Change analysis of mangrove in Bangladesh coastal zone based on remote sensing in the recent 30 years
-
摘要:
孟加拉国是21世纪海上丝绸之路沿线重要的支点国家，海岸带广泛分布有红树林，其西南部的松达班地区尤其典型。本研究基于1990、1996、2000、2005、2010和2016年6个时期Landsat TM/OLI中等分辨率卫星遥感影像数据，开展了基于SVM方法的孟加拉国海岸带红树林遥感监测，并应用8 m空间分辨率的GF1-PMS1卫星遥感数据进行结果检验，给出了6个时期孟加拉国海岸带红树林空间分布状况，分析了红树林30 a间的演变趋势。结果表明：1）近30 a孟加拉国海岸带红树林面积整体上呈现缓慢减少的趋势，1990年面积为468218.932 hm2，至2016年红树林面积共减少17077.898 hm2；2）海岸带红树林空间上呈东部和西部减少，中部增加的态势，近30 a间东部吉大港专区红树林面积减少了45.7%，西部库尔纳专区红树林减少了2632.007 hm2，但仅占总面积的0.64%，中部巴里萨尔专区红树林面积增加3108.604 hm2；3）东部吉大港专区红树林面积减少区域主要位于诺阿卡利附近沿岸和佐拉尔甘杰沿岸，主要减少的原因是虾养殖池的建立；西部库尔纳专区红树林减少区域主要分布在松达班地区河口、沿岸附近，主要减少的原因是虾养殖池的建立和人类活动将红树林转换为其他类用地；中部巴里萨尔专区红树林面积增加区域主要分布在戈拉吉博群岛周边，主要增加的原因是人工种植红树林和红树林的自然增长。
Abstract:Bangladesh is an important joint along the Silk Road in the 21st century.The mangroves are widely distributed in the coastal zone, especially in the Sundarbans in the southwest.This study is based on the data of remote sensing images in 1990, 1996, 2000, 2005, 2010 and 2016, six period Landsat TM/OLI moderate resolution satellite was carried out based on the SVM method of Bangladesh coastal mangrove remote monitoring, applying 8 m spatial resolution GF1-PMS1 satellite remote sensing data in the test, given 6 times in Bangladesh coastal mangrove space the distribution, analyzes the evolution trend of mangrove 30 a.The results showed that:1) in the past 30 years, the area of mangrove forest in coastal area of Bangladesh showed a decreasing trend as a whole, with an area of 468218.932 hm2 in 1990 and 17077.898 hm2 in 2016; 2) the western part of the reduction, the central increase in the situation, nearly 30 a Eastern Chittagong area mangrove area decreased by 45.7%, the western Khulna area mangrove reduced by 2632.007 hm2, but only 0.64% of the total area, the central Barisal area Mangrove area increased by 3108.604 hm2; 3) reduced area of mangrove area in the eastern Chittagong area is mainly located along the coast of Noakhali and along the zorarganj, mainly due to the establishment of shrimp ponds; the area of the subtropical forest is mainly distributed in the estuary of the Sundarbans, near the coast, the main reason for the reduction is the establishment of the shrimp and the human activities convert the mangrove forest into other types land; the central mangrove area distributed in the Barisal is mainly increase, the main reason is the natural growth and plants.
