杂志的下一篇文章
基于GOCI测量的南黄海海面盐度遥感估算
下一篇特刊文章
巴西红树林现状：三十年的卫星数据分析
期刊上的上一篇文章
稀疏锚地环境下基于误闭合检查算法的非直瞄抑制
特刊上一篇文章
确定南亚、东南亚和亚太地区红树林砍伐热点
 
 
搜索用于文章:
标题/关键字
作者/附属机构/电子邮件
日记账
文章类型
 
 
高级搜索
 
章节
特别发行
体积
问题
编号
第页
 
期刊销售
遥感
第11卷
第7版
10.3390/rs11070774
遥感损失
提交到此日志 本期刊的评论 提出特刊
► 文章菜单

文章菜单

分享 分享 公告 帮助 format_quote格式 引用 问题_答案 在SciProfiles中讨论 竖起拇指（_U）
...
背书 短信
...
注释
第一页（_P）
设置
订购文章重印
字体类型：
宋体 佐治亚州 宋体，Verdana
字体大小：
Aa公司 Aa公司 Aa公司
行距：
列宽：
背景：
第条

马来西亚半岛马塘红树林保护区红树林早期更新的Landsat时间序列分析

通过
维维亚娜·奥特罗
1,*,
鲁本·范·德科霍夫
2,
贝哈拉·萨蒂亚纳拉亚纳邦
三,
侯赛因·莫赫德·洛克曼
三,
理查德·卢卡斯
4,5,†和
Farid Dahdouh-Guebas公司
1,6,†
1
比利时布鲁塞尔自由大学（ULB）系统生态学和资源管理实验室，1050
2
Vlaamse Instelling Voor Technologisch Onderzoek（VITO）研究组织，2400 Mol，比利时
三
马来西亚登加奴大学（UMT）海洋与环境研究所红树林研究室，21030 Kuala Terengganu，Malaysia
4
英国阿伯里斯特威斯大学地球观测与生态系统动力学研究小组，阿伯里斯特威斯SY23 3DB
5
澳大利亚新南威尔士大学生物、地球与环境科学学院，悉尼2052
6
比利时布鲁塞尔VUB大学植物生物学与自然管理实验室，1050
*
信件应寄给的作者。
†
这些作者为这项工作做出了同等贡献。
远程传感器。 2019,11(7), 774;https://doi.org/10.3390/rs11070774
收到的提交文件：2019年2月26日/修订日期：2019年3月19日/接受日期：2019年3月26日/发布日期：2019年3月31日
（本文属于特刊红树林遥感)
浏览地物
版本注释

摘要

:
卫星传感器数据的时间序列已用于量化区域和全球红树林覆盖变化。虽然红树林已使用遥感技术进行监测，但使用时间序列量化这些森林的再生仍然有限。在本研究中，我们重点关注位于马来西亚半岛的马塘红树林保护区（MMFR），该保护区自1902年以来一直在进行造林管理，并提供了机会调查陆地卫星年度时间序列（1988年至2015年）对（i）的使用作为当地管理的一部分，检测保护区内发生的清理活动，以及（ii）追踪并量化清理后红树林斑块的早期再生。使用从陆地卫星传感器数据的单日期（无云）或多日期合成数据中得出的归一化差值水分指数（NDMI）来检测每年的清仓事件。从这个系列中，我们发现NDMI恢复到1988年至2015年清仓事件之前观察到的值的平均时间为5.9±2.7年。本研究中创建的地图可用于指导再植策略、清理计划以及MMFR的管理和监测活动。

图形摘要

1.简介

红树林是热带和亚热带潮间带的木本植物[1,2]. 因此，红树林每天都会受到温度变化、水和盐暴露以及不同程度缺氧的影响[三]. 红树林已经适应了这些不断变化的条件，是一种有弹性的生态系统，可以额外应对环境变化和干扰，如风暴、飓风、平均海平面波动和气候变化[三]. 在条件保持相对稳定的地区，红树林蓬勃发展，自然演替循环盛行[4,5].
近年来，由于这些森林的固碳能力，红树林恢复和重新造林引起了人们的兴趣[6,7]. 造林是实施红树林恢复项目最古老的原因之一[4,5]. 红树林保护区，如马来西亚的马塘红树林保护地（MMFR）、印度尼西亚西巴布亚的宾图尼湾红树林和孟加拉国的孙德尔本斯红树林，都是正在进行造林管理的红树林的例子[8,9,10]. 在红树林的营林管理、恢复和重新造林中，必须了解有利于红树林繁殖体扩散和建立、红树林生长和演替以及碳封存的条件。
遥感经常用于监测当地和全球红树林覆盖率的变化，例如：[11,12,13,14,15,16,17,18,19,20,21,22,23]. 随着越来越多的卫星传感器数据阵列和可用性，有机会定期观察红树林并支持造林管理、恢复和重新造林项目。使用光学数据，重点通常是使用光谱植被指数，如归一化植被指数（NDVI），来检测森林干扰[24,25]. 然而，利用短波红外（SWIR）光谱的指标，如归一化差值水分指数（NDMI），在检测森林干扰方面比NDVI更有效[20,26,27,28]. SWIR反射率的使用可以提供有关植被水分含量和上部冠层结构的信息[29]. 此外，森林受到干扰后，这些植被指数的时间变化也可用于检测森林恢复情况[20,25,26,30].
时间序列分析的研究有可能提供红树林过去和现在变化的信息[31,32,33,34,35,36,37]. 基于植被指数的时间序列已用于分析红树林覆盖和物候的变化[32,33,36]. 然而，使用这些类型的时间序列来量化干扰后红树林恢复的数量仍然有限[32,33,35]. 在本研究中，我们将重点放在位于马来西亚半岛的MMFR上，因为该保护区是森林管理的，并且提供了一个独特的机会来确定（i）陆地卫星传感器数据的时间序列是否可以用于检测保护区内定期发生的清理事件，以及（ii）NDMI年度时间序列可用于追溯和量化清理活动后红树林斑块的早期恢复。

