Remote sensing monitoring and landscape pattern change of Malaysia Matang mangrove during 2010－2020
-
摘要:
本文以Landsat 5、Landsat 7、Landsat 8多时相卫星遥感影像为基础，使用支持向量机与专家解译相结合的方法提取红树林信息，统计分析了2010－2020年红树林的面积和形态变化情况，并使用土地利用转移矩阵和景观格局指数对马登红树林进行评价。结果显示：2010－2020年，马登红树林的面积呈有增有减的曲折变化趋势，2020年马登红树林的面积为396.59 km2，增加19.41 km2，其中2019－2020年马登红树林的面积增加最多，增长速率为31.56 km2/a；马登红树林的减少是因为池塘养殖和陆地作物的种植，增加是因为红树林的自然恢复和人工种植；马登红树林的斑块破碎化程度略微加重，斑块形状趋于复杂化，但聚集度很高，2011－2015年人类对红树林的干扰程度最强。本文的研究结果可为马登红树林保护区的管理提供理论指导。
Abstract:Based on Landsat 5, Landsat 7 and Landsat 8 multi temporal satellite remote sensing images, this paper extracts mangrove information by using the combination of support vector machine and expert interpretation, statistically analyzes the mangrove area and morphological changes in recent 11 years (2010－2020), and evaluates Matang mangrove by using land use transfer matrix and landscape pattern index. The results show that: In recent 11 years, the area of Matang mangrove has shown a tortuous trend of increase and decrease. By 2020, the area of Matang mangrove will be 396.59 km2, with an overall increase of 19.41 km2 from 2010 to 2020. From 2011 to 2020, the area of Matang mangrove will increase the most, with an annual growth rate of 31.56 km2/a. From 2011 to 2020, the decrease of Matang mangrove is mainly due to pond culture and land crop planting, and the increase is mainly due to the natural recovery and artificial planting of mangrove. The patch fragmentation of Matang mangrove has increased slightly in recent 11 years. The human disturbance to mangrove is the strongest from 2011 to 2015. The shape of mangrove patch tends to be complex in recent 11 years, but the aggregation degree of mangrove patch is very high. The results can provide a theoretical basis for the decision-making of the management department of Matang Mangrove Reserve in Malaysia.
-
红树林是生长在热带地区隐蔽海岸的一种常绿灌木或乔木树林，常见于海水渗透的河口、潟湖或有泥沙覆盖的珊瑚礁上[1]。红树林有极高的生态价值，其高效的固碳能力能够改善空气中二氧化碳的含量，其发达的根系可以减弱海浪、大风对海岸的侵袭，是海岸带的天然卫士。同时，其凋落物中有机质含量丰富，是许多蟹类和鸟类重要的食物来源。
