揭示不同空间梯度下红树林时间动态背后的全球性因果规律

《Environmental Impact Assessment Review》:Revealing global causal patterns underlying mangrove temporal dynamics across spatial gradients

【字体: 大 中 小 】 时间:2026年07月17日 来源:Environmental Impact Assessment Review 12.2

编辑推荐:

  Siyu Qian|Zhaohui Xue|Kourosh Khoshelham|Yuanwei Qin中国南京211100,河海大学地球科学与工程学院摘要红树林是重要的沿海生态系统,其变化受多种环境因素的共同影响。然而,以往的研究大多依赖线性相关性分析,且常常忽视空间异质性,因

  
Siyu Qian|Zhaohui Xue|Kourosh Khoshelham|Yuanwei Qin
中国南京211100,河海大学地球科学与工程学院

摘要

红树林是重要的沿海生态系统,其变化受多种环境因素的共同影响。然而,以往的研究大多依赖线性相关性分析,且常常忽视空间异质性,因此难以确定驱动全球红树林时间动态的主导因素。在本研究中,我们提出了一种条件感知型神经格兰杰因果关系网络(CA-NGC),用以揭示环境因素与红树林时间动态之间的全球性因果规律。该网络借助特定的红树林生境条件,通过神经网络架构从遥感时间序列数据中推断出复杂的非线性因果关系。研究结果表明,全球91.2%的红树林时间动态主要与多种环境因素相关。红树林时间动态的全球性因果模式呈现出明显的地理梯度结构(经度方向的相关系数为η2 = 0.509,纬度方向的相关系数为η2 = 0.458)。在高纬度地区,温度是主导因素;而向赤道区域过渡时,多因素共同作用的模式愈发复杂,其中东赤道地区的复杂性最高。在各类环境因素中,风速与红树林动态的时间稳定性呈正相关关系(ρ=0.44,p<0.05)。我们的研究量化了各类环境因素的因果效应,为针对不同区域的红树林保护工作提供了重要依据。此外,所提出的CA-NGC框架还可应用于其他生态系统,帮助揭示它们与环境因素之间的独特因果关系,从而进一步提升我们对变化中的生态系统动态的理解。