2.材料和方法

2.1. 研究区域和造林管理

自1902年以来，MMFR一直在管理木炭和灯杆生产[38]. 保护区是由27种红树林组成的河岸红树林[8]. 保护区面积40288公顷，分为四个不同的行政区：保护区（占保护区总森林面积的17.4%）、生产区（74.8%）、限制性生产区（6.8%）和非生产区（1%）(图1) [8]. 生产区和限制性生产区均受造林管理，是唯一进行木材开采的区域。它们由森林组成，主要由根茎Blume和红茄苳拉姆。造林管理包括一个30年的轮换周期，在清理后15年和20年进行两次间伐[8]. 保护区由多种红树林属组成，例如白骨,海桑属,木榄属和红树属保护区内有成片的旱地森林。保护区提供生态系统服务，包括为木炭和电杆生产提供木材、海岸保护、动植物保护和红树林繁殖体生产[8]. 非生产区以湖泊和基础设施区为代表，包括村庄、木炭窑和行政大楼[8].
该保护区位于马来西亚半岛西海岸(图1). 保护区属于热带气候，平均气温从夜间22°C到白天33°C不等[8]. 相对湿度从清晨的99%到中午的60%不等[40]. 马来西亚半岛11月至3月以及5月至9月为季风季节[41]. 年降雨量从2000毫米到2800毫米不等[8]. 该地区为半日潮，潮差范围为3.3 m[42]. 淡水通过溪流和地面径流流入保护区[42].
当地管理层每十年制定一次保护区管理计划[8]. 在本研究分析期间，制定了四个不同的管理计划：1980年至1989年、1990年至1999年、2000年至2009年和2010年至2019年[8,40]. 值得注意的是，每项计划都保持了30年轮作周期的造林实践，在清理后15年和20年进行两次间伐。在每个管理计划中，预先分配要清理或稀释的区域，并进一步划分为较小的区域，称为coupes（面积在2.2至6.6公顷之间），然后分配给批准的木炭承包商[8]. 每年由不同的承包商进行清仓活动，但轿跑车仅每30年清仓一次[8].

2.2. 方法

我们遵循了图2检测MMFR中的清除事件，并量化伐木车内红树林的早期再生。具体来说，1988年至2015年期间的陆地卫星数据被用于生成每年一张无云图像或多日期合成图像（总共28张）。基于这些数据，导出了单一归一化差值水分指数（NDMI）和归一化差异植被指数（NDVI）层。研究发现，NDMI时间序列最适合于绘制清除活动的范围和coupes内红树林的早期再生。根据当地管理计划和135个参考时间序列的数据集，验证了生成的范围和再生图（即清理和恢复时间）。以下各节概述了所进行的处理。

2.2.1. 卫星图像

1988年至2015年期间获得的陆地卫星专题制图器（TM）、增强型专题制图器Plus（ETM+）和作战陆地成像仪（OLI）用于创建MMFR的时间序列(表1). 表面反射率2级数据产品从美国地质调查局（USGS）地球探险家网站下载[43,44]. TM和ETM+的表面反射率数据产品是使用陆地卫星生态系统干扰自适应处理系统（LEDAPS）软件生成的[45]由美国地质勘探局实施[43]. OLI的表面反射率产品是使用Landsat 8表面反射率代码（LaSRC）算法生成的[46]由美国地质勘探局实施[44]. 表面反射率2级数据产品已经进行了辐射和大气校正[45,46].

2.2.2. 时间序列创建

从1988年到2015年，每年都会在一年内从单个无云场景或多个场景的合成物中生成一幅年度表面反射率图像。考虑到伐木轿跑车通常在两年内清理一次，而且每30年才清理一次。为了创建一个具有普遍云量的每年多日期合成图像，我们首先选择云量和云阴影最少的图像。在地表被遮挡的地方，我们用同年另一张图像中的像素值替换了受影响的区域。平均而言，我们只需将图像中3%的数据替换为1988年至2015年云量最小的数据。最终的图像由多个日期的数据组成，但考虑到清仓是在一段较长的时间内进行的，并且不依赖于季节，因此这被认为是可以接受的。最终的数据堆栈由28幅图像组成，每个波段代表一年的地表反射率。1988年至2015年，基于表面反射率，还生成了表示每年NDVI和NDMI的两个额外图像堆栈（方程（1）和（2））[29,47]:
NDVI=（NIR−R）/（NIR+R），
NDMI=（NIR−SWIR）/（NIR+SWIR），
其中NIR是近红外波段，R是红色波段，SWIR是短波红外波段。如果某个像素因云层覆盖而丢失值，则相应像素的NDVI和NDMI值将根据上一年和下一年的像素NDVI和NEMI值进行插值。我们只在2012年遇到过这个问题，因为陆地卫星7号的扫描线校正器（SLC）出现故障，导致70%的图像丢失[48].

2.2.3. 实地调查

2016年6月至7月，我们在不同的林分中获取了无人机（UAV）图像。我们收集了四种不同类型森林的数据：2015年底至2016年初的林分，以及7年、14年和30年树龄的林分。使用DJI Phantom 3专业四翼无人机和内置真彩色摄像机采集无人机数据，并用于为每种林分类型创建四个1ha的正射影像[49].

2.2.4. 时间序列分析

使用NDVI年度时间序列，我们为MMFR创建了一个水罩，其中包括海洋、河流、小溪和非植被淹没泥滩中的所有开放水域。如果NDVI值在时间序列中的任何一点为零或负值，则相应的像素被归类为水，因为这种方法可以解释不同的水位。归类为水的区域不在进一步分析范围内。此外，非植被陆地覆盖区域（即城市基础设施和干燥土壤）与NDMI值为负的像素相关，也被排除在外。最后，我们根据管理区地图排除了保护区以外的土地区域(图1).
在剩下的区域内，我们使用NDMI时间序列检测到了清仓事件。我们评估了1988年至2015年间210785个像素的时间序列。对于每个像素系列，我们评估了以下情况：
  • 我们基于以下两个条件检测到清仓事件：
    • 我们首先将基准年定义为NDMI低于0.288的年份。该阈值是通过比较与清晰区域和非清晰区域相关的NDMI像素系列来确定的。植被茂密的地区（包括预先砍伐的和成熟的红树林）的NDMI值约为0.5，而清洁的地区NDMI值低于0.288。
    • 基准年和下一年的NDMI之间的差异至少为0.275。我们定义了第二个阈值，以确保NDMI值的下降足以对应真正的清算事件。第二个阈值也是通过比较与清晰区域和非清晰区域相关的不同像素系列来确定的。之前研究中采用的方法[30,50,51,52]它们还使用阈值来分析时间序列。
  • 我们为每个清算事件确定了以下值：
    • 清仓年
    • 复苏之年。该值被确定为NDMI值返回清算前状态的年份[26]. 之前的状态被定义为清除事件之前系列中所有点的中值减去一个标准偏差，以解释植被指数的正常波动。
    • 恢复时间。这一时间被定义为红树林再生所需的年数，也就是恢复年份与清除年份之间的差值。如果这个数字是1，我们认为这是一个噪音，因为红树林不可能在一年内再生。
    • NDMI值的下降，计算为清仓前NDMI值与时间序列中最低NDMI值之间的差值。
无法确定截至2015年尚未恢复到预先许可水平的清算活动的恢复时间。这些地区通常在2009年后被清除，森林似乎没有足够的时间再生。此外，我们没有计算1988年已经被砍伐的地区的恢复时间，因为我们不知道砍伐是否发生在当年或之前。
我们在五张描述每个像素的地图中记录了砍伐事件的信息：（a）砍伐的年份或没有砍伐，（b）砍伐后的恢复时间（c）NDMI值的下降，（d）1988年至2015年间是否发生了砍伐，到2015年没有完全再生，最后（e）基于NDVI时间序列的整个时间序列期间的水量范围。所有这些地图都是使用RStudio 1.1.456版本和R 3.4.1.版本创建的，使用光栅和rgdal公司程序包[53].