随着人类对滨海湿地的利用和开发，全球红树林的面积呈逐年减少趋势[2]，因此，监测红树林的面积和形态变化对海洋环境的保护尤为必要。在遥感监测中，由于Landsat卫星发射较早，拥有较长时间的历史数据，且容易获取，国内大多数学者使用此卫星数据研究红树林[3-4]。此外，还有学者对我国广西壮族自治区[5]、广东省[6]、海南省[7]、泰国[8]、孟加拉国[9]红树林做过大量的遥感监测及研究工作。红树林遥感监测的提取方法经历了从目视解译法、植被指数法、最大似然法到支持向量机法等过程。
目前，对马登红树林的动态变化研究多集中在1993－2011年[10-15]，对近些年马登红树林的动态变化却鲜有报道。此外，景观格局指数是重要的生态学意义指标，被广泛应用于生态保护区的评价中，但马登红树林缺少该指标的评价。因此，本文以2010－2020年马登红树林的面积和形态变化为重点，开展相关的研究工作。马登红树林的破坏与恢复并存，对其景观指数的研究可以分析人为干扰对红树林的破碎化和内部连通性的影响程度。马登红树林是马来西亚面积最大的红树林，但大部分都被用来轮作砍伐，保护区的面积仅占17.4%，生产区占马登红树林总面积的74.8%、限制性生产区占6.8%[15]，生产区和限制性生产区的红树林允许被砍伐，红树林可被破坏的范围较广。本文通过支持向量机结合目视解译的方法，分析了近11年马登红树林面积的动态变化，通过土地利用转移矩阵和景观指数方法，研究了马登红树林的斑块破碎性、形状复杂程度以及受人类活动的干扰程度。
1 材料与方法
1.1 研究区概况
马登红树林保护区位于马来西亚西半岛北部的霹雳州，是马来西亚半岛面积最大的红树林 [16]。马登红树林保护区属于热带雨林气候，每年5月至9月、11月至次年3月是季风季节。终年高温多雨的气候为红树林的生长创造了适宜的环境，马来西亚半岛的红树林长势茂盛，种类繁多。霹雳州区域受半日潮影响，潮汐振幅为3.3 m，淡水通过地面径流进入保护区。
1.2 数据源
马登红树林遥感监测以2014－2020年的Landsat 8 专题制图仪（thematic mapper，TM）影像，2010年、2011年Landsat 5 陆地成像仪(operational land imager ，OLI）影像，2012年、2013年Landsat 7增强型专题制图仪（enhanced thematic mapper ，ETM+）影像为数据源（如表1所示）。影像数据来自美国地质调查局的地球资源观测与科学中心（united states geological survey，USGS），分辨率均为30 m，为避免云层干扰，利用同一时间的卫星传感器影像作为辅助数据。
表 1 主要遥感影像数据列表Tab. 1 1 List of main remote sensing image data序号 卫星名称 分辨率 成像时间 1 Landsat-5 30 m 2010-02-16 2 Landsat-5 30 m 2011-04-08 3 Landsat-7 30 m 2012-04-18 4 Landsat-7 30 m 2013-03-20 5 Landsat-8 30 m 2014-10-09 6 Landsat-8 30 m 2015-03-18 7 Landsat-8 30 m 2016-02-01 8 Landsat-8 30 m 2017-10-17 9 Landsat-8 30 m 2018-06-30 10 Landsat-8 30 m 2019-08-20 11 Landsat-8 30 m 2020-02-28 1.3 研究方法
1.3.1 影像预处理
首先，筛选遥感影像，选择云覆盖度小且无数据损失的遥感影像。陆地卫星拥有近红外和短红外波段，这两个波段可以将陆地植被和红树林较好地区分开。本研究选择相同分辨率的卫星遥感影像，以避免因分辨率不同造成的尺度干扰，通过ENVI 5.3对遥感影像进行波段组合、几何校正、镶嵌、裁剪、假彩色合成等预处理，形成可视化的图片输出。
Landsat-7 ETM+数据自2003年后存在条带缺失问题，这是由于增强专题制图仪的扫描线矫正器发生故障，导致全景数据中 25%的区域存在黑色条带，但数据本身保留了良好的辐射和几何性质，修复后仍可用于一些特殊领域，本文采用ENVI5.3 软件运行相应的插件计算，修复后效果较好，最后将Landsat-7 ETM+影像进行RGB-543假彩色合成处理。
1.3.2 红树林提取方法
各地物间的光谱差异带来遥感成像上的不同，在光谱空间中光谱值相近地物的可分离度较低，因此，需要分析不同波段红树林与油棕的光谱特征差异（如图1）。在可见光波段，植物反射率主要受植物叶片中叶绿素等成分的影响，因红树植物与油棕叶片成分相近，因此，红树林的光谱值与油棕的光谱值很接近，导致可见光波段不能作为区分红树林和油棕的有效波段。在近红外波段，植物反射率主要与植物叶子内部的细胞结构有关，由于红树植被常年被海水淹没，植物叶片的内部结构和冠层含水量都与陆地植被有较大的差别，在此波段红树植物的反射率明显低于油棕。在短红外波段，植物的光谱特性受叶片总含水量的影响较大，红树植物与油棕在此波段的光谱特性差别最大，因此，可利用近红外和短红外波段区分红树林和油棕。