-
Keywords:
- mangrove /
- remote sensing /
- SVM classification /
- Bangladesh
-
红树林是自然分布于热带和亚热带地区海岸潮间带的一种耐盐木本植物，它不仅能为海洋生物提供营养物质，而且也能保护自然岸线免受风暴、洪水、台风等灾害的侵蚀[1-2]。此外，红树林为当地居民提供重要的社会经济服务和森林产品，包括鱼虾繁殖和饵料基地，产生诸如木材等经济效益的产品。因此，红树林具有生态、社会、经济等价值。
传统的红树林实地调查方法由于受到每日涨落潮及红树林生长所处的潮间带淤泥环境影响，无法全面准确的摸清红树林的具体情况，同时也耗费大量的人力物力。遥感技术的出现填补了无法全面、快速、动态、精确的监测红树林的空白，越来越多的国内外学者利用遥感的手段探讨研究红树林。
针对不同的研究尺度范围，选择不同的遥感数据源。在全球尺度的红树林变化监测，大多数学者利用中等空间分辨率遥感数据[3-4]，包括Landsat MSS/TM/ETM+、SPOT1-4和ASTER等数据。在区域尺度的红树林遥感监测研究，同样也采用上述中分辨率遥感数据[5-8]，其中李四海[9]等人对中巴资源卫星在红树林资源调查的应用能力做了研究，得到精度较高的分类结果。但更多的研究是采用更高空间分辨率卫星遥感图像，包括QuickBird、SPOT 5等数据源[10-14]。也有不少学者采用多源遥感数据[15]，如吴培强、赵玉灵、梁浩等都是利用多源卫星遥感数据通过混合分类方法提取红树林信息。
对于孟加拉国沿岸红树林，很多学者做了大量的研究工作，Md.Abdul Halim[16]等人利用RS和GIS手段对孟加拉国西部Sylhet 1988~2006年土地利用模式变化调查发现：红树林面积从1988~1996年显著减少，从1826 hm2到1714.85 hm2，由于当地政府对红树林保护的重视，从1996~2006年面积逐步增加。Peterson M[17]利用Landsat TM数据对孟加拉国西南部松达班地区1989~2000年红树林覆盖变化研究，通过比较NDVI、最大似然监督分类、亚像元监督分类这三种方法，得出：最大似然分类方法不能揭示水林混合的自然区域，亚像元和NDVI得出整体面积变化是减少的趋势，主要发生在东南部和西南部松达班地区的边缘。Chandra Giri[18]等人利用监督分类方法对1970年、1990年、2000年松达班红树林做变化监测分析，发现净增长变化不明显，通过转移矩阵发现变化原因是由侵蚀、沉积、红树林砍伐、复原引起的。Mohammad Abdul Quader[19]等人利用1975~2010年Landsat卫星影像数据对松达班地区红树林监测，得出近35 a红树林净增加11500 hm2，红树林密度变化主要由气旋、盐度增加、人为因素影响造成的。Sandip Giri[20]等人利用Landsat TM和Landsat ETM数据，通过监督分类中的最大似然分类方法对松达班地区1999~2010年红树林进行分类，得出1999~2010年的红树林面积从55.01%降到50.63%。这些研究大都只是集中于松达班地区，没有对孟加拉国沿岸红树林整体做研究，研究的时序也相对比较短。
因此，本研究拟采用1990年、1996年、2000年、2005年、2010年、2016年共6期Landsat TM/OLI中等分辨率卫星遥感影像和2016年GF1-PMS1高分辨率卫星遥感数据作为研究数据源，利用SVM分类方法提取孟加拉国近30 a红树林面积，通过对比监测红树林面积变化，分析得出近30 a红树林整体面积空间分布状况和随着时间序列红树林面积变化状况，本研究结果以期为政府和相关部门决策提供理论支持。
1 材料与方法
1.1 研究区域概况
孟加拉国位于南亚次大陆，北部靠喜马拉雅山脉，南部为孟加拉湾恒河、布拉普特拉河两大河流从北向南流入大海，在南部形成发达的支流，形成了河网纵横交错的沼泽平原区。河流携带大量泥沙沉积于河口，使陆地不断向海扩展和淤积升高，为红树林的生长及发展提供了良好的条件，主要红树林分布区域为西南部的库尔纳专区、南部的巴里萨尔专区和东南部的吉大港专区。
孟加拉国一年主要可分为4个季节:季风前(3月~5月)，季风(6月~9月)，季风后(10月~11月)，干燥的冬季(12月~次年2月)。冬季平均最高温度29℃, 最低平均温度11℃; 夏季最高平均温度34℃, 最低平均温度21℃, 年平均气温32.8℃。松达班地区每年平均温度29~34℃之间, 雨季平均降雨量1194 mm至3454 mm。高温的热带气候、充沛的雨量、广阔的河口沼泽滩涂, 为红树林的生存及发展, 提供了良好环境, 使孟加拉成为世界天然红树林面积最大的国家。
本研究的区域为整个孟加拉国红树林覆盖区，包括天然红树林和人造红树林。区位示意图如图 1所示。
1.2 数据