2.2.5. 验证时间序列分析

我们通过视觉对比，验证了我们的清晰销售图：
  • 1989年至2015年间，135个随机选取的像素点的时间序列清晰可见。对于每个像素，我们通过对NDMI时间序列的直观解释来确定清除年份和恢复时间。我们选择了这些点，以便在时间序列中（从1988年到2015年）包含每年的五个清算事件示例。
  • 2000年至2009年和2010年至2019年管理计划中包含的管理区地图和伐木计划[8,40]. 首先，我们将现有的当地管理区地图与我们的清理地图的结果进行了比较，假设清理仅发生在生产和限制性生产区域（即木材开采得到正式批准的区域）。其次，我们将本研究中计算的清理年与这些管理计划中概述的伐木计划进行了比较。这些伐木计划包含了跑车应清理的年份。

3.结果

3.1. 时间序列创建

与NDMI时间序列相比，使用NDVI时间序列更容易区分水域。与NDVI值为正值的植被覆盖区相比，水域NDVI值呈负值(图3b、 d）。NDMI提供了植被覆盖区和水体中水分含量的测量结果(图3a、 c），因此两者的正值相似。因此，NDVI年度时间序列用于区分水体和植被覆盖区（参见补充数据图S1).
清仓后NDMI的快速下降在图4a、 其价值远低于1988年至2015年间未清理的森林(图4c） ●●●●。NDMI下降的主要原因是植被数量减少（因此结构复杂）和下垫面暴露。NDMI时间序列中的最低值是在清除区域的所有植被被完全清除后获得的，这通常发生在清除事件发生后的两年内[8]. 与NDVI相比，清算前和清算后的NDMI差异更大(图4b） 因此，可以更好地检测清理区域。此外，我们使用NDMI时间序列检测城市地区，以便将其排除在我们的分析之外（参见补充数据图S2).

3.2. 参考现场和无人机数据

NDMI时间序列的变化与野外观测到的森林结构之间的关系如所示图5。我们观察到从7年生到30年生森林的树冠非常封闭(图5UAV俯视图）。与最近清理过的区域形成鲜明对比，该区域仍然存在剩余的树干和干树枝(图5，示例2）。此外，在空地上观察到红树林重建的初步迹象，一些树苗已经出现(图5，地面视图示例2）。从地面观察也证实了7岁和14岁的幼林中树木密度很高(图5底部图像，示例3和4）。尽管较老的森林通常树木密度较低，但从上面看，树冠被认为是封闭的(图5，示例1）。值得注意的是，在NDMI达到与预先清除的森林相似的值后，清除前的森林结构并不相同。因此，NDMI时间序列捕捉到的变化只反映了红树林的早期再生，因为这些森林将继续进一步生长。

3.3. 时间序列分析

在图6，两个示例显示了两个像素的NDMI时间序列的清零年份和恢复年份。
MMFR中包含的每个陆地卫星像素的清仓年份如下所示图7.发现在同一年内清理的区域与当地管理层分配的清理区域相匹配（参见第3.4节). 在1989年至2015年间分析的210785个像素中，我们在88.4%（16776公顷或186402像素）检测到清仓事件。每年的平均清理面积为600±242公顷。
考虑到2015年之前恢复的所有清算事件，平均恢复时间（即NDMI值恢复到预清算值的时间）为5.87±2.67年(图8). 中位恢复时间（四分位范围）为五年（4-7年），最小值和最大值分别为两年和25年。值得注意的是，同一年清仓的跑车的恢复时间不均衡(图8b、 c）。

3.4. 验证时间序列分析

与135个参考点的比较(第2.2.5节)表明100%在相应年份被正确识别为已清除，96%确定了与目视检查确定的时间相同的恢复时间。剩余4%（五个点）的不正确匹配归因于噪声数据（例如，在清零发生之前信号突然增加或减少，参见补充数据图S4)以及有关先前状态（清除历史记录）的有限信息。在这些情况下，算法在两种情况下高估了一年的恢复时间，在另外两种情况中低估了两年，在一种情况下低估了五年。在最后一种情况下，信号有噪声，即使通过视觉解释也无法直接定义恢复时间（参见补充数据图S4).
参考现有森林管理图(图1)确定在生产区和限制性生产区进行了清仓活动。我们还根据管理计划确定了三个保护区的变化，但这些变化需要进一步调查，以确定变化的实际原因(补充数据图S5). 此外，我们将清仓年的地图与规定轿跑车清仓年份的管理计划地图进行了比较。本地管理计划指定的跑车出现在本研究创建的清仓年地图中（参见图9). 然而，本研究中检测到的清理事件平均发生在计划年份之后2.85±1.15年。值得注意的是，管理计划是在实际清算之前定义的方案。因此，卫星图像准确地指示了实际的清理发生的时间（参见补充数据表S1).

