《Ecological Indicators》:Revealing the spatiotemporal evolution and dominant drivers of natural vulnerability in China's coastal islands by remote sensing
编辑推荐:
在气候变暖与海平面上升的背景下,开展岛群自然脆弱性格局研究对构建完整生态安全屏障具有关键意义。研究人员利用谷歌地球引擎(Google Earth Engine, GEE)平台,基于改进归一化水体指数(Modified Normalized Difference
在气候变暖与海平面上升的背景下,开展岛群自然脆弱性格局研究对构建完整生态安全屏障具有关键意义。研究人员利用谷歌地球引擎(Google Earth Engine, GEE)平台,基于改进归一化水体指数(Modified Normalized Difference Water Index, MNDWI)与Otsu自动阈值分割法识别了中国沿海869个面积大于0.2 km2的岛屿。基于多维空间特征,K-means聚类将这些岛屿划分为四种类型:大型不规则近岸岛(Large Irregular Nearshore Islands, LINI)、中型规则离岸岛(Medium Regular Offshore Islands, MROI)、小型不规则近岸岛(Small Irregular Nearshore Islands, SINI)和中型规则近岸岛(Medium Regular Nearshore Islands, MRNI)。研究人员构建了融合生态、地形与水文动力特征的岛屿自然脆弱性指数(Island Natural Vulnerability Index, INVI),用以评估2015—2024年间不同岛屿类型的时空演化特征。结果表明,中国沿海岛屿整体呈脆弱性加剧趋势:中度脆弱岛屿由168个增至312个,高度脆弱岛屿由8个增至36个;LINI与SINI退化速度最快,而MROI保持相对稳定。不同因素在不同时间尺度上对岛屿自然脆弱性产生影响:地形与植被覆盖为主要长期控制因素,海洋动力因素尤其是平均波高(Mean Wave Height, MWH)则产生短期放大效应。与以往单一岛屿研究不同,本研究综合岛屿面积、形态与位置差异,有效评估了不同岛屿类型的自然脆弱性,从而提升了评估结果的可比性与区域适用性。基于研究发现,研究人员提出针对性策略以缓解岛屿脆弱性持续加剧,包括优先干预快速退化岛屿,并对高度敏感的SINI实施预防性保护。
该研究发表于《Ecological Indicators》。研究背景方面,岛屿作为保护海洋环境与维持生态平衡的关键平台,其独特的地理位置、有限面积与显著空间隔离构成了岛屿最显著的特征与固有条件。中国无人岛屿约占总数96%,大多数岛屿未受到渔业捕捞、旅游活动和海岸工程等直接且长期的人类活动影响,在此条件下,生态演替主要由温度、湿度、波浪侵蚀和地形变异的综合效应所驱动。由于干扰类型与程度各异,岛屿表现出不同的脆弱性特征。生态脆弱性可分为自然潜在脆弱性与现实压力脆弱性:前者反映自然环境的固有敏感性与恢复能力,主要受自然背景条件控制;后者指由外部扰动(尤其是人类活动及其他外部压力)引发或加剧的生态脆弱性。
当前岛屿生态脆弱性研究已从多因素、多视角广泛展开,但现有评估体系主要源于陆地生态评估方法,未能充分捕捉自然岛屿的固有生态特征。岛屿作为被海洋包围的隔离陆块,其自然脆弱性主要受海洋动力条件、岛屿形态与地形变异控制,因此亟需建立针对岛屿特定特征的评估框架,综合考虑陆地与海洋环境因素。此外,以往研究多集中于单一岛屿或同一地理区域内的多个岛屿,研究尺度通常限于局部区域或特定岛群,当扩展至更广区域时,岛屿在形态、大小和空间配置上差异显著,直接套用单一评估框架可能引入偏差,故需在脆弱性评估前进行岛屿分类。
研究方法方面,研究人员采用多因子分析对中国岛屿进行分类并评估其自然脆弱性。技术路线包括四个阶段:(1)岛屿识别:利用GEE平台提取2015—2024年间中国海域岛屿空间分布数据;(2)岛屿分类:基于提取的边界计算岛屿几何参数,采用K-means聚类划分悲痛类型,明确不同岛屿类型的空间尺度与形态特征;(3)岛屿自然脆弱性评估:从生态覆盖、地形地貌与水文动力三个维度构建INVI,综合分析不同岛屿类型的自然脆弱性特征及其与地理形态属性的影响关系;(4)保护管理决策:根据不同岛屿类型特征确定保护优先级,实施分类措施并提出针对性的岛屿保护管理行动。