本研究所用的数据源为1990年2月、11月的Landsat TM，1995年11月、12月Landsat TM，2000年11月、12月Landsat TM，2005年10月、11月Landsat TM，2010年11月、12月Landsat TM，2016年2月、3月Landsat 8 OLI数据和2016年2月、2月GF-1 PMS1数据，共收集36景影像，数据分辨率分别是30 m、30 m和8 m。由于数据覆盖范围比较大，分辨率相对比较高，适合大范围、长序列的监测红树林变化情况。数据具体信息如表 1所示。
表 1 遥感影像数据Tab. 1 Location of reconnaissance
1.3.1 影像预处理
为了提取红树林的分布范围，首先需要对影像做预处理，包括两部分：第一部分将获取的1990~2016年6期30景遥感影像数据在图像处理软件中采用定标工具，将DN值转换为辐射亮度值，然后利用大气校正模型对所有影像逐景做大气校正；第二部分以2016年Landsat8 OLI数据为基准对其他年份遥感影像数据做地理配准，使得配准误差控制在1个像元以内。
1.3.2 SVM分类提取方法
实验采用SVM方法对遥感影像进行监督分类。支持向量机，因其英文名为support vector machine，故一般简称SVM，是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，学习策略是间隔最大化，最终可转化为一个凸二次规划问题的求解。SVM的主要思想可以概括为两点：(1)它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行分析成为可能；(2)它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全局最优化，并且在整个样本空间的期望风险以某个概率满足一定上界。SVM方法在小样本训练集上能够得到比经典方法更好的结果。本次研究所用的SVM方法参数核函数选用的是径向基核函数，优化方法的惩罚参数为100。利用SVM方法分类得出2016年红树林分类图，将分类结果在GIS软件中转为矢量数据，并通过属性表统计红树林面积，其他年份的面积基于2016年数据，只对红树林有变化的区域进行人机交互目视解译提取变化信息，这样基于2016年的数据可以消除不同年份未变化区域红树林面积统计的误差。
1.3.3 分类精度验证
本研究所选取的验证数据为GF-1 PMS1(多光谱波段分辨率8 m，全色波段分辨率为2 m)共6景，时间为2016年2月28日(3景)、2016年3月7日(2景)、2016年7月8日(1景)。基于图像处理软件中DEM数据对GF-1 PMS1做正射校正，然后和Landsat 8 OLI数据进行地理配准，使得配准误差控制在1个像元以内。由于GF-1数据幅宽较小，本次精度验证采取均匀分布的GF-1 PMS1 6景数据对基于SVM分类方法的结果进行评价。利用GF-1 PMS1数据，采用人机交互解译的方式提取出红树林范围，并统计红树林面积，将所得的红树林面积与利用SVM分类方法对Landsat 8 OLI数据提取出的红树林面积做对比分析，得出两种方法计算出平均误差为10.36%，分类精度为89.64%。GF-1 PMS1验证数据相对于Landsat 8 OLI数据分布如下图 2所示。
2 结果与讨论
2.1 孟加拉国近30 a红树林整体分布状况及变化
通过对孟加拉国6期近30 a的遥感影像数据统计分析，得出面积分布状况如图 3~图 10所示。经过对比解译结果研究发现：1)在时间序列上，近30 a红树林面积整体上呈现先增加后减少的趋势，总面积从1990~2016年的近30 a整体有所下降，其中1990年总面积为468218.932 hm2，至2016年面积减少17077.898 hm2；2)在空间整体分布上，西南部的库尔纳专区在近30 a面积整体变化相对较小，减少2632.007 hm2，主要减少的区域集中在河口、沿岸边缘区。南部的巴里萨尔专区面积整体上是增加，增加了3108.604 hm2，主要增加的区域集中在岛的周围。东南部的吉大港专区面积变化最大，整体上减少17554.492 hm2，主要变化区域集中于沿岸附近。
![]()
图 10 孟加拉国海岸带红树林近30 a面积变化趋势Fig. 10 The change trend of mangrove in the coastal area of Bangladesh in recent 30 years2.2 库尔纳专区近30 a红树林面积变化趋势
从遥感影像中红树林提取的结果来看，近30 a库尔纳专区红树林面积变化趋势整体是在减少，从图 11中分析得出库尔纳专区2010~2016年面积变化最剧烈，减少2981.682 hm2。在1990~1996年期间，增加2632.01 hm2，主要发生增加的区域集中在松达班地区沿岸和河口附近以及吉大港专区沿岸，主要增加的原因红树林自然生长和人工种植。在1996~2000年期间，红树林的面积开始下降，下降比例为0.41%。在2001~2005年的5 a期间，红树林的面积有较大幅度的增加，增加1542.58 hm2。2005~2010年，红树林面积趋于稳定，增长速率相对比较低。