4.讨论

4.1. 时间序列分析

NDMI时间序列可用于检测清仓事件并量化恢复时间。这些结果与DeVries等人的研究一致[26]，Kennedy等人[20]、Jin和Sader[28]威尔逊和萨德尔[27]其还发现NDMI时间序列对于检测森林变化、干扰和再生是有用的。NDMI表明森林的含水量和结构复杂性，因此植被覆盖区和水具有积极价值。在清理之后，随着植被的移除和土壤的暴露，NDMI迅速减少。然而，森林再生（在种植的帮助下），NDMI值恢复到预清理森林的典型值，并在下一次清理活动之前保持相似。因此，只有第一年的更新可以量化为NDMI在茂密植被中饱和[54,55,56]尽管森林结构不同。然而，我们能够确定管理定义跑车之间和内部的恢复时间变化。
据我们所知，这是首次使用年度陆地卫星时间序列量化MMFR中早期森林恢复时间的研究。以往关于红树林再生的研究侧重于量化新红树林覆盖[32,33]. 虽然对红树林新定居地区的了解无疑是重要的，并且对于改善红树林地区的管理来说是必需的，但除面积外，还需要进行测量，以量化MMFR中的红树林再生。阿齐兹等人[57]利用1978年至2014年的9张陆地卫星图像，通过将森林分为幼林和成熟林，分析了MMFR中的红树林再生。然而，他们没有使用年度时间序列，也没有量化恢复时间。
这项研究绘制了清仓销售图，反映了当地管理层定义的轿跑车，尽管轿跑车的形状略有不同。这证实了本研究的结果，并为使用此处介绍的方法支持MMFR的本地管理提供了可能性。清除事件是逐像素检测的，因此，如果一个像素被部分清除，并且像素内仍有一些植被，则不可能检测到清除事件，因为NDMI的减少不足。这种情况可能发生，因为管理层建议大约18个成熟的红树属在清洁区，每公顷应保留树木，作为繁殖源进行再克隆[8]. 然而，这一限制并不妨碍我们的地图用于支持本地管理，因为本研究实际上完全确定了每辆跑车的区域。总的来说，我们确认了Aziz等人的结果[57,58]强调陆地卫星档案的有用性，以支持MMFR的本地管理。
我们还确定了三个保护区的变化（参见补充数据图S5)其中之一也由Aziz等人进行了研究[57]. 我们发现NDMI时间序列的突然下降可能导致森林结构发生变化阿维森尼亚·索尼拉提亚,红树属以及旱地森林。虽然不在生产区，但这些变化突显了受管理森林对事件或过程的脆弱性，这些事件或过程可能影响保护区为MMFR提供的生态系统服务[4,57].
清理后的红树林恢复时间从2年到25年不等，同年清理的区域之间和区域内的恢复时间也不同。红树林繁殖体的扩散和建立是一个复杂的过程，受到洋流、水深、风、盐度、地貌、繁殖体捕食、繁殖体形态、光照和营养物质可用性等因素的影响[59,60,61,62,63,64]. 因此，需要进一步研究，解释恢复时间的变化，考虑到上述因素，并增加我们对红树林再生驱动因素的了解。

4.2. 对当地管理层的影响

本研究的结果对MMFR的本地管理是新的和有用的。MMFR的管理层实施了积极的重新种植政策。砍伐事件发生两年后，管理层对砍伐区域进行评估，如果自然再生率低于90%，红树属在需要的地方种植树苗[8]. 这项政策对清理后两年的植被覆盖率有影响，因此对NDMI也有影响。本研究确定的恢复时间超过了两年评估期。因此，本研究可以为当地管理部门提供关于何时何地重新种植的信息。这项研究还可以确定过去的种植可能没有预期的那么成功，因此可以更好地了解未来的管理途径。
此外，本研究的结果还可用于支持监测活动，重新定义当前和新的行政林区，并指导清场活动的规划。确定NDMI中的变化也可以提供生产区和保护区中发生的变化的视图。这些信息可用于更新当前管理地图，并监测未进行木材提取但与维护保护区生态系统服务相关的区域内的森林，如繁殖源、海岸保护和动植物保护[8]. 此外，由于红树林地区难以进入，免费卫星图像的可用性为增加监测频率提供了可能性[49].
本研究中使用的方法也可用于其他正在进行造林管理的红树林地区，如印度尼西亚西巴布亚的宾图尼湾[9]和孙德尔本斯[10]. 宾图尼湾的造林管理重点是红树属具有25年轮换周期和类似于MMFR中使用的再植策略的物种[9]. 因此，本研究中提出的方法也可用于西巴布亚红树林地区的管理。此外，未进行造林管理的红树林地区可以利用NDMI时间序列来检测森林结构中的干扰。正如Curnick等人最近概述的那样[65]即使是受到人为干扰威胁的最小红树林斑块，也具有重要的生态系统功能、商品和服务，受到干扰时，也可能从早期检测中受益。正如我们在本研究中所示，这些类型的时间序列有可能检测到现有红树林地区的干扰和再生。尽管有必要修改当前的方法，以考虑其他类型干扰的驱动因素，但在干扰后追踪再生生长的潜力对全球红树林保护和管理非常有用。

5.结论

这项研究证实，可以通过陆地卫星时间序列来量化MMFR红树林的清除事件和早期更新。NDMI最有助于检测作为当地管理战略的一部分，在保护区定期发生的清算事件。此外，NDMI有助于计算红树林的早期更新，平均恢复时间为5.87±2.67年。伐木模式与MMFR管理计划中概述的模式相似。因此，本研究提供的绘图为MMFR红树林恢复提供了新的见解，是指导未来清林管理、重新种植策略和监测的有价值的方法。

补充资料

以下内容可在线获取，网址为https://www.mdpi.com/2072-4292/11/7/774/s1; 图S1：面罩；图S2:NDMI和NDVI城市地区时间序列；图S3：时间序列分析：NDMI下降计算；图S4：通过与点数据集的比较进行验证时间序列分析；图S5：通过与管理区地图的比较进行验证时间序列分析；表S1：通过与清仓计划的比较验证时间序列分析。

作者贡献

概念化、V.O.、R.V.D.K.、R.L.和F.D.-G。；数据管理，R.V.D.K。；形式分析，V.O。；资金收购，R.V.D.K.、B.S.、H.M.-L.、R.L.和F.D.-G。；调查、V.O.、R.V.D.K.、B.S.、R.L.和F.D.-G。；项目管理，V.O.、R.V.D.K.、B.S.、R.L.和F.D.-G。；资源、R.V.D.K.、B.S.、H.M.-L.、R.L.和F.D.-G。；监管、R.V.D.K.、B.S.、R.L.和F.D.-G。；验证、V.O.、R.V.D.K.、R.L.和F.D.-G。；书面原稿，V.O。；写作-审查和编辑，V.O.、R.V.D.K.、B.S.、R.L.和F.D.-G。

基金

本研究由BELSPO（比利时科学政策办公室）在STEREO III项目框架内资助，该项目使用光学和雷达环境卫星管理红树林（MAMAFOREST），批准号为SR/00/323。

致谢

我们要感谢霹雳州林业局和MMFR的当地护林员在野外工作期间提供的支持，以及提供的保护区管理计划。我们还要感谢穆罕默德·阿米尔·本·菲索尔（Muhammad Amir Bin Fisol）、艾米莉亚·阿沙里（Emilia Ashari）和哥伦巴·马丁内斯·埃斯皮诺萨（Columba Martínez-Espinosa）在实地考察期间的合作。这项研究是在马来西亚怡保霹雳州林业局的批准下进行的。Landsat Surface Reflectance产品由美国地质调查局提供。本文在比利时大学基金会的支持下出版。比利时大学基金会的公众集会。

