《Estuarine, Coastal and Shelf Science》：Tracking Annual Changes in
Suaeda salsa Distribution in the Yellow River Delta Using Landsat Time-Series and Phenological–Tidal Inundation Dynamics
编辑推荐：
Suaeda salsa植被动态与潮汐淹没关系研究，提出PTISSI指数整合SAVI和mNDWI多时相遥感数据，实现高精度空间监测与长期趋势分析，有效提升湿地恢复管理效率。
刘凯|侯希勇|李东|王晓莉|张学英|宋杰
中国科学院烟台海岸带研究所海岸环境过程重点实验室，中国山东省烟台市264003
摘要
Suaeda salsa（S. salsa）作为温带盐沼的先锋物种，因其强耐盐性和对潮汐淹没的恢复力而提供了重要的生态系统服务。然而，现有的监测方法——无论是基于多物种分类还是依赖于S. salsa独特的红色表型——都无法充分捕捉沿海湿地的独特生态动态。为了解决这些限制，本研究开发了一种时间序列方法，结合了土壤调整植被指数（SAVI）和修正归一化差异水指数（mNDWI），使用多年Landsat影像数据。通过谐波分析重建连续的物候和淹没剖面，从中得出相对季节振幅（RSA）和振幅变化率（ACR）。这些指标被结合起来构建了物候-潮汐淹没Suaeda salsa指数（PTISSI），旨在同时反映植被生长动态和潮汐淹没模式。在黄河三角洲的大文柳和义前尔保护区应用后，PTISSI在2019年对S. salsa分布的映射准确率超过90%，比现有的红色表型指数（SSVI、RSSI、SSSI）和单一时间序列特征（FSAVI、FmNDWI）高出5-20%。2000年至2024年的长期监测显示，S. salsa栖息地表现出高空间异质性，大文柳和义前尔的年损失面积分别为1.72平方公里和0.72平方公里。在PTISSI框架的支持下，我们的发现倡导了一种沿海生态系统管理的范式转变——从静态的、基于快照的保护转向主动的、关注过程的管理。这种适应关键生态水文过程和政策效应时间滞后的转变对于维持动态的沿海湿地生态系统至关重要。
引言
沿海盐沼广泛分布于潮间带，作为天然缓冲区，通过减弱风暴潮和调节海洋水动力来减轻海洋引起的侵蚀，从而保持沿海生态系统的结构和功能完整性（Cao等人，2022年）。Suaeda salsa（S. salsa）是温带东亚盐沼中的优势先锋物种，其特征是植株低矮（20-60厘米）且对盐度和潮汐淹没具有很强的耐受性（Ke等人，2024年；Zhang等人，2025a年）。该物种对生态系统服务有重要贡献，如减弱波浪作用和固碳（Zhang等人，2025a年）。在温带典型的低温和高土壤盐度条件下，S. salsa在成熟期间会形成独特的红色色素，形成视觉上显著的“红色海滩”景观（Zhang等人，2024年）。然而，自然和人为压力导致盐沼迅速退化和破碎化（Cao等人，2022年）。过去三十年中，中国S. salsa的面积减少了约60%，年均损失面积为5.5平方公里（Cao等人，2022年；Zhang等人，2021b年），这促使政府启动了湿地恢复计划（Song等人，2022年）。因此，准确、长期监测S. salsa的动态对于指导恢复和保护规划至关重要。
遥感技术相比传统的野外调查具有独特的时空优势，后者通常劳动密集、耗时且空间受限（Huang等人，2024年；Wang等人，2020b年）。现有的用于绘制S. salsa的遥感方法大致分为两类：（1）利用空间、纹理和光谱特征，通过支持向量机或随机森林等机器学习分类器将其作为一般盐沼植被的一部分进行绘制（Chen等人，2022年；Cui等人，2022年；Murray等人，2022年）；（2）专门针对S. salsa，利用其独特的红色进行区分（Ke等人，2024年；Zhang等人，2021a年；Zhang等人，2025a年）。尽管这两种方法都取得了合理的准确率，但各自存在固有的局限性。前者需要大量的训练数据，限制了可扩展性和长期监测。相比之下，后者容易受到光谱变化、大气条件和传感器噪声的影响。