![]()
图 11 库尔纳专区1990~2016年面积变化趋势Fig. 11 Analysis of area change trend in the Khulna from 1990 to 20162.3 巴里萨尔专区近30 a红树林面积变化趋势
巴里萨尔专区红树林面积近30 a呈现上升趋势，面积增加3108.604 hm2，具体面积变化趋势如图 12所示。在1990~1996年，面积增加了652.592 hm2，主要增加区域分布在沿岸附近。1996~2005年面积增加5979.91 hm2，增长速率为29.12%，变化主要的区域发生在戈拉吉博群岛以及沿岸区域，有些区域的红树林向海一侧延伸。2005~2016年，面积变化呈现先减少后增加的趋势，面积总共减少3523.902 hm2，主要减少区域发生托利高尔诺戈尔沿岸附近。
![]()
图 12 巴里萨尔专区1990~2016年面积变化趋势Fig. 12 Analysis of area change trend in the Barisal from 1990 to 20162.4 吉大港专区近30 a红树林面积变化趋势
吉大港专区红树林面积近30 a是呈现下降趋势，面积减少17554.492 hm2，具体变化趋势如图 13所示。在1990~1996年期间，面积增加4658.377 hm2，主要增加在吉大港专区东南部哈蒂亚沿岸附近。在1996~2001年，面积减少12878.234 hm2，减少29.9%，主要减少区域发生在诺阿卡利附近沿岸红树林区和佐拉尔甘杰沿岸红树林区。在2001~2016年这15 a期间，红树林的面积在逐渐减少，主要的变化区域集中在达莫多尔布尔沿岸附近和北诺尔比洛沿岸。
![]()
图 13 吉大港专区1990~2016年面积变化趋势Fig. 13 Analysis of area change trend in the Chittagong from 1990 to 20162.5 红树林变化驱动因子分析
2.5.1 自然驱动因子分析
引起孟加拉国红树林变化自然因素主要包括热带气旋、海啸以及海岸侵蚀和海平面上升等。首先，全球大约1/10的热带气旋发生在孟加拉湾，这些热带气旋中的1/6在松达班地区登陆，沿岸分布的红树林易遭受侵害[21]。孟加拉国海岸带红树林受热带气旋的影响较大，常导致外缘红树林死亡。如1991年孟加拉湾特大气旋风暴灾害，风暴潮增水高达6m，使得沿岸红树林遭到破坏而死亡。图 14给出了该次气旋风暴过程前后松达班地区的两景Landsat 5 TM遥感影像，分别获取于1991年4月19日和5月18日。通过对比气旋风暴前后遥感影像发现，原红树林区域出现大面积灰色斑块，这是由于红树林倒伏，水体出露所致。海啸灾害虽然偶发，但是破坏力巨大，2004年12月26日印度洋大海啸，引发海浪高达10余米，对孟加拉国沿岸红树林造成破坏。图 15给出了印度洋海啸前后松达班地区的2期Landsat 5 TM遥感影像，分别获取于2004年12月15日和12月31日，通过对比发现，印度洋海啸造成红树林边界向陆地方向后退30~60 m。另外，孟加拉国海岸带易受海浪的侵蚀，使得沿岸的红树林固着的土壤消失，养分减少，从而导致红树林死亡；红树林生态系统对于海平面上升非常敏感，红树林的生理特征决定其不能长时间浸淹在海水中，而孟加拉国海岸的海平面上升比全球高1~2 mm/a[22]，这也是导致红树林减少的原因。
![]()
图 15 2004年印度洋海啸造成红树林破坏Fig. 15 The destruction of mangroves caused by Indian Ocean tsunami in the 20042.5.2 人类活动驱动因子分析
引起孟加拉国红树林变化的人类活动主要包括耕地和水田开发利用、养殖场建设，红树林砍伐等。近30a孟加拉国海岸带耕地和水田开发剧烈，侵占了大片的红树林。通过对比1990、2016年2期Landsat 5 TM和Landsat 8 OLI遥感影像，发现在吉大港诺阿卡利县附近，红树林转换为耕地(见图 16)；在吉大港达贡菩伊亚县附近红树林转换为水田(见图 17)；在吉大港北诺尔比落县沿岸红树林被开发为虾养殖场(见图 18)，虾养殖厂对红树林周边环境的污染使红树林所处水体发生富营养化现象，从而导致红树林大量枯萎死亡。
另外，人们为了商业利益，过度滥砍滥伐红树林，虽然政府颁布1927年森林法和1994年森林法，但是这些法律属于象征性的，没有切实、根本的解决保护红树林的问题[23]。
3 结论
(1) 近30 a孟加拉国海岸带红树林面积整体上呈现缓慢减少的趋势，1990年面积为468218.932 hm2，至2016年红树林面积共减少17077.898 hm2。