![]()
图 1 遥感影像不同波段地物光谱特征Fig. 1 Spectral characteristics of ground objects in different bands of remote sensing images根据研究区的地物组成特点及光谱空间特征，将研究区周边的地物分为红树林、陆地植被、池塘养殖、海水、建筑用地和裸地。结合Google Earth Pro及历史数据，在遥感影像中建立红树林及其他地物的解译标志，真彩色图像如图2，图2红树林与油棕作物光谱值相似，不易判别。遥感影像经假彩色合成处理后如图3所示，红树林与油棕间界限明显，与其他地物可利用色调和空间分布特征进行区分。此外，红树林分布在潮间带地区，通常成片分布、纹理细腻，利用这些特征建立红树林与周围地物的解译标志。
本文使用支持向量机方法进行有监督分类，并在ArcGIS软件中计算红树林的面积并制作专题图，本文技术流程如图4所示。
1.3.3 景观格局分析方法
在众多的景观格局分析方法中，景观指数的应用最为广泛。景观格局指数能够高度浓缩景观格局的空间信息，反映其结构组成和空间配置等方面的特征[17]。
景观指数分为三个层次：斑块水平指数、斑块类型水平指数、景观水平指数，为了研究红树林斑块的破碎化、离散程度以及人类活动对红树林动态变化的影响程度，本文选用斑块类型水平指数评价红树林的变化情况，具体包括斑块类型面积(class area，CA)、最大斑块指数(largest patch，LPI)、分离度指数(splitting index，SPLIT)、形状指数(landscape shape index，LSI)、斑块内聚力指数(patch cohesion index，COHESION) 。其中，CA直接反映红树林增减变化情况，SPLIT用于测量红树林景观的分离度和破碎性， LPI衡量人类活动强弱， LSI评价红树林斑块形状的复杂度，COHESION反映红树林斑块内部结构的连接程度。
2 结果与讨论
2.1 分类精度分析
红树林信息提取的精度通过混淆矩阵总体精度和Kappa系数两个指标进行衡量。本文结合Google Earth 数据在遥感影像中建立验证数据点，对2010－2020年的马登红树林分类结果建立混淆矩阵。通过矩阵分析评价红树林的提取精度，平均分类精度为96.22%，平均Kappa系数为0.94，提取精度能够满足对红树林的监测。
2.2 马登红树林历史变化分析
本文通过马登红树林2010－2020年遥感影像解译得到红树林的分布信息，提取分布范围后，分别计算每个时期的面积（表2）及变化趋势（图5）。 2010－2020年，马登红树林面积增加了19.41 km2，逐年变化有增、有减，表现为曲折变化。其中，2011－2012年，马登红树林面积急剧减少，减少速率为39.71 km2/a；2019－2020年，红树林面积急剧增加，增长速率为31.56 km2/a。2015年马登红树林面积最小（358.59 km2），2011年面积最大（407.15 km2）。2011－2012年，马登红树林被人类破坏严重，减少的面积最多；2019－2020年，马登红树林面积增加最多，恢复较好；2020年，马登红树林面积为396.59 km2。通过马登红树林的面积变化可以看出，马来西亚政府对马登红树林制定的管理方案是有效的，砍伐和恢复活动是有序的。
表 2 2010－2020年红树林面积变化Tab. 2 Change of mangrove area from 2010 to 2020年份 面积/km2 面积变化/km2 年变化率/（%） 2010 377.18 2011 407.15 29.97 7.95% 2012 367.44 −39.71 −9.75% 2013 396.72 29.28 7.97% 2014 386.49 −20.66 −2.58% 2015 358.59 −27.9 −7.22% 2016 385.31 26.72 7.45% 2017 373.81 −11.5 −2.98% 2018 379.65 5.84 1.56% 2019 365.03 −14.62 −3.85% 2020 396.59 31.56 8.65% 2.3 马登红树林土地利用变化分析
土地利用转移矩阵是分析土地利用变化的常用方法，利用矢量数据建立转移矩阵如表3所示，池塘、海洋、陆地植被、红树林、建筑、裸地构成了研究区全部地物类型。2011－2020年，土地利用变化在6种地物间相互转化，马登红树林减少了10.56 km2，主要由池塘养殖和陆地作物种植所致，有19.87 km2的红树林变为池塘，另一部分红树林变为陆地植被，还有11.49 km2的红树林变为裸地。2011－2020年，约16.24 km2的人工种植作物转为红树林，自然恢复生长的面积为9.33 km2。总体来看，红树林减少的主要原因是其被转为池塘养殖和陆地植被，次要原因是人为砍伐、破坏。
