《Geography and Sustainability》：Spatiotemporal dynamics and driving forces of global mangrove change
编辑推荐：
本研究针对全球红树林变化中增益与损失动态交织、驱动机制存在区域异质性等科学问题，基于2000-2022年全球30米分辨率红树林分布时序数据集，结合机器学习模型（XGBoost）与SHAP解释框架，首次在全球和区域尺度系统解析了红树林时空演变规律及其驱动因素。研究发现全球红树林面积呈现小幅增长但存在显著区域分异，东南亚为净损失区而南亚/非洲/大洋洲总体增长；区域模型预测精度（R2最高达0.8949）显著优于全球模型，揭示海岸线可达性、保护区状态和农业适宜性等关键驱动因素的非线性交互作用。该研究为制定区域差异化红树林保护与气候适应策略提供了科学依据。
作为沿海生态系统的关键组成部分，红树林在抵御海岸侵蚀、固碳减排和维护生物多样性等方面发挥着不可替代的作用。然而过去几十年间，受土地利用转换、水产养殖扩张和海岸带开发等多重压力影响，全球红树林生态系统经历了剧烈变化。尽管已有研究对红树林损失及其驱动因素进行了探讨，但关于红树林增益与损失动态交织的时空格局、以及考虑区域异质性的综合驱动模型研究仍显不足。特别是在全球尺度上区分红树林增益与损失过程，并系统比较不同热带海岸区域驱动机制的研究更为有限。
针对这一科学空白，温州大学彭天等研究人员在《Geography and Sustainability》上发表论文，基于2000-2022年全球30米分辨率年度红树林分布数据集（GWL_FCS30D），结合环境、气候和人为因素等多源数据，采用极端梯度提升（XGBoost）机器学习和SHapley加性解释（SHAP）框架，从全球和区域尺度揭示了红树林变化的时空动态及其驱动机制。研究不仅刻画了红树林变化的总体趋势，还深入分析了东南亚、南亚、非洲、拉丁美洲和加勒比地区、大洋洲和太平洋五大区域的差异化特征。
研究采用的关键技术方法主要包括：利用全球30米分辨率年度湿地数据集（GWL_FCS30D）提取红树林分布信息；构建包含人类活动、可达性、农业压力、保护水平、气候地形等维度的多指标驱动因子体系；采用XGBoost机器学习算法建立全球和区域尺度预测模型；运用SHAP值进行特征重要性排序和交互作用解析。研究时段划分为7个阶段（2000-2004年至2020-2022年），在每个1公里网格内计算红树林覆盖比例作为响应变量，共使用105万个样本进行模型训练和验证。
3.1 全球红树林的时空变化特征
3.1.1 总体变化
2000-2022年间全球红树林面积保持相对稳定且呈小幅增长趋势。亚洲拥有全球40.09%的红树林，但面积呈下降趋势，而拉丁美洲和加勒比地区（27.11%）与非洲（20.84%）则呈现增长。印度尼西亚的红树林面积占全球20%，但经历了显著减少，特别是在2015年下降达1.35%。研究识别出五大高密度红树林分布区：哥伦比亚西部沿海带、几内亚比绍西南海岸河口三角洲、尼日利亚尼日尔河三角洲、印度尼西亚加里曼丹东北沿海地区和印度尼西亚巴布亚省Sungai Agimuga三角洲平原。
3.1.2 增益与损失变化特征
全球红树林增益面积达18,143.14平方公里，损失面积为16,601.89平方公里，净增1,541.25平方公里。增益与损失在空间分布上高度一致，主要集中在墨西哥湾、哥伦比亚Río Patia河口三角洲、尼日利亚尼日尔河三角洲、印度尼西亚Sungai Sesay河口和Pulau河口三角洲等区域。分阶段看，2000-2004年增益与损失基本平衡；2005-2010年两者均下降；2011-2013年呈现明显恢复趋势；2014-2019年趋于稳定；2020-2022年保持动态平衡。区域层面，亚洲和北美洲损失超过增益，而非洲、拉丁美洲和加勒比地区、大洋洲则呈现净增益。国家尺度上，印度尼西亚、墨西哥、马来西亚等国经历净损失，而尼日利亚、印度、澳大利亚等国则实现净增益。
3.2 全球红树林动态变化的驱动因素
3.2.1 全球尺度驱动因素分析
全球XGBoost模型预测精度为R2=0.5767，RMSE=0.1962。特征重要性分析显示，城市可达性、道路可达性、海岸线可达性、椰子适宜性和河流可达性位居前五位。SHAP分析表明海岸线可达性（平均绝对SHAP值=0.039）、保护区状态（0.032）和人类足迹指数（0.027）是关键驱动因素。交互作用分析发现城市可达性与GDP的交互最强（交互值=0.0226），其次是城市可达性与降水量（0.0180）。气候相关变量与人为驱动因素存在广泛耦合效应。
3.2.2 不同区域红树林动态的驱动因素
区域模型预测精度显著高于全球模型，其中南亚模型表现最佳（R2=0.8949），大洋洲和太平洋次之（R2=0.7945）。东南亚红树林变化主要受海岸线可达性和油棕适宜性驱动；南亚以保护区状态为主导因素；非洲受降水量影响显著；拉丁美洲和加勒比地区受甘蔗和油棕适宜性等农业因素影响较大；大洋洲和太平洋则表现出强烈的人口经济关联性。各区域驱动因素的重要性和作用方向存在明显差异，凸显了红树林变化驱动机制的区域特异性。
研究结论强调，尽管全球红树林面积总体稳定，但其内部存在着复杂的时空动态和区域异质性。东南亚地区的红树林损失与海岸带开发和农业扩张密切相关，而南亚和非洲的净增益则与有效保护政策和适宜的自然条件有关。可及性因素在全球范围内普遍影响红树林动态，但其作用方式和强度因区域背景而异。保护区状态在南亚表现出显著正面效应，而在拉丁美洲和加勒比地区作用相对有限，反映了区域间治理效力的差异。
研究的理论与实践意义在于：方法学上，通过结合XGBoost和SHAP框架，实现了对红树林变化驱动因素的可解释性分析；实证方面，揭示了红树林变化中增益与损失过程的空间解耦现象，强调了红树林作为动态生态系统的本质；政策层面，为制定区域特异性保护策略提供了科学依据，如东南亚应协调开发与保护关系，南亚和非洲需加强保护区管理，拉丁美洲需应对农业扩张压力等。未来研究需整合更高分辨率数据和更精细的 anthropogenic 驱动指标，以进一步提升对红树林生态系统复杂动态的理解和预测能力。