(2) 库尔纳专区地区近30 a红树林面积整体在减少，面积减少17077.898 hm2，主要发生在松达班地区沿岸河口附近。巴里萨尔专区红树林面积近30 a呈现上升趋势，面积增加3108.604 hm2，主要发生在戈拉吉博群岛周围。吉大港专区红树林面积近30 a是呈现下降趋势，面积减少17554.492 hm2，主要发生在诺阿卡利附近沿岸红树林区和佐拉尔甘杰沿岸红树林区。
(3) 引起孟加拉国海岸带红树林近30 a面积变化是由自然和人类活动共同作用的结果。1)在自然引起红树林变化方面：主要是由于孟加拉国海岸带所处的位置易受热带气旋、海啸以及海岸侵蚀和海平面上升等影响。2)在人类活动引起红树林变化方面：主要是虾养殖厂对周围环境破坏导致红树林所处环境的富营养化，使得红树林在这样的环境中不适应生长。其他人类活动包括耕地和居民用地开发、养殖场建设，红树林砍伐等。
-
![]()
图 10 孟加拉国海岸带红树林近30 a面积变化趋势
Fig. 10. The change trend of mangrove in the coastal area of Bangladesh in recent 30 years
![]()
图 11 库尔纳专区1990~2016年面积变化趋势
Fig. 11. Analysis of area change trend in the Khulna from 1990 to 2016
![]()
图 12 巴里萨尔专区1990~2016年面积变化趋势
Fig. 12. Analysis of area change trend in the Barisal from 1990 to 2016
![]()
图 13 吉大港专区1990~2016年面积变化趋势
Fig. 13. Analysis of area change trend in the Chittagong from 1990 to 2016
![]()
图 15 2004年印度洋海啸造成红树林破坏
Fig. 15. The destruction of mangroves caused by Indian Ocean tsunami in the 2004
-
[1] RAHMAN M R, ASADUZZAMAN M.Ecology of Sundarban, Bangladesh[J].Journal of Science Foundation, 2010, 8(1/2):35-47. http://cn.bing.com/academic/profile?id=41d085f06804c9c7b53d51911826040d&encoded=0&v=paper_preview&mkt=zh-cn
[2] 林鹏.中国红树林生态系[M].北京:科学出版社, 1997. [3] BLASCO F, GAUQUELIN T, RASOLOFOHARINOROM, et al.Recent advances in mangrove studies using remote sensing data[J].Marine and Freshwater Research, 1998, 49(4):287-296. doi: 10.1071/MF97153
[4] GIRI C, OCHIENG E, TIESZEN L L, et al.Status and distribution of mangrove forests of the world using earth observation satellite data[J].Global Ecology and Biogeography, 2011, 20(1):154-159. doi: 10.1111/geb.2011.20.issue-1
[5] GIRI C, ZHU Z, TIESZEN L L, et al.Mangrove forest distributions and dynamics (1975-2005) of the tsunami-affected region of Asia[J].Journal of Biogeography, 2008, 35(3):519-528. doi: 10.1111/jbi.2008.35.issue-3
[6] MYINT S W, GIRI C P, WANG L, et al.Identifying mangrove species and their surrounding land use and land cover classes using an object-oriented approach with a lacunarity spatial measure[J].GIScience & Remote Sensing, 2008, 45(2):188-208. http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ026793950/