表 3 2011－2020年马登红树林保护区土地利用转移矩阵/km2Tab. 3 Land use transfer matrix of Matang mangrove nature reserve from 2011 to 20202011年 2020年 池塘养殖 海水 红树林 建筑 陆地植被 裸地 池塘养殖 3.26 6.12 0.32 1.10 0.15 海水 6.91 3.55 0.27 0.14 0 红树林 19.87 1.84 0.56 16.24 11.49 建筑 0.29 0 0 7.47 0.03 陆地植被 7.42 2.35 20.45 10.56 1.34 裸地 1.18 0.02 9.33 0.08 1.34 2.4 近11年马登红树林景观分布特征
近11年马登红树林景观指数曲线如图6所示，具有以下特征。
![]()
6 2010－2020年马登红树林景观格局指数变化6 Change of landscape pattern index of Matang mangrove during 2010－2020（1） 最大斑块指数和分离度指数都可以从不同角度反映斑块的破碎化程度。最大斑块指数是某一斑块类型中面积最大的斑块占整个斑块面积的比例，值越小，斑块破碎化程度越大。分离度指数是指某一斑块类型中不同斑块个体分布的离散程度。斑块破碎化程度和离散程度越大，说明人类活动对红树林的干扰越严重；斑块破碎化程度和离散程度越小，说明人类对红树林破坏较轻或恢复较好。
使用最大斑块指数和分离度指数对马登红树林分析可知，2010－2011年，最大斑块指数增大，分离度指数减小，同时，红树林面积增加，说明人类砍伐面积减少，人工种植的红树林生长状态良好。2011－2012年，分离度指数和最大斑块指数均增大，红树林面积减少，表明红树林恢复生长和继续砍伐的现象同时存在，但砍伐的面积大于恢复生长的面积。2012－2013年，分离度指数减小，红树林面积增加，期间红树林恢复生长状态良好，红树林人工种植面积多于砍伐面积。2013－2015年最大斑块指数在下降，分离度指数变大，同时红树林面积减少，表明人类对红树林的砍伐范围进一步扩大，砍伐区域没有集中分布，而是在各个区域零散分布。2015－2016年，红树林最大斑块指数增大，分离度指数减小，人类在砍伐区种植的红树林幼苗生长茂盛。
2016－2017年，最大斑块指数减小，分离度指数增大，同时红树林面积减小，红树林斑块破碎化增强，说明成熟且连通性较好的红树林被砍伐。2017－2018年，最大斑块指数和分离度指数基本不变，面积小幅增加，说明这期间红树林砍伐和恢复生长的面积基本平衡，生态保持较好。2018－2019年，红树林分离度指数微幅减小，最大斑块指数增大，红树林面积减少，斑块破碎化程度变化不大，人类砍伐红树林的地理位置和2017－2018年接近，种植的地块也与砍伐区域接近。2019－2020年，分离度指数小幅减小，最大斑块指数也小幅减小，说明红树林斑块趋于完整，人类砍伐红树林的范围减小。总体来看，人类活动在2011－2015年对红树林的干扰最强。
（2）红树林斑块形状影响红树林生态功能的发挥，本文利用形状指数来描述红树林斑块的复杂程度，形状指数越大，说明斑块形状越复杂。2010－2011年、2012－2013年和2016－2020年形状指数增大，说明红树林斑块形状复杂化，一方面是砍伐的范围扩大和砍伐区域形状更加复杂，另一方面受周围环境影响使红树林重新生长的区域形状更加复杂。2011－2012年和2013－2014年形状指数减小，说明人类砍伐区域的形状是规则的，管理较好。2014－2015形状指数在增大，是由于人类进行多处不规则形状的小面积砍伐所致，可能存在未按要求砍伐的情况。2015－2016年形状指数减小，是人工种植的红树林生长良好，使斑块形状变得简单。
（3）斑块内聚力指数是描述同一斑块类型之间的自然衔接程度，能够定量描述景观中红树林生境的连接状况。斑块内聚力指数越大，说明红树林斑块内部结构的连接度越好，越有利于红树林生态系统功能的发挥。马登红树林斑块的内聚力指数一直在99%以上，说明马登红树林斑块的内部聚集度良好，但也有轻微的变化。从2010年的99.20%变为2020年的99.16%，近11年连接度指数下降0.04%，说明马登红树林斑块一直维持着较高的连接度。虽然人类每年都砍伐红树林，但同时也在上一年砍伐的区域重新种植，砍伐的速度略大于红树林重新生长的速度。
2.5 人类活动对红树林分布变化的影响