关键技术方法细化如下:岛屿识别采用MNDWI结合Otsu自动阈值分割法,利用Sentinel-2多光谱影像绿波段与短波红外波段增强水陆对比度,优先选取低潮影像以界定岛屿最大外轮廓,通过Otsu法自动确定最优阈值实现水陆二值分割,生成水体掩膜以区分岛屿与水体;共处理6192景Sentinel-2影像,采用40×20格网法,经云掩膜处理后生成中值合成影像,拼接形成空间连续的岛屿边界数据集;后期通过面积阈值法消除岛屿内部空洞,并与全球海岸线矢量(Global Shoreline Vector, GSV)参考数据集及人工目视解译进行交叉验证。空间信息提取采用ArcGIS 10.8提取岛屿面积与周长,保留大于0.2 km
2的岛屿,离岸距离定义为岛屿质心与GCL_FCS30全球海岸线数据集中大陆海岸线的最近距离,同时计算紧凑度、伸长率及Boyce-Clark径向形状指数(Boyce-Clark Radial Shape Index, BCI)。精度验证采用平均绝对偏差(dˉ)和交并比(Intersection over Union, IoU)进行一致性检验。
岛屿分类采用K-means聚类法,基于面积、周长、离岸距离、紧凑度、伸长率和BCI等关键属性,对数变换处理后进行聚类,通过肘部法确定最优聚类数为4;采用Kruskal-Wallis检验进行统计验证,Dunn检验进行事后两两比较,Holm-Bonferroni方法校正p值以控制多重比较导致的假阳性。自然脆弱性评估构建两级指标体系,涵盖生态覆盖率(MNDWI、归一化植被指数(Normalized Difference Vegetation Index, NDVI)、归一化建筑裸土指数(Normalized Difference Bareness and Soil Index, NDBSI)、地表温度(Land Surface Temperature, LST))、地形(坡度、高程)和水文动力(MWH)三个维度;采用Min-Max标准化处理,通过主成分分析(Principal Component Analysis, PCA)确定客观权重以消除信息冗余,最终按INVI值将脆弱性分为健康(0≤INVI≤0.2)、良好(0.2
研究结果部分,"岛屿提取精度验证"表明:2500个随机样本点的平均绝对误差为15.76 m,68%样本点偏移小于1像素,86%以上在3像素内;总体IoU达0.8622,面积加权IoU达0.9338,主要岛屿空间分布与参考数据集一致。
"岛屿规模与几何形态特征"显示:岛屿面积和周,,中位数分别为1.16 km
2和7.02 km;呈近岸聚集格局,离岸距离中位数8.22km;形态上低紧凑度、高伸长率为普遍特征,BCI中位数稳定于1.5左右。空间分异与区域地质构造及地貌成因一致:北部黄海-渤海基岩岛紧凑度较高;长江口崇明岛呈典型冲积沙岛 elongated形态;南部南海珊瑚岛受生物礁系统约束呈条带或圆形分布。
"岛屿类型分类"通过K-means聚类确定k=4为最优聚类数,轮廓 analysis 显示k=4时轮廓系数最高(0.6081)。四类岛屿特征如下:LINI(n=23)面积最大(均值274.9 km
2)、高伸长率(2.10)和BCI(1.68)、低紧凑度(0.16)、近岸分布(20.7 km),代表岛屿包括舟山岛、崇明岛;MROI(n=28)离岸距离极远(428.8 km)、形态最规则(紧凑度0.47、BCI1.21),代表岛屿包括西沙群岛的永兴岛、金银岛;SINI(n=489)数量最多、面积最小(4.92 km
2)、高伸长率和BCI、近岸分布,代表岛屿包括桃花岛;MRNI(n=110.084,130.032)面积21.68 km
2、离岸最近(13.69 km)、伸长率最低(1.67)、形态较规则,代表岛屿包括曹妃甸、大长山岛。典型海域分布显示舟山群岛类型多样性最丰富,湛江湾呈复合分布特征。
"自然脆弱性的整体时序变化"表明:2015—2024年间中国沿海岛屿脆弱性整体上升。健康岛屿从40个减至16个(降幅60%),良好岛屿从191个减至121个(降幅36.6%);轻度脆弱岛屿持续下降,从462个降至384个;中度脆弱岛屿增至312个(增幅85.7%),高度脆弱岛屿从8个增至36个。三个阶段动态特征不同:2015—2018年等级保持率76.5%,以退化为主(22.1%);2018—2021年保持率最高(81.0%),改善比率(11.5%)超过退化(7.4%);2021—2024年波动最剧烈,保持率降至59.3%,总退化比率达30.4%,大规模由轻度脆弱向中度脆弱转移占35.2%。
"不同岛屿类型的脆弱性演化"显示:LINI占总数2.65%,高度脆弱比例从9.5%升至23.8%,INVI均值从0.509升至0.591;MROI占3.22%,为系统内脆弱性最低群体,2015—2021年健康(26.1%)和良好(39.1%)等级比例稳定;SINI占56.27%,是整体退化的主要驱动者,中度脆弱比例从20.7%升至43.3%;MRNI占37.86%,中度脆弱比例从17.8%升至27.9%。系统整体演变由SINI和MRNI主导,两者内部由轻度脆弱向中度脆弱的等级转移是系统脆弱性上升的主要驱动力。