利益冲突

作者声明没有利益冲突。

工具书类

  1. Mukherjee，N。；萨瑟兰，W.J。；M.N.I.汗。；美国伯杰。；施密茨，N。；Dahdouh-Guebas，F。；Koedam，N.利用专家知识和建模来定义红树林的组成、功能和威胁，并估计恢复的时间框架。经济。埃沃。 2014,4, 2247–2262. [谷歌学者] [交叉参考] [公共医学]
  2. 北卡罗来纳州杜克。；波尔，M.C。；Ellison，J.C.影响红树林生物多样性和分布梯度的因素。手套。经济。生物地理。莱特。 1998,7, 27–47. [谷歌学者] [交叉参考]
  3. Alongi，D.M.红树林：复原力、海啸防护和应对全球气候变化。埃斯特瓦尔。海岸。货架科学。 2008,76, 1–13. [谷歌学者] [交叉参考]
  4. 埃里森，A.红树林恢复：我们知道得够多吗？恢复。经济。 2000,8, 219–229. [谷歌学者] [交叉参考]
  5. Bosire，J.O。；Dahdouh-Guebas，F。；沃尔顿，M。；克罗纳，B.I。；刘易斯，R.R.，III；菲尔德，C。；凯罗，J.G。；Koedam，N.恢复红树林的功能：综述。阿奎特。机器人程序。 2008,89, 251–259. [谷歌学者] [交叉参考] [绿色版本]
  6. 多纳托特区。；考夫曼，J.B。；Murdiyarso，D。；Kurnianto，S。；Stidham，M。；Kanninen，M.红树林是热带地区碳含量最高的森林之一。自然地质学。 2011,4, 293–297. [谷歌学者] [交叉参考]
  7. Alongi，D.M.红树林中的碳封存。碳管理。 2012,三, 313–322. [谷歌学者] [交叉参考]
  8. Ariffin，R。；新墨西哥州穆斯塔法。马塘红树林保护区工作计划第6版。；霹雳州国家林业局：马来西亚怡保，2013年；第38–43、53–56、60–63、195–207页。
  9. Sillanpaa，M。；范特林根，J。；Friess，D.A.印尼巴布亚西部可持续收获红树林中的植被再生。对于。经济。管理。 2017,390, 137–146. [谷歌学者] [交叉参考]
  10. 伊夫特哈尔，M.S。；Islam，M.R.管理孟加拉国红树林：战略分析。J.海岸。保护。 2004,10, 139–146. [谷歌学者] [交叉参考]
  11. 库恩泽，C。；布鲁梅尔，A。；Gebhardt，S。；Quoc，电视。；Dech，S.红树林生态系统遥感：综述。远程传感器。 2011,三, 878–928. [谷歌学者] [交叉参考] [绿色版本]
  12. 卢卡斯，R.M。；米切尔，A.L。；Rosenqvist，A。；普罗西，C。；梅利厄斯，A。；Ticehurst，C.L波段SAR量化红树林特征和变化的潜力：热带案例研究。阿奎特。保护。 2007,17, 245–264. [谷歌学者] [交叉参考]
  13. 格林，E.P。；克拉克，C.D。；Mumby，P.J。；爱德华兹，A.J。；Ellis，A.C.红树林制图遥感技术。《国际遥感杂志》。 1998,19, 935–956. [谷歌学者] [交叉参考] [绿色版本]
  14. Giri，C。；Ochieng，E。；Tieszen，L.L。；朱，Z。；辛格，A。；Loveland，T。；马塞克，J。；Duke，N.利用地球观测卫星数据研究世界红树林的现状和分布。手套。经济。生物地理。 2011,20, 154–159. [谷歌学者] [交叉参考]
  15. 法托依因博，T.E。；Simard，M.，来自ICESat/GLAS和SRTM的非洲红树林高度和生物量。《国际遥感杂志》。 2013,34, 668–681. [谷歌学者] [交叉参考]
  16. N.托马斯。；卢卡斯，R。；邦廷，P。；A.哈代。；Rosenqvist，A。；Simard，M.，1996-2010年全球红树林变化的分布和驱动因素。公共科学图书馆 2017,12，e0179302。[谷歌学者] [交叉参考]
  17. Dahdouh-Guebas，F。；Verheyden，A。；德根斯特，W。；Hettiarachchi，S。；从连续航拍照片中检测到的斯里兰卡红树林四十年的植被动态：加勒的一个案例研究。牛市。科学3月。 2000,67, 741–759. [谷歌学者]
  18. Satyanarayana，B。；穆斯林，上午。；北卡罗来纳州霍斯塔利。；Zauki，N.A。；奥特罗，V。；M.I.纳兹里。；易卜拉欣，S。；侯赛因，M.L。；Dahdouh-Guebas，F.马来西亚东部文莱湾未受干扰红树林的现状：基于遥感和地面观测的初步评估。同行J 2018,6，e4397。[谷歌学者] [交叉参考] [公共医学]
  19. Ruwaimana，M。；Satyanarayana，B。；奥特罗，V。穆斯林，上午。；Syafiq，A.M。；易卜拉欣，S。；Raymaekers，D。；Koedam，N。；Dahdouh-Guebas，F.在绘制红树林地图时，使用无人机相对于天基图像的优势。公共科学图书馆 2018,13，e0200288。[谷歌学者] [交叉参考]
  20. R.E.肯尼迪。；杨，Z。；Cohen，W.E.使用年度陆地卫星时间序列检测森林干扰和恢复趋势：1。LandTrend-Temoral分割算法。遥感环境。 2010,114, 2897–2910. [谷歌学者] [交叉参考]
  21. Broich，M。；Hansen，M.C。；Potapov，P。；阿杜塞，B。；Lindquist，E。；Stehman，S.V.多分辨率光学图像的时间序列分析，用于量化印尼苏门答腊和加里曼丹的森林覆盖损失。国际期刊申请。地球观测地理信息。 2011,13, 277–291. [谷歌学者] [交叉参考]
  22. Hansen，M.C。；波塔波夫，P.V。；摩尔，R。；Hancher，M。；Turubanova股份有限公司。；丘卡维纳，A。；Thau，D。；Stehman，S.V.公司。；S.J.戈茨。；T.R.洛夫兰。；等，《21世纪森林覆盖变化的高分辨率全球地图》。科学类 2013,342, 850–885. [谷歌学者] [交叉参考]
  23. 朱，Z。；Woodcock，C.E.使用所有可用的陆地卫星数据对土地覆盖进行持续变化检测和分类。遥感环境。 2014,144, 152–171. [谷歌学者] [交叉参考]
  24. Verbesselt，J。；Hyndman，R。；Zeileis，A。；Culvenor，D.物候变化检测，同时考虑卫星图像时间序列中的突变和渐变趋势。遥感环境。 2010,114, 2970–2980. [谷歌学者] [交叉参考] [绿色版本]
  25. Verbesselt，J。；Zeileis，A。；Herold，M.使用卫星图像时间序列进行近实时干扰检测。遥感环境。 2012,123, 98–108. [谷歌学者] [交叉参考]