2010－2011年，红树林恢复生长，而且砍伐面积减少。2011－2020年，马登红树林面积减少10.56 km2，主要是池塘养殖和作物种植造成的。2011－2020年约19.68 km2的红树林转为池塘，变化的区域如图7和图8所示，主要位于北部的Kuala Gula地区和南部的Sungai Kerang。马登地区的管理局1980年开始对马登红树林实施十年管理计划[18]，并开展人工种植幼苗活动。从图9可以看出，2011年，Kuala Trong地区红树林被砍伐的区域范围很小，并且分布在靠近海水的地区；2015年，虽然被砍伐的红树林地区有新的幼苗生长，但砍伐的范围向中心扩大；2020年，Kuala Trong中心区的红树林破碎化程度最高，对马登红树林生态系统的健康造成了威胁，虽然红树林可以恢复生长，但生长周期很长，同时幼苗的碳储量也很低，影响红树林的生态价值。
3 结 论
（1）2011－2020年，马登红树林的砍伐与恢复并存，面积增加10.13 km2。2011－2012年，马登红树林面积减少最多（39.71 km2）；2019－2020年，马登红树林面积增加最多（31.56 km2），2020年红树林面积为396.59 km2。
（2） 2011－2020年，马登红树林面积减少的主要原因是池塘养殖和陆地作物种植，其次是砍伐。红树林面积的增加是因为自然恢复生长和人工种植。
（3）2011－2020年，马登红树林的斑块破碎化程度略微增加。 2011－2015年，人类对红树林的干扰程度最强，红树林斑块形状的复杂程度明显加重，人类治理痕迹明显，可以看出，马来西亚政府对马登红树林的生态治理是有效的。
-
![]()
图 1 遥感影像不同波段地物光谱特征
Fig. 1. Spectral characteristics of ground objects in different bands of remote sensing images
![]()
6 2010－2020年马登红树林景观格局指数变化
6. Change of landscape pattern index of Matang mangrove during 2010－2020
表 1 主要遥感影像数据列表
Tab. 1 1 List of main remote sensing image data
序号 卫星名称 分辨率 成像时间 1 Landsat-5 30 m 2010-02-16 2 Landsat-5 30 m 2011-04-08 3 Landsat-7 30 m 2012-04-18 4 Landsat-7 30 m 2013-03-20 5 Landsat-8 30 m 2014-10-09 6 Landsat-8 30 m 2015-03-18 7 Landsat-8 30 m 2016-02-01 8 Landsat-8 30 m 2017-10-17 9 Landsat-8 30 m 2018-06-30 10 Landsat-8 30 m 2019-08-20 11 Landsat-8 30 m 2020-02-28 
下载: 导出CSV
表 2 2010－2020年红树林面积变化
Tab. 2 Change of mangrove area from 2010 to 2020
年份 面积/km2 面积变化/km2 年变化率/（%） 2010 377.18 2011 407.15 29.97 7.95% 2012 367.44 −39.71 −9.75% 2013 396.72 29.28 7.97% 2014 386.49 −20.66 −2.58% 2015 358.59 −27.9 −7.22% 2016 385.31 26.72 7.45% 2017 373.81 −11.5 −2.98% 2018 379.65 5.84 1.56% 2019 365.03 −14.62 −3.85% 2020 396.59 31.56 8.65%
下载: 导出CSV
表 3 2011－2020年马登红树林保护区土地利用转移矩阵/km2
Tab. 3 Land use transfer matrix of Matang mangrove nature reserve from 2011 to 2020
2011年 2020年 池塘养殖 海水 红树林 建筑 陆地植被 裸地 池塘养殖 3.26 6.12 0.32 1.10 0.15 海水 6.91 3.55 0.27 0.14 0 红树林 19.87 1.84 0.56 16.24 11.49 建筑 0.29 0 0 7.47 0.03 陆地植被 7.42 2.35 20.45 10.56 1.34 裸地 1.18 0.02 9.33 0.08 1.34
下载: 导出CSV
-
[1] 林 鹏. 红树林[M]. 北京: 海洋出版社, 1984: 1–5. [2] BLASCO F, AIZPURU M, GERS C. Depletion of the mangroves of Continental Asia[J]. Wetlands Ecology and Management, 2001, 9(3): 245-256.
