Spatio-temporal dynamics of mangrove cover based on Sentinel-2 imagery and Random Forest in Ketapang District, South Lampung, Indonesia

方法

Google Earth Engine平台，Sentinel-2影像，随机森林分

发现

红树林面积净增71.33公顷，增量几乎全在官方修复区内，与补植贡献一致。

机会点

可引入因果推断或时间序列断点检测，量化修复工程对红树林恢复的因果效应。

红树林环绕着许多热带海岸线，提供重要的生态和经济效益，但仍易受土地转换的影响。本研究利用Sentinel-2 Level-2A影像和在Google Earth Engine中实现的随机森林（RF）分类器，分析了印度尼西亚南楠榜县吉打邦区2018年至2026年间红树林覆盖的时空动态。研究使用了13个预测变量：9个Sentinel-2波段（B2、B3、B4、B5、B6、B7、B8、B11和B12）以及4个光谱指数（NDVI、MNDWI、NDRE和NDTI）。对2018年、2020年、2022年、2024年和2026年的五类土地覆盖（红树林植被、非红树林植被、鱼塘、裸地和水体）进行了制图。以从甚高分辨率影像解译的参考数据（2018—2024年）和野外地面实测采集的参考数据（2026年）为基准，总体精度为91.79%至96.34%，Kappa系数为0.89至0.95；基于误差矩阵估算了带有95%置信区间的误差调整面积。短波红外2波段（B12）在各年份的Gini重要性均最高。制图红树林面积从2018年的196.64 ha增加到2026年的267.97 ha（+71.33 ha），误差调整后的增量为82.05 ± 13.42 ha。变化分解表明，2018—2020年净变化较小（+6.35 ha，处于分类不确定性范围内），同时伴随59.95 ha的互换（占2018年红树林面积的30.48%）；而在四个间隔期内，总损失从29.97 ha降至18.88 ha，保留率从84.76%升至92.70%。与官方修复地块（2020—2023年种植129.00 ha）叠加分析表明，净增加几乎全部发生在这些地块内（+80.83 ha，而地块外为-9.47 ha），且这些地块在总增加量中的占比从主要种植前的16.0%上升至2020—2024年的58.3%~77.5%；这一空间关联与修复种植的实质性贡献相一致，但未检验因果关系。结果表明，频繁的Sentinel-2制图结合转移分析和不确定性估计可支持红树林修复的监测。