随着多源遥感数据的日益丰富，时间序列分析已成为表征沿海生态系统的强大工具（Huang等人，2025年；Sun等人，2016年）。植被物候——捕捉如绿化、成熟和衰老等关键季节性转变——可以通过长期指数（如归一化差异植被指数（NDVI）和增强植被指数（EVI）有效跟踪。例如，Sun等人（2023年）使用双波段EVI从Landsat影像中提取物候指标，提高了江苏盐沼分类的准确性。此外，潮汐淹没动态（影响潮间带植被分布）已被纳入湿地监测框架（Liu等人，2023年；Wang等人，2020a年）。从多时相影像中得出的水出现频率可以指示潮汐高度，结合光谱指数可以增强景观分类。然而，潮汐信息的应用主要集中在生态系统级别的映射上，对其区分个别物种（如S. salsa）的潜力探索有限。
长期的Landsat档案为监测沿海湿地动态提供了宝贵的基础（Ge等人，2022年）。自1999年以来，Landsat计划的双传感器操作将时间分辨率提高到8天（Kovalskyy和Roy，2013年），使得详细的时空分析成为可能。基于这一能力，我们提出了一种新的时间序列方法，结合了土壤调整植被指数（SAVI）和修正归一化差异水指数（mNDWI），构建了一个新的S. salsa监测指数。该指数同时捕捉了物候行为和潮汐淹没响应。我们首先将该方法应用于黄河三角洲（YRD）——一个S. salsa覆盖广泛的区域——以绘制2019年的分布情况，并与现有指数进行性能评估。然后我们将分析扩展到25年（2000-2024年），以评估S. salsa分布的长期时空趋势，为沿海湿地恢复和管理提供科学依据。
研究区域
黄河三角洲位于中国山东省东北部，地处黄河入海口，北临渤海，东接莱州湾。过去二十年里，黄河每年流入海洋的水量和沉积物量分别为约1.91 × 109立方米和1.5 × 108吨（Kong等人，2023年）。作为一个典型的河流主导的三角洲，潮汐影响较弱——平均潮差仅为约0.76米——YRD倾向于形成
方法论
S. salsa是一种低矮的先锋盐生植物，在湿润且盐度很高的（10–20 g/L-1）潮间带形成稀疏的群落（An等人，2011年；Zhang等人，2025a年）。在像Landsat这样的中低分辨率多光谱影像上，它的光谱特征与裸露的泥滩非常相似，这对准确绘制带来了挑战。然而，S. salsa和泥滩之间的一个关键生态区别在于它们的潮汐淹没频率。
PTISSI与其他Suaeda salsa指数的比较
通过逐步增加0.1的OA值，确定了区分S. salsa与泥滩和绿色植被的最佳阈值范围。如图8所示，最终选择的阈值区间是OA达到峰值的范围。具体来说，DWL区域的上下阈值分别为2.5和5，而YQE区域的阈值分别为2.7和5。由于比较指数（SSVI、RRSI和SSSI）是针对S.利用物候和潮汐淹没特征提取Suaeda salsa的潜力
关于
S. salsa提取的现有研究主要通过两种方法进行。第一种方法使用机器学习算法（如支持向量机（Chen等人，2022年）进行多物种分类，利用影像衍生的特征。这些方法在生态系统尺度上表现良好，但在单物种映射时存在计算冗余和泛化偏差的问题。第二种方法开发了利用植物独特红色表型的光谱指数
结论
本研究介绍了物候-潮汐淹没Suaeda salsa指数（PTISSI），它结合了物候动态和潮汐淹没响应，实现了S. salsa的准确长期提取。该方法显著提高了沿海湿地监测的时间分辨率和操作效率。结果表明，PTISSI有效克服了S. salsa与泥滩之间的光谱相似性以及潮汐波动的干扰
CRediT作者贡献声明
张学英：可视化、验证。王晓莉：验证、资金获取。宋杰：可视化、验证。刘凯：撰写——审稿与编辑、撰写——初稿、方法论。李东：可视化、验证、资金获取。侯希勇：撰写——审稿与编辑、方法论、资金获取利益冲突
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
资助
本研究得到了国家自然科学基金（编号：42176221、41901133）和黄河三角洲沿海湿地生态系统野外观测与研究站的开放基金（资助编号：HHMKJ202501）的支持。利益冲突声明
? 作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