[3] 吴培强, 张 杰, 马 毅, 等. 近20a来我国红树林资源变化遥感监测与分析[J]. 海洋科学进展, 2013, 31(3): 406-414. doi: 10.3969/j.issn.1671-6647.2013.03.013 [4] 贾明明. 1973~2013年中国红树林动态变化遥感分析[D]. 北京: 中国科学院大学, 2014. [5] 陈凌云, 胡自宁, 钟仕全, 等. 应用遥感信息分析广西红树林动态变化特征[J]. 广西科学, 2005, 12(4): 308-311. doi: 10.3969/j.issn.1005-9164.2005.04.020 [6] 赵玉灵. 近40年来伶仃洋海岸线与红树林遥感调查与演变分析[J]. 国土资源遥感, 2017, 29(1): 136-142. [7] 甄佳宁, 廖静娟, 沈国状. 1987以来海南省清澜港红树林变化的遥感监测与分析[J]. 湿地科学, 2019, 17(1): 44-51. [8] 吴培强, 张 杰, 马 毅, 等. 1980–2015年间泰国红树林资源变化的遥感监测与分析[J]. 海洋科学进展, 2018, 36(3): 412-422. doi: 10.3969/j.issn.1671-6647.2018.03.008 [9] 周 磊, 马 毅, 任广波. 孟加拉国海岸带近30a红树林变化遥感分析[J]. 海洋环境科学, 2019, 38(1): 60-67. doi: 10.12111/j.mes20190110 [10] IBHARIM N A, MUSTAPHA M A, LIHAN T, et al. Mapping mangrove changes in the Matang Mangrove forest using multi temporal satellite imageries[J]. Ocean & Coastal Management, 2015, 114: 64-76.
[11] OTERO V, VAN DE KERCHOVE R, SATYANARAYANA B, et al. An analysis of the early regeneration of mangrove forests using Landsat time series in the Matang Mangrove Forest Reserve, Peninsular Malaysia[J]. Remote Sensing, 2019, 11(7): 774. doi: 10.3390/rs11070774
[12] MUHD-EKHZARIZAL M E, MOHD-HASMADI I, HAMDAN O, et al. Estimation of aboveground biomass in mangrove forests using vegetation indices from SPOT-5 image[J]. Journal of Tropical Forest Science, 2018, 30(2): 224-233. doi: 10.26525/jtfs2018.30.2.224233
[13] RHYMA P P, NORIZAH K, HAMDAN O, et al. Integration of normalised different vegetation index and soil-adjusted vegetation index for mangrove vegetation delineation[J]. Remote Sensing Applications:Society and Environment, 2020, 17: 100280. doi: 10.1016/j.rsase.2019.100280
[14] CHUN B B, KEAT S C, SYAHREZA S, et al. Discrimination of mangrove species in Matang Mangrove Forest Reserve, Perak using in-situ measurement of hyperspectral leaf reflectance[J]. AIP Conference Proceedings, 2015, 1657(1): 110004.
[15] ROSLANI M A, MUSTAPHA M A, LIHAN T, et al. Classification of mangroves vegetation species using texture analysis on rapideye satellite imagery[J]. AIP Conference Proceedings, 2013, 1571(1): 480-486.
[16] ROSLAN A, NIK M S, N M. A Working plan for the Matang Mangrove Forest Reserve, Perak: sixth revision of the first 10-year period (2010–2019) of the third rotation[M]. Perak, Malaysia: State Forestry Department, 2013: 229.
[17] 邬建国. 景观生态学: 格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2000: 1–18. [18] JIN-EONG O. The ecology of mangrove conservation & management[J]. Hydrobiologia, 1995, 295(1/2/3): 343-351.
-
期刊类型引用(5)
1. 孙玉超，董迪，高晴，艾彬. 基于Sentinel-2影像多特征组合的红树林分布信息提取研究. 海洋技术学报. 2025(01): 21-32 . 
百度学术
2. 张文菲，潘思蜜，李金秋，姜明国，王金子. 两株促进植物生长菌及其混合菌剂对888速生白菜的促生长作用. 分子植物育种. 2024(14): 4681-4691 . 百度学术
3. 周景川 ，陈琳 . 城市扩张模式对森林破碎化影响的遥感监测分析——以成都市为例. 杭州师范大学学报(自然科学版). 2024(05): 453-462 . 百度学术
4. 吴可欣，高雯娜，赵国帅，张勇，吴玉琪，杨诺诚，喻千如，林靖雯，路春燕. 漳江口红树林—互花米草盐沼交错区变化监测与驱动因素分析. 赤峰学院学报(自然科学版). 2024(11): 1-7 . 百度学术
5. 周佳露，邓运员. 传统村落建筑景观破碎化测度及影响机制. 衡阳师范学院学报. 2023(03): 15-23 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 992
- HTML全文浏览量: 471
- PDF下载量: 54
- 被引次数: 7
