東北地理所構建了基于可解釋人工智能的紅樹林遙感識別方法（IMMA）
紅樹林是生長在熱帶、亞熱帶海岸潮間帶的木本植物群落，能夠提供岸線保護、物種保育、固碳等生態服務。衛星遙感技術因具有大范圍、可重復、低成本等優勢，被廣泛應用于紅樹林生態系統監測中。基于遙感識別紅樹林分布的研究集中于數據生產方面，即通過機器學習方法和目視校正獲得不同時空尺度的紅樹林分布數據。但是，針對紅樹林遙感識別機理的研究尚處于空白階段，制約了現有方法的進一步優化和改進。
中國科學院東北地理所王宗明團隊的趙傳朋博士和賈明明副研究員針對紅樹林遙感識別機理，提出了通過隨機森林決策規則解析與重構的新方法，發表論文“Identifying mangroves through knowledge extracted from trained random forest models: an interpretable mangrove mapping approach (IMMA)”。應用上述方法，在紅樹林分布制圖（ISPRS Journal of Photogrammetry and Remote Sensing，2020）、紅樹林誤分類原因(Remote Sensing, 2021)、紅樹林識別方法(International Journal of Applied Earth Observations and Geoinformation, 2022)研究基礎上，以隨機森林為起點，重構了一條特征數量少、準確度高、穩健性強的新的決策規則，實現了可解釋的紅樹林制圖方法（Interpretable Mangrove Mapping Approach，IMMA)，為可解釋機器學習提供了一套新的知識抽取方法，可有效推廣應用到任意分類問題。
結果顯示，在未經任何后處理情況下，僅使用5個特征的決策規則（B12 < 0.06 & B8/B2 > 3.50 & elevation < 4.70 & mangrove vegetation index (MVI) > 2.92 & normalized difference index4 (NDI) < 0.07）達到82.3%的總體精度，證實其有效性。在此基礎上進一步分析該規則，發現：B12 < 0.06和B8/B2 > 3.50分別與高含水率和低含水率土地覆被重疊，紅樹林恰好落在二者的交集中。據此，可以推測土地覆被的含水率是紅樹林遙感識別的潛在機理。
應用上述方法，以Sentinel-2影像和高程數據為例，實現了2020年中國紅樹林遙感識別知識的抽取，得到僅由5個特征組成的決策規則：B12 < 0.06 & B8/B2 > 3.50 & elevation < 4.70 & mangrove vegetation index (MVI) > 2.92 & normalized difference index4 (NDI) < 0.07，在未經任何后處理的情況下總體精度達到82.3%。與深度學習方法分類結果比較，可以發現：本研究的結果更加簡練、整潔。
圖 紅樹林遙感識別方法IMMA與深度學習分類結果的比較。其中，目視解譯、Capsules-Unet、Unet結果均來自于Guo et al. (2021)。
直接應用這一決策規則，以美國南佛羅里達大沼澤地區為案例，發現其總體精度為78.8%。考慮到所抽取的知識更適用于東方群系紅樹林，若采用美國本地已訓練隨機森林模型，或可得到更適應西方群系紅樹林的決策規則。
該研究構建了一套知識抽取方法，在此基礎上得到了特征數量少、準確度高、穩健性強的新決策規則，實現了紅樹林遙感識別方法IMMA，分析了紅樹林如何被遙感識別的潛在機理。本研究在黑箱算法和知識驅動紅樹林遙感識別方法之間構建了一座橋梁，即從黑箱算法抽取知識、從知識進一步優化黑箱算法。本研究由東北地理所趙傳朋特別研究助理、賈明明副研究員，王宗明研究員，毛德華研究員，羅德島大學王野喬教授共同完成，得到國家自然科學基金(No. 42171372, 42171379, 42101392, 42201422)、中國科學院青年創新促進會人才項目(No. 2021227)、博士后科學基金（No.2022M713132）、東地所青年科學家小組項目（2022QNXZ03）共同資助。
論文標題
Identifying mangroves through knowledge extracted from trained random forest models: An interpretable mangrove mapping approach (IMMA)
發表期刊
ISPRS Journal of Photogrammetry and Remote Sensing
論文全文鏈接
https://www.sciencedirect.com/science/article/pii/S0924271623001429
附件下載：
吉公網安備22017302000214號