引言

红树林生态系统具有多种功能,包括稳定海岸线、调节气候以及维护生物多样性(Dabala等,2023;Fu等,2025a)。红树林广泛分布于热带和亚热带地区,这些地区的植被绿度提升会带来净生物物理冷却效应(Zeng等,2017;Forzieri等,2017),进而有助于调节区域乃至全球的气候(Piao等,2020;Gui等,2025)。鉴于红树林的生态重要性,了解环境因素如何影响红树林的时间动态,对于制定针对性的管理措施以及保障其长期可持续性至关重要。然而,全球范围内不同环境因素对红树林生态系统的影响程度存在差异(Roma?ach等,2018;Jiang等,2021;Hagger等,2022;Fu等,2025b)。如何系统地理解不同区域和不同地貌条件下环境因素与红树林时间动态之间的复杂关系,依然是一个重大挑战。
要了解环境因素如何影响红树林的时间动态,面临着两大核心挑战。(i)复杂的多元响应机制。红树林的时间动态是由盐度、温度和降水量等多种环境因素共同作用形成的(Xie等,2022;Chen等,2024;Chen等,2025;Liu等,2025;Liu和Zeng,2026)。(ii)空间异质性。环境因素与红树林动态之间的关系具有很强的地域依赖性,不同区域和不同地貌条件下的主导控制因素也各不相同(Hagger等,2022;Purwanto等,2025)(见图1)。基于上述背景,厘清环境因素与红树林时间动态之间这些复杂且多样化的关系虽困难重重,但却是理解红树林生态系统的关键。
目前已有基于遥感的技术研究探索过环境因素与红树林时间动态之间的关系。在区域尺度上,通过相关性分析发现,红树林的时间动态与降水量(Pastor-Guzman等,2018;Khan等,2025;Prihantono等,2022)、温度(Vázquez-Lule等,2019)以及海表盐度(Wang等,2025)存在关联。但区域尺度的研究可能无法呈现全球尺度上的多样模式。在全球尺度上,通过归一化植被指数测得的红树林密度和健康状况,也被证实与降水量和温度呈正相关(Ruan等,2022)。不过,现有研究大多依赖相关性分析来探讨这些关系,这类方法容易因变量共线性而出现虚假关联,且缺乏因果解释性。同时,全球尺度的研究也忽视了这些关系中的空间异质性,导致全球层面的因果模式尚未被揭示。
考虑到传统研究方法的局限性,机器学习作为一种强大的工具,逐渐被用来梳理影响红树林生态系统的复杂关系。目前,机器学习已被广泛应用于解决各种复杂的红树林生态问题(Zhao等,2026),应用范围涵盖分析导致空间分布变化的环境因素(Maina等,2021;Feng等,2024)、量化森林特征(Rovai等,2021),以及模拟碳封存过程(Singh等,2022;Yang等,2025)等。机器学习为拓展传统研究方法、弥补当前在理解环境因素与红树林时间动态相互作用方面的不足提供了有力支撑(Zhang等,2026)。
为揭示环境因素对红树林时间动态的综合影响,我们提出了条件感知型神经格兰杰因果关系网络(CA-NGC),该网络能够结合生境条件来量化全球层面的因果模式。与以往基于区域尺度的相关性研究相比,所提出的CA-NGC框架能够利用长期卫星观测数据,识别出多种环境因素的非线性及综合因果效应。具体而言,本研究旨在回答以下问题:(i)环境因素对全球红树林时间动态的因果效应是什么?(ii)这些因果效应会随着红树林生境条件的变化而发生怎样的改变?(iii)这些因果效应与红树林时间动态的稳定性之间存在何种关联?为解答这些问题,我们利用Landsat OLI和Sentinel-2 MSI提供的连续、高时间分辨率的卫星观测数据来构建红树林时间动态模型,随后运用所提出的CA-NGC网络量化不同生境条件下多种环境因素与红树林时间动态之间的因果关系。最后,通过分析这些推断出的关系,我们识别出了红树林的全球性因果模式,为针对不同区域开展红树林管理提供了科学依据。

章节节选

数据集与预处理

本研究使用的数据集包括红树林分布图、NDVI时间序列数据、环境因素变量以及与生境条件相关的数据,这些数据均来自不同的来源。

环境因素对红树林时间动态的因果效应

我们运用CA-NGC网络来量化各种环境因素的因果效应,并确定每种因素的相对影响力。研究发现,在全球52.8%的红树林分布区域内,温度是影响红树林时间动态的首要因素,其次是降水量(19.6%)、风速(15.9%)和短波辐射(11.4%),而海表高度和盐度仅在少数区域起主导作用(见图3(a))。温度始终是影响红树林时间动态的最主要因素

验证CA-NGC网络在揭示全球因果模式方面的有效性

为验证所提出的CA-NGC模型的性能,我们开展了多项实验,从多个角度评估其推断因果关系的能力,包括使用合成数据进行的验证、空间一致性验证以及基于生态观测的验证。

结论

在本研究中,我们提出了CA-NGC网络,用于厘清环境因素与红树林时间动态之间复杂的非线性因果关系。这项工作的主要贡献在于构建了一种具备条件感知功能的因果推断网络。与传统基于相关性的分析方法不同,该网络能够量化多种环境因素对红树林动态的综合因果效应。通过这一网络,我们识别出了八种全球性的因果模式

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

S.Q.获得了中国中央高校基本科研业务费优秀博士论文培育项目(项目编号:B250205037)以及江苏省研究生科研实践创新计划(项目编号:KYCX25_0955)的支持。Z.X.则得到了中国国家自然科学基金(项目编号:42271324)以及自然资源部陆地卫星遥感应用重点实验室的支持
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号