[7] FROMARD F, VEGA C, PROISY C.Half a century of dynamic coastal change affecting mangrove shorelines of French Guiana.A case study based on remote sensing data analyses and field surveys[J].Marine Geology, 2004, 208(2/3/4):265-280. http://cn.bing.com/academic/profile?id=ceec4d4ea71407ff7bc163e5d1891bf2&encoded=0&v=paper_preview&mkt=zh-cn
[8] DAHDOUH-GUEBAS F, VERHEYDEN A, KAIRO J G, et al.Capacity building in tropical coastal resource monitoring in developing countries:A re-appreciation of the oldest remote sensing method[J].International Journal of Sustainable Development & World Ecology, 2006, 13(1):62-76. http://cn.bing.com/academic/profile?id=d82ecd80e6abe1e8ea6e19c4520b26d4&encoded=0&v=paper_preview&mkt=zh-cn
[9] 李四海, 王华, 蒋兴伟.中巴资源卫星在红树林遥感调查中的应用研究[J].海洋通报, 2003, 22(6):30-35. doi: 10.3969/j.issn.1001-6392.2003.06.005 [10] 李天宏, 赵智杰, 韩鹏.深圳河河口红树林变化的多时相遥感分析[J].遥感学报, 2002, 6(5):364-369. http://d.old.wanfangdata.com.cn/Periodical/ygxb200205008 [11] 李春干, 谭必增.基于"3S"的红树林资源调查方法研究[J].自然资源学报, 2003, 18(2):215-221. doi: 10.3321/j.issn:1000-3037.2003.02.014 [12] KANNIAH K D, WAI N S, SHIN AL M, et al.Per-pixel and sub-pixel classifications of high-resolution satellite data for mangrove species mapping[J].Applied GIS, 2007, 3(8):1-22. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=Open J-Gate000001772637
[13] LEE T M, YEHH C.Applying remote sensing techniques to monitor shifting wetland vegetation:A case study of Danshui River estuary mangrove communities, Taiwan[J].Ecological Engineering, 2009, 35(4):487-496. doi: 10.1016/j.ecoleng.2008.01.007
[14] 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 [15] 刘凯, 黎夏, 王树功, 等.珠江口近20年红树林湿地的遥感动态监测[J].热带地理, 2005, 25(2):111-116. doi: 10.3969/j.issn.1001-5221.2005.02.004 [16] HALIM M A, SHAHID A, CHOWDHURY M S H, et al.Evaluation of land-use pattern change in West Bhanugach reserved forest, Bangladesh, using remote sensing and GIS techniques[J].Journal of Forestry Research, 2008, 19(3):193-198. doi: 10.1007/s11676-008-0044-1
[17] EMCH M, PETERSON M.Mangrove forest cover change in the Bangladesh Sundarbans from 1989-2000:A remote sensing approach[J].Geocarto International, 2006, 21(1):5-12. doi: 10.1080/10106040608542368