  26. DeVries，B。；Decuyper，M。；Verbesselt，J。；Zeileis，A。；Herold，M。；Joseph，S.使用结构变化检测和Landsat时间序列跟踪热带森林的扰动再增长动态。遥感环境。 2015,169, 320–334. [谷歌学者] [交叉参考]
  27. Wilson，E.H。；Sader，S.使用Landsat TM图像的多个日期检测森林收获类型。遥感环境。 2002,80, 385–396. [谷歌学者] [交叉参考]
  28. Jin，S。；Sader，S.A.在检测森林干扰时对时间序列流苏帽湿度和标准化差异水分指数的比较。远程传感器环境。 2005,94, 364–372. [谷歌学者] [交叉参考]
  29. Gao，B.NDWI——从空间遥感植被液态水的归一化差异水分指数。远程传感器环境。 1996,58, 257–266. [谷歌学者] [交叉参考]
  30. 黄，C。；Goward，S。；Masek，J.G。；N.托马斯。；朱，Z。；Vogelmann，J.E.使用密集Landsat时间序列堆栈重建近期森林干扰历史的自动化方法。遥感环境。 2010,114, 183–198. [谷歌学者] [交叉参考]
  31. 刘，M。；张，H。；林·G。；Lin，H。；Tang，D.红树林的分区和方向动态来自香港米埔的时间序列卫星图像。持续性 2018,10, 1913. [谷歌学者] [交叉参考]
  32. Flores-Cardenas，F。；Millan-Agular，O。；Diaz-Lara，L。；罗德里格斯-阿雷东多，L。；Hurtado-Oliva，文学硕士。；Manzano-Sarabia，M.墨西哥西北部红树林地区归一化差异植被指数的趋势。J.海岸。物件。 2018,34, 877–882. [谷歌学者] [交叉参考]
  33. J·古兹曼牧师。；Dash，J。；Atkinson，P.M.红树林物候及其环境驱动因素的遥感。遥感环境。 2018,205, 71–84. [谷歌学者] [交叉参考]
  34. 普罗西，C。；Viennois，G。；Sidik，F。；安达亚尼，A。；Enright，J.A。；吉他，S。；北卡罗来纳州古斯马瓦蒂。；Lemonnier，H。；Muthusankar，G。；奥拉戈克，A。；等。利用高空间分辨率卫星图像的时间序列监测放弃水产养殖后的红树林：印度尼西亚巴厘岛佩兰恰克河口的案例研究。三月污染。牛市。 2018,131, 61–71. [谷歌学者] [交叉参考] [公共医学] [绿色版本]
  35. 拉戈马西诺，D。；法托因博，T。；A.李。；费利西亚诺，E。；Trettin，C。；夏皮罗，A。；Mangora，M.M.测量三角洲红树林的碳损失和增加。环境。Res.Lett公司。 2019,14, 025002. [谷歌学者] [交叉参考]
  36. M.I.布朗。；Pearce，T。；Leon，J。；Sidle，R。；Wilson，R.利用遥感和传统生态知识（TEK）了解澳大利亚昆士兰马鲁奇河红树林的变化。申请。地质师。 2018,94, 71–83. [谷歌学者] [交叉参考]
  37. 翟，L。；张，B。；罗伊，A.A。；D.O.Fuller。；Lobo Sternberg，L.S.红树林扩张导致海平面上升的无益恢复力遥感：美国佛罗里达湾岛屿的案例研究。经济。印度。 2019,97, 51–58. [谷歌学者] [交叉参考]
  38. Chong，V.C.马来西亚红树林生态系统的可持续利用和管理。阿奎特。生态系统。健康管理。 2006,9, 249–260. [谷歌学者] [交叉参考]
  39. 韦德曼，N.B。；库斯，D。；Gleditsch，K.S.《国际体系地理：CShapes数据集》。国际互动。 2010,36, 86–106. [谷歌学者] [交叉参考] [绿色版本]
  40. 阿扎哈尔，M。；新墨西哥州Nik Mohd Shah。霹雳州马塘红树林保护区工作计划：第二轮的第三个10年期（2000-2009年）第5版。；霹雳州国家林业局：马来西亚怡保，2003年；第250-261页。
  41. 苏海拉，J。；Jemain，A.A.使用正态变换分布拟合马来西亚的日降雨量。J.应用。科学。 2007,7, 1880–1886. [谷歌学者]
  42. Asthon，E.C.公司。；P.J.霍加特。；Ormond，R.马来西亚半岛红树林管理区红树林落叶分解。水生生物学 1999,413, 77–88. [谷歌学者]
  43. 美国地质勘探局。陆地卫星4–7表面反射代码（LEDAPS）产品指南; 1.0版；美国地质勘探局：2018年，美国SD苏福尔斯。
  44. 美国地质勘探局。Landsat 8表面反射代码（LASRC）产品指南; 1.0版；美国地质勘探局：2018年，美国SD苏福尔斯。
  45. Masek，J.G。；佛蒙特，E.F。；Saleous，东北部。；沃尔夫，R。；霍尔，F.G。；K.F.Huemmrich。；高，F。；库特勒，J。；Lim，T.-K.北美陆地卫星表面反射率数据集，1990-2000年。IEEE地理学会。遥感快报。 2006,三, 68–72. [谷歌学者] [交叉参考]
  46. 佛蒙特，E。；正义，C。；Claverie，M。；Franch，B.陆地卫星8/OLI地表反射率产品性能的初步分析。遥感环境。 2016,185, 46–56. [谷歌学者] [交叉参考]
  47. 美国地质勘探局。产品指南：陆地卫星表面反射率衍生光谱指数。版本3.6。在线可用：https://landsat.usgs.gov/sites/default/files/documents/si_product_guide.pdf（2019年1月11日访问）。
  48. 美国地质勘探局。扫描线校正器故障后陆地卫星7号ETM+数据价值的初步评估。执行摘要。2003年7月16日。在线可用：https://prd-wret.s3-us-west-2.amazonaws.com/assets/paladium/production/s3fs-public/atoms/files/SLC_off_Scientific_Usability.pdf（2019年1月14日访问）。
  49. 奥特罗，V。；Van De Kerchove，R。；Satyanarayana，B。；马丁内斯·埃斯皮诺萨，C。；Bin Fisol，文学硕士。；M.R.本·易卜拉欣（Bin Ibrahim）。；易卜拉欣，S。；侯赛因，M.L。；卢卡斯，R。；Dahdouh-Guebas，F.从空中管理红树林：使用现场数据和无人机（UAV）图像在马来西亚半岛马塘红树林保护区进行森林调查。对于。经济。管理。 2018,411, 35–45. [谷歌学者] [交叉参考]
  50. Zhu，Z.使用Landsat时间序列进行变化检测：频率、预处理、算法和应用综述。ISPRS J.摄影。远程传感器。 2017,130, 370–384. [谷歌学者] [交叉参考]
