

$ \rm { Davidh\;\&\; Moore\; (1954)\; 的 \;} I=S^{2} / M-1 \text {, } $

(3)

$ \text { Lloyd (1967)聚块性指标 } M * / M \text {, } $

(4)

$ \text { Kunou }(1968) \text { 的 } C_{\mathrm{A}}=\left(S^{2}-M\right) / M^{2}, $

(5)

$ \text { Waters (1959) 的负二项分布 } K \text { 值 } K=M /\left(S^{2} / M-1)\right. $

(6)

公式(1)-(6)中，M代表单位面积红海榄数量，S²代表方差。

2 结果与分析 2.1 红海榄种群数量

实地勘察后，将GPS定位的62株红海榄与Google Earth图像上的点进行对比覆盖，有55株红海榄位置重合，准确率达到88.71%，表明Google Earth标记红海榄位置较准确，可信。进一步复查Google Earth图像上的红海榄，重点查看冠幅较小的红海榄，结合实地验证的结果，确认完善Google Earth图像上红海榄的标记，最终标记848株红海榄(图 3)。

各斑块的面积、红海榄数量和密度如表 1所示。各斑块红海榄的密度为Q2>Q1>Q4>Q3>Q5>Q6。根据各斑块红海榄分布位置，初步判断研究范围内红海榄种群密度南向大于北向，向海方向大于向陆方向，斑块中心区域大于边缘区域。

2.2 空间分布格局

各斑块样方内红海榄的数量如表 2所示，通过表中数据可以计算各斑块样方的均值和方差。根据聚集公式测定6个斑块的各项聚集度指标(表 3)，可以看出M*/M>1，I>0，C_A>0，C>1，0 < K < 9，说明红海榄在各斑块呈聚集分布状态。聚集度指标是度量一个种群空间分布的聚集程度(随机、均匀或聚集)。种群的空间分布格局反映该种群个体在水平空间上的分布情况或彼此间的相互关系，不仅能够对种群水平结构进行定量的描述，而且能够揭示格局的成因，是种群与环境长期适应和选择的结果。研究区域内天然红海榄种群的空间分布格局为聚集分布，各斑块的聚集强度为Q2＞Q6＞Q4＞Q1＞Q5＞Q3。可能因为潮汐运动、高程等因素的影响，导致红海榄种群的分布格局呈现聚集分布，且聚集度较高。

2.3 不同滩涂高程下红海榄种群数量分布

图 4直观地显示红海榄的分布与高程有着直接的联系，红海榄在不同高程下呈现一定的正态分布特征。在高程为1 m时，红海榄种群数量最多，达327株，占比38.6%；高程为2 m时，红海榄种群数量仅次于高程1 m时，有288株，占比34.0%；而高程在0 m和3 m时，红海榄相对少，仅有104株和73株，占比分别为12.3%和8.6%；高程时显示为-1 m时候还有33株，其余高程下红海榄数量较少。

2.4 不同冠幅红海榄的空间分布

红海榄冠幅与数量的关系如图 5所示。冠幅直径4 m以上的红海榄植株多分布于方块的中心位置。红海榄的扩散趋势从中心向四周扩展。冠幅1.00-1.99 m的红海榄有494株，数量最多，占比58.3%；冠幅在2.00-2.99 m的红海榄有253株，占比29.8%；冠幅在3.00-3.99 m的红海榄96株，占比11.3%；而冠幅在4.00-4.99 m的红海榄5株，占比0.6%。由图 5可以直观地看出，冠幅越小，红海榄的数量越多，由此反映出整片区域的天然红海榄种群年龄结构比较年青。综上可知，研究区域内的天然红海榄种群属于增长型，随着群落的发展和演替，红海榄种群数量将逐渐增加并取代白骨壤。

3 讨论

本研究能够成功实现红海榄的单株精准识别，关键因素是高分辨率的遥感影像和特定发展阶段的红海榄种群。目前市面上可获取的常见遥感影像主要有中国资源卫星日新图和谷歌地图。中国资源卫星日新图是国家卫星自主拍摄的地球影像图，中国区域大部分地区分辨率最高可达1 m(17级)，局部为2 m(16级)，并提供2018年以来的历史影像，相对于其他影像图，其特点是更新快；而谷歌地图近年来在中国地区拍摄的图像大部分是0.3 m精度(19级)，但是更新速度慢。本研究主要采用目视识别的方法来获取目标植物的点位，后期研究可加入机器学习等方法，使其达到智能化和自动化的水平。同时，通过不同时间序列高分影像的动态对比分析，可以使研究更加深入。另外，也可在红树林湿地中拓展应用场景，不仅可以有效识别自然扩散中的红海榄、木榄、无瓣海桑等单株红树植物，还可以利用高清影像有效区别成片的白骨壤群落、桐花树群落、秋茄群落、木榄(Bruguiera gymnorhiza)群落、鱼藤(Derris trifoliata)群落等，结合相关群落的生物物候特征，比如鱼藤的季节性落叶、白骨壤的大规模虫害集中爆发等协助判断群落的分布^[16]。

本研究仅简单地统计分析100 m×100 m样方的分布格局研究。实际上，在图像高分影像上识别出目标植物的点位后，可随意设置样方大小，对比不同样方大小的空间分布格局测试结果。若加入地统计学^[17]和R语言^[18]进行统计分析，或能获取更加完善的空间分布信息和规律。

本研究中，遥感图像中相关生态指标，比如高程、冠幅大小等与实际测的数据会有所差异，但这些结果可以大致反应相对大小，同时还可以反应出部分规律性特征，且这些数据可轻易获取，可重复，可验证，因而有一定的研究价值，可用于特定红树植物的适宜性分析^[19]。

4 结论

Google Earth高清影像可以精准识别冠幅直径1 m以上红海榄单株，初次识别的准确率达88.7%，可直接获取位置信息和高程信息，并且可以测量冠层的大小。识别结果显示，榄根村冠幅最大直径1 m以上的红海榄株数为848株，区域内的红海榄呈聚集分布；高程在1 m和2 m的红海榄株数最多，冠幅直径在1-2 m红海榄的数量最多；种群以幼树占多数，表明该区域的红海榄种群为增长型种群。通过该方法可以较全面地掌握区域内红海榄的种群数量和分布情况。