[18] GIRI C, PENGRA B, ZHU Z L, et al.Monitoring mangrove forest dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite data from 1973 to 2000[J].Estuarine, Coastal and Shelf Science, 2007, 73(1/2):91-100. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=744a5d610255b69d1da789298a1233bd
[19] QUADER M A, AGRAWAL S, KERVYN M.Multi-decadal land cover evolution in theSundarban, the largest mangrove forest in the world[J].Ocean & Coastal Management, 2017, 139:113-124. https://www.sciencedirect.com/science/article/pii/S0964569117301369
[20] GIRI S, MUKHOPADHYAY A, HAZRA S, et al.A study on abundance and distribution of mangrove species in Indian Sundarban using remote sensing technique[J].Journal of Coastal Conservation, 2014, 18(4):359-367. doi: 10.1007/s11852-014-0322-3
[21] DUTTA D, DAS P K, PAUl S, et al.Assessment of ecological disturbance in the mangrove forest of Sundarbans caused by cyclones using MODIS time-series data (2001-2011)[J].Natural Hazards, 2015, 79(2):775-790. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=849fbd77682048d8f865c50b9f37fcf8
[22] KARIM M F, MIMURA N.Impacts of climate change and sea-level rise on cyclonic storm surge floods in Bangladesh[J].Global Environmental Change, 2008, 18(3):490-500. doi: 10.1016/j.gloenvcha.2008.05.002
[23] ISHTIAQUE A, CHHETRI N.Competing policies to protectmangrove forest:A case from Bangladesh[J].Environmental Development, 2016, 19:75-83. doi: 10.1016/j.envdev.2016.06.006
-
期刊类型引用(6)
1. 柯舒婷 ，李广春 ，郑斓 ，张静雯 ，张炜岩 ，沈元韬 . 基于GEE的漳州市红树林长时序变化遥感监测分析. 湿地科学与管理. 2025(01): 32-38 . 
百度学术
2. 王心哲，谭琳琳，范剑超. 2010-2020年马来西亚马登红树林遥感监测与景观格局变化分析. 海洋环境科学. 2022(04): 603-609 . 本站查看
3. 黄可，孟祥珍，杨刚，孙伟伟. 中国红树林制图的遥感时空概率阈值方法. 遥感学报. 2022(06): 1083-1095 . 百度学术
4. 李雨秦，左小清，李洪忠. 基于WorldView-2的红树林种群分类——以深圳湾为例. 软件. 2020(04): 134-138 . 百度学术
5. 蒙良莉，凌子燕，蒋卫国，钟仕全，陈燕丽，孙明. 基于Sentinel遥感数据的红树林信息提取研究——以广西茅尾海为例. 地理与地理信息科学. 2020(04): 41-47 . 百度学术
6. 王浩，任广波，吴培强，刘爱超，潘良浩，马云梅，马毅，王锦锦. 1990—2019年中国红树林变迁遥感监测与景观格局变化分析. 海洋技术学报. 2020(05): 1-12 . 百度学术
其他类型引用(6)
下载:
计量
- 文章访问数: 2637
- HTML全文浏览量: 2900
- PDF下载量: 33
- 被引次数: 12
