红树林是生长在热带、亚热带海岸潮间带的木本植物群落，能够提供岸线保护、物种保育、固碳等生态服务。卫星遥感技术因具有大范围、可重复、低成本等优势，被广泛应用于红树林生态系统监测中。基于遥感识别红树林分布的研究集中于数据生产方面，即通过机器学习方法和目视校正获得不同时空尺度的红树林分布数据。但是，针对红树林遥感识别机理的研究尚处于空白阶段，制约了现有方法的进一步优化和改进。 

　　中国科学院东北地理所王宗明团队的赵传朋博士和贾明明副研究员针对红树林遥感识别机理，提出了通过随机森林决策规则解析与重构的新方法，发表论文“Identifying mangroves through knowledge extracted from trained random forest models: an interpretable mangrove mapping approach (IMMA)”。应用上述方法，在红树林分布制图（ISPRS Journal of Photogrammetry and Remote Sensing，2020）、红树林误分类原因(Remote Sensing, 2021)、红树林识别方法(International Journal of Applied Earth Observations and Geoinformation, 2022)研究基础上，以随机森林为起点，重构了一条特征数量少、准确度高、稳健性强的新的决策规则，实现了可解释的红树林制图方法（Interpretable Mangrove Mapping Approach，IMMA)，为可解释机器学习提供了一套新的知识抽取方法，可有效推广应用到任意分类问题。 

　　结果显示，在未经任何后处理情况下，仅使用5个特征的决策规则（B12 < 0.06 & B8/B2 > 3.50 & elevation < 4.70 & mangrove vegetation index (MVI) > 2.92 & normalized difference index4 (NDI) < 0.07）达到82.3%的总体精度，证实其有效性。在此基础上进一步分析该规则，发现：B12 < 0.06和B8/B2 > 3.50分别与高含水率和低含水率土地覆被重叠，红树林恰好落在二者的交集中。据此，可以推测土地覆被的含水率是红树林遥感识别的潜在机理。 

　　应用上述方法，以Sentinel-2影像和高程数据为例，实现了2020年中国红树林遥感识别知识的抽取，得到仅由5个特征组成的决策规则：B12 < 0.06 & B8/B2 > 3.50 & elevation < 4.70 & mangrove vegetation index (MVI) > 2.92 & normalized difference index4 (NDI) < 0.07，在未经任何后处理的情况下总体精度达到82.3%。与深度学习方法分类结果比较，可以发现：本研究的结果更加简练、整洁。 

　　图 红树林遥感识别方法IMMA与深度学习分类结果的比较。其中，目视解译、Capsules-Unet、Unet结果均来自于Guo et al. (2021)。 

　　直接应用这一决策规则，以美国南佛罗里达大沼泽地区为案例，发现其总体精度为78.8%。考虑到所抽取的知识更适用于东方群系红树林，若采用美国本地已训练随机森林模型，或可得到更适应西方群系红树林的决策规则。 

　　该研究构建了一套知识抽取方法，在此基础上得到了特征数量少、准确度高、稳健性强的新决策规则，实现了红树林遥感识别方法IMMA，分析了红树林如何被遥感识别的潜在机理。本研究在黑箱算法和知识驱动红树林遥感识别方法之间构建了一座桥梁，即从黑箱算法抽取知识、从知识进一步优化黑箱算法。本研究由东北地理所赵传朋特别研究助理、贾明明副研究员，王宗明研究员，毛德华研究员，罗德岛大学王野乔教授共同完成，得到国家自然科学基金(No. 42171372, 42171379, 42101392, 42201422)、中国科学院青年创新促进会人才项目(No. 2021227)、博士后科学基金（No.2022M713132）、东地所青年科学家小组项目（2022QNXZ03）共同资助。  

　　论文标题 

　　Identifying mangroves through knowledge extracted from trained random forest models: An interpretable mangrove mapping approach (IMMA) 

　　发表期刊 

　　ISPRS Journal of Photogrammetry and Remote Sensing 

　　论文全文链接 

　　https://www.sciencedirect.com/science/article/pii/S0924271623001429