讨论部分,"岛屿脆弱性变化的主导驱动因素"分析表明:(1)高程、坡度和NDVI为主要影响因素:高程和坡度与INVI持续正相关,陡坡区域是自然脆弱性的主要贡献者,极端降雨事件下易触发滑坡、泥石流等重力侵蚀灾害;NDVI负相关性最强,植被通过根系固土和冠层截流减缓土壤侵蚀,茂密植被区岸线后退速率低于裸露区。(2)其他因素中,NDBSI呈中等正相关(0.41—0.68),裸地覆盖度高的区域对应更高INVI;LST和MWH的相关性呈年际波动,为动态、事件驱动的扰动因素而非稳定决定因素。2018年MWH相关性峰值(0.498)与该年频繁台风活动及平均波高1.18 m、29个台风生成相关,加剧了海岸侵蚀与淹没风险。
"不同岛屿类型的脆弱性差异"分析发现:MROI对LST敏感,相关系数(0.589)高于其他类型,与其距大陆最远、面积较小、地理隔离度高、形成相对独立微气候与生态单元有关,缺乏大陆调节效应使其对全球气候变暖和区域温度异常更敏感。LINI和SINI虽面积差异大,但脆弱性因素相关性相似,表明近岸岛屿脆弱性主要与地形、植被等陆基特征相关,面积并非区分脆弱性成因的变量。LINI的自然脆弱性与岛内地形与地表覆盖条件相关,高程和NDBSI为主要正向因素,NDVI负相关(?0.899),受水文动力和热环境因素影响相对较小。SINI具有高伸长率特征,岸线相对面积更长,增加了波浪侵蚀和风暴潮暴露边界,外部水动力力量易穿透整个系统,几何形态限制了植被的纵深庇护效应。MRNI与MWH因素相关性(0.367)高于概念车高于LINI和MROI,反映近岸浅水区的水动力响应机制:根据浅水波浪理论,波浪由深水向浅水传播时周期不变、波长缩短、波高增加,底部摩擦和地形诱导导致波浪剧烈变形破碎,对岛缘产生更直接的物理侵蚀压力。
"差异化管理策略"提出:LINI和MRNI脆弱性明显增加,2021—2024年LINI高度脆弱岛屿从零增至5个(占23.8%),MROI高度脆弱岛屿从3个增至12个,与紧邻大陆、区位利于开发导致的NDVI下降和NDBSI上升有关,应作为优先管理目标,管理策略从常规监测转向主动干预,实施严格土地利用管制;SINI呈现广泛系统性退化特征,489个岛屿中中度脆弱岛屿从98个增至205个,管理重点在于构建预防性保护体系,建立高分辨率遥感监测预警网络,选择生态状态最优岛屿建立微生态保护核心区;MROI脆弱性结构最稳定,十年间高度脆弱岛屿仅从1个增至4个,健康与良好等级岛屿数量变化极小,其"距离衰减效应"限制了陆基人类开发干扰,但隔离同时切断了扩散过程和外部生态补偿途径,管理应聚焦长期气候变化适应与生态系统保育,建议将这28个岛屿整体划定为气候变化适应性管理特区,建立长期生态观测系统,严格限制非必要登岛活动。
研究优势与局限性方面,本研究聚焦自然属性进行岛屿分类,所有指标均可从遥感方法和公开数据集获取,具有易获取、数据源统一、时空覆盖广、客观性高的特点,利用GEE和多源遥感数据实现了869个岛屿的自动化连续监测。局限性在于:主要基于遥感反演和再分析数据,未能充分捕捉强台风、风暴潮等局部极端事件的瞬时影响,难以完全反映短时间尺度的突脆弱性变化;K-means聚类假设球形聚类和欧氏距离,可能未完全契合岛屿属性;PCA虽消除多重共线性,但会损失部分非线性特征信息;驱动因素方面主要考察自然变量与脆弱性变化的相关性,直接因果路径尚未定量验证;NDBSI作为地表暴露/裸地压力指标,可能同时捕捉人为影响,削弱了自然脆弱性框架的概念纯粹性。
研究结论翻译:本研究提出了一种基于多源遥感数据和空间形态特征的中国沿海岛屿自然脆弱性分类评估方法。869个面积大于0.2 km
2的岛屿被划分为四种代表性类型,并利用INVI量化了2015—2024年间的脆弱性动态变化。为揭示多维属性组合,本研究采用K-means聚类结合肘部法,根据空间和形态特征对岛屿进行分类,最优聚类结果将岛屿分为LINI、MROI、SINI和MRNI四种类型。研究期间整体INVI上升,中度脆弱岛屿从168个增至312个,高度脆弱岛屿从8个增至36个;LINI和SINI退化趋势最强,而MROI保持相对稳定。地形和植被是岛屿自然脆弱性的主要长期控制因素,高程、坡度和NDVI持续解释了INVI的大部分空间差异,而波高等海洋动力因素主要贡献于短期波动。岛屿脆弱性因此反映了内在地貌条件与外部环境强迫的共同影响。所提出的INVI评估框架可支持大规模岛屿筛查和差异化保护规划,包括对快速退化岛屿的优先干预和对敏感岛群的预防性保护。未来研究将引入因果推断模型,并与岛屿生物地理学和恢复力理论相结合,以定量分析驱动路径,全面提升INVI评估框架的理论深度和准确性。