  51. Lee，H.通过将二进制编码方法应用于Landsat 11月的时间序列图像，绘制森林砍伐和常绿树木年龄。IEEE传输。地质科学。远程传感器。 2008,46, 3926–3936. [谷歌学者] [交叉参考]
  52. 北卡罗来纳州卡亚斯塔。；托马斯·V。；Galbraith，J。；Banskota，A.使用陆地卫星年际时间序列数据监测湿地变化。湿地 2012,32, 1149–1162. [谷歌学者] [交叉参考]
  53. R工作室团队。R工作室：R的集成开发; RStudio公司：美国马萨诸塞州波士顿，2016年；在线可用：网址：http://www.rstudio.com/（2019年3月19日访问）。
  54. T.J.杰克逊。；Che，D。；科什，M。；李，F。；安德森，M。；沃尔特霍尔，C。；多莉亚斯瓦米，P。；Hunt，E.R.利用陆地卫星数据绘制植被含水量图，得出玉米和大豆的归一化差异水分指数。远程传感器环境。 2004,92, 475–482. [谷歌学者] [交叉参考]
  55. Huete，A。；迪丹，K。；三浦，T。；罗德里格斯，E.P。；高，X。；Ferreira，L.G.MODIS植被指数的辐射和生物物理性能概述。遥感环境。 2002,83, 195–213. [谷歌学者] [交叉参考]
  56. 巴雷特，F。；Guyot，G.LAI和APAR评估植被指数的潜力和限制。遥感环境。 1991,35, 161–173. [谷歌学者] [交叉参考]
  57. 阿齐兹，A.A。；Phinn，S。；Dargusch，P.使用陆地卫星和基于对象的图像分析调查红树林生产中生态系统服务的下降。埃斯特瓦尔。海岸。货架科学。 2015,164, 353–366. [谷歌学者] [交叉参考] [绿色版本]
  58. 阿齐兹，A.A。；Phinn，S。；达尔古什，P。；奥马尔，H。；Arjasakusma，S.评估陆地卫星图像档案在马来西亚红树林生态监测和管理中的潜在应用。韦特尔。经济。管理。 2015,23, 1049–1066. [谷歌学者] [交叉参考]
  59. Di Nitto，D。；埃夫特梅耶尔，P.L.A。；van Beek，J.K.L。；Dahdouh-Guebas，F。；Higazi，L。；Quisthoudt，K。；Jayatissa，L.P.公司。；Koedam，N.模拟红树林繁殖体扩散和废弃养虾场恢复的驱动因素。生物地球科学 2013,10, 5095–5113. [谷歌学者] [交叉参考] [绿色版本]
  60. W.P.苏萨。；肯尼迪，P.G。；Mitchell，B.J.繁殖体大小和昆虫对繁殖前的破坏影响红树林幼苗的建立和早期生长。生态 2003,135, 564–575. [谷歌学者] [交叉参考] [公共医学] [绿色版本]
  61. W.P.苏萨。；肯尼迪，P.G。；B.J.米切尔。；Ordonez，B.M.为红树林提供生态：繁殖体扩散和幼苗建立能解释森林结构吗？经济。单声道。 2007,77, 53–76. [谷歌学者] [交叉参考]
  62. 汤姆林森，P.B。红树林植物学第2版。；剑桥大学出版社：英国剑桥，2016；第135–136页。[谷歌学者]
  63. Van der Stocken，T。；Vanschoenwinkel，B。；De Ryck，D.J.R。；T.J.Bouma。；Dahdouh-Guebas，F。；Koedam，N.水和风的相互作用是红树林被动扩散的驱动因素。公共科学图书馆 2015,10，e0121593。[谷歌学者] [交叉参考] [公共医学]
  64. 范·内德维尔德，F。；坎尼奇，S。；Koedam，N。；Bosire，J。；Dahdouh-Guebas，F.是什么调节了螃蟹对红树林繁殖体的捕食？《海洋学报》。 2015,63, 63–70. [谷歌学者] [交叉参考] [绿色版本]
  65. 科尼克，D.J。；北卡罗来纳州佩特雷利。；阿米尔，A.A。；Balke，T。；Barbier，E.B。；克鲁克斯，S。；Dahdouh-Guebas，F。；C.邓肯。；Endsor，C。；弗里斯，D.A。；等。小红树林斑块的价值。科学类 2019,363, 239. [谷歌学者] [交叉参考]
遥感11 00774 g001 550
图1。马来西亚半岛西海岸马塘红树林保护区（MMFR）的管理区。每个区域都有不同的物种组成。生产区和限制性生产区主要由尖叶沙鼠和红茄苳物种。保护区在树种方面更加多样化，包括Avicennia、Sonneratia、Bruguiera和红树属红树林和旱地森林。在本研究中，在MMFR北部收集了现场数据（以圆圈表示）。灰色区域不在保护区的管理范围内。地图改编自Weidmann等人[39]阿里芬和穆斯塔法[8].
图1。马来西亚半岛西海岸马塘红树林保护区（MMFR）的管理区。每个区域都有不同的物种组成。生产区和限制性生产区主要包括尖叶沙鼠和红茄苳物种。保护区在树种方面更加多样化，包括Avicennia、Sonneratia、Bruguiera和红树属红树林和旱地森林。在本研究中，在MMFR北部收集了现场数据（以圆圈表示）。灰色区域不在保护区的管理范围内。地图改编自Weidmann等人[39]阿里芬和穆斯塔法[8].
远程调校11 00774 g001
远程调校11 00774 g002 550
图2。检测清林事件并量化MMFR红树林早期再生的工作流程。数字参考本文件中的章节。NDMI是指归一化差异水分指数，NDVI是指归一化差异植被指数。
图2。检测清林事件并量化MMFR红树林早期再生的工作流程。数字参考本文件中的章节。NDMI是指归一化差异水分指数，NDVI是指归一化差异植被指数。
远程定位11 00774 g002
远程调校11 00774 g003 550
图3。开放水域和小溪地区NDVI和NDMI的135个像素时间序列的行为(一,b条)，对于森林地区(c（c）,d日). 蓝线表示每年的平均值，灰色区域表示标准差。
图3。开放水域和小溪地区NDVI和NDMI的135个像素时间序列的行为(一,b条)，对于森林地区(c（c）,d日). 蓝线表示每年的平均值，灰色区域表示标准偏差。
远程调校11 00774 g003
远程调校11 00774 g004 550
图4。示例(一,c（c）)NDMI和(b条,d日)1988年至2015年生产林清理前后NDVI年度时间序列(一,b条). 图中还显示了1988年至2015年间未被砍伐的生产林中的随机位置(c（c）,d日). 蓝线表示每年的平均值，灰色区域表示标准偏差（n=135）。已清理的生产区域(一,b条)是时移的，因此它们可以根据清算活动发生的年份显示NDMI和NDVI值的变化。
图4。示例(一,c（c）)NDMI和(b条,d日)1988年至2015年生产林清理前后NDVI年度时间序列(一,b条). 图中还显示了1988年至2015年间未被砍伐的生产林中的随机位置(c（c）,d日). 蓝线表示每年的平均值，灰色区域表示标准偏差（n=135）。已清理的生产区域(一,b条)是时移的，因此它们可以根据清算活动发生的年份显示NDMI和NDVI值的变化。
远程调校11 00774 g004
远程调校11 00774 g005 550
图5。NDMI时间序列中的趋势是森林被清除，随后通过头顶（无人机；表中第一行图像）和地面（较低行图像）的视图重新生成（顶部）(1)30年的林分(2)最近清理过的区域(3)7岁和(4)14岁的看台。伐木后，土壤裸露，树干和碎片残留。尽管密度随着森林年龄的增长或变薄而降低，但经过约7年的生长后，仍然会形成非常稠密的树冠。
图5。NDMI时间序列中的趋势是森林被清除，随后通过头顶（无人机；表中第一行图像）和地面（较低行图像）的视图重新生成（顶部）(1)30年的林分(2)最近清理过的区域(3)7岁和(4)14岁的看台。伐木后，土壤裸露，树干和碎片残留。尽管密度随着森林年龄的增长或变薄而降低，但经过约7年的生长后，仍然会形成非常稠密的树冠。
远程调校11 00774 g005
遥感11 00774 g006a 550遥感11 00774 g006b 550
图6。NDMI（1988年至2015年）的时间趋势（黑线）突出了初始清除和随后的再生期。砍伐年份用实线表示，恢复年份用虚线表示。(一)在这个例子中，清算年份是1991年，恢复时间是7年，NDMI下降了0.71（参见补充数据图S3). (b条)在第二个例子中，清算年份是2001年，恢复时间是11年，NDMI减少了0.79。
图6。NDMI（1988年至2015年）的时间趋势（黑线）突出了初始清除和随后的再生期。清仓年份用实线表示，复苏年份用虚线表示。(一)在这个例子中，清算年份是1991年，恢复时间是7年，NDMI下降了0.71（参见补充数据图S3). (b条)在第二个例子中，清算年份是2001年，恢复时间是11年，NDMI减少了0.79。
远程设置11 00774 g006a远程设置11 00774 g006b
远程设置11 00774 g007 550
图7。(一)根据NDMI Landsat时间序列确定的1988年至2015年的清算年份。更详细的子集由(b条)虚线方框和(c（c）)实心正方形。1989年至2015年间，白色区域未清理干净。灰色区域不在保护区的管理范围内。投影在通用横轴墨卡托（UTM）47N区的地图。
图7。(一)根据NDMI Landsat时间序列确定的1988年至2015年的清算年份。更详细的子集由(b条)虚线方框和(c（c）)实心正方形。1989年至2015年间，白色区域未清理干净。灰色区域不在保护区的管理范围内。投影在通用横轴墨卡托（UTM）47N区的地图。
远程设置11 00774 g007
远程定位11 00774 g008 550
图8。(一)根据1988年至2015年间NDMI Landsat时间序列确定的恢复时间。中提供了更详细的子集(b条)（虚线边界）和(c（c）)（实线）。白色区域表示1989年至2015年间未清理的地方，或因2015年前未完全恢复而被排除在外的地方。b和c中的黑线表示同一年已清理的区域。灰色区域不在保护区的管理范围内。
图8。(一)根据1988年至2015年间NDMI陆地卫星时间序列确定的恢复时间。中提供了更详细的子集(b条)（虚线边界）和(c（c）)（实线）。白色区域表示1989年至2015年间未清理的地方，或因2015年前未完全恢复而被排除在外的地方。b和c中的黑线表示同一年已清理的区域。灰色区域不在保护区的管理范围内。
远程设置11 00774 g008
远程设置11 00774 g009 550
图9。(一,c（c）)管理计划中定义的车厢和行政跑车。每个数字表示隔间编号，黑线表示隔间的界限。仅显示了计划在2010年至2019年期间清仓的跑车。(b条,d日)管理计划和本研究中创建的地图之间的重叠显示了清算年份。管理计划中定义的跑车与每年实际清理的区域之间存在匹配。
图9。(一,c（c）)管理计划中定义的车厢和行政跑车。每个数字表示隔间编号，黑线表示隔间的界限。仅显示了计划在2010年至2019年期间清仓的跑车。(b条,d日)管理计划和本研究中创建的地图之间的重叠显示了清算年份。管理计划中定义的跑车与每年实际清理的区域之间存在匹配。
远程设置11 00774 g009
表
表1。使用的光学传感器和图像采集年份。括号中的数字表示特定年份使用的图像数量（请参阅第2.2.2节).
表1。使用的光学传感器和图像采集年份。括号中的数字表示特定年份使用的图像数量（请参阅第2.2.2节).
光学传感器年份和每年的图像数
陆地卫星专题制图器（TM）-陆地卫星41991 (1)
陆地卫星专题制图器（TM）-陆地卫星51988 (2), 1989 (6), 1990 (2), 1991 (4), 1992 (2), 1993 (1), 1994 (5), 1995 (1), 1996 (1), 1997 (3), 1998 (4), 1999 (2), 2000 (3), 2003 (2), 2004 (4), 2005 (6), 2006 (3), 2007 (5), 2008 (6), 2009 (2), 2010 (3), 2011 (2)
增强型主题制图器增强版（ETM+）–陆地卫星71999 (1), 2000 (1), 2001 (2), 2002 (4), 2003 (3), 2012 (6)
实用陆地成像仪（OLI）——陆地卫星82013 (6), 2014 (3), 2015 (1)

分享和引用

MDPI和ACS样式

奥特罗，V。；Van De Kerchove，R。；Satyanarayana，B。；莫赫德·洛克曼，H。；卢卡斯，R。；Dahdouh Guebas，F。马来西亚半岛马塘红树林保护区红树林早期更新的Landsat时间序列分析。远程传感器。 2019,11, 774.https://doi.org/10.3390/rs11070774

AMA风格

Otero V、Van De Kerchove R、Satyanarayana B、Mohd-Lokman H、Lucas R、Dahdouh-Guebas F。马来西亚半岛马塘红树林保护区红树林早期更新的Landsat时间序列分析。遥感. 2019; 11(7):774.https://doi.org/10.3390/rs11070774

芝加哥/图拉宾风格

Otero、Viviana、Ruben Van De Kerchove、Behara Satyanarayana、Husain Mohd-Lokman、Richard Lucas和Farid Dahdouh-Guebas。2019.“利用陆地卫星时间序列分析马来西亚半岛马塘红树林保护区红树林的早期更新”遥感11，编号7:774。https://doi.org/10.3390/rs11070774

请注意，从2016年第一期开始，该杂志使用文章编号而不是页码。请参阅更多详细信息在这里.

文章指标

返回页首顶部