東北地理所構(gòu)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(hù)、物種保育、固碳等生態(tài)服務(wù)。衛(wèi)星遙感技術(shù)因具有大范圍、可重復(fù)、低成本等優(yōu)勢，被廣泛應(yīng)用于紅樹林生態(tài)系統(tǒng)監(jiān)測中。基于遙感識別紅樹林分布的研究集中于數(shù)據(jù)生產(chǎn)方面，即通過機(jī)器學(xué)習(xí)方法和目視校正獲得不同時空尺度的紅樹林分布數(shù)據(jù)。但是，針對紅樹林遙感識別機(jī)理的研究尚處于空白階段，制約了現(xiàn)有方法的進(jìn)一步優(yōu)化和改進(jìn)。
中國科學(xué)院東北地理所王宗明團(tuán)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(jī)理，提出了通過隨機(jī)森林決策規(guī)則解析與重構(gòu)的新方法，發(fā)表論文“Identifying mangroves through knowledge extracted from trained random forest models: an interpretable mangrove mapping approach (IMMA)”。應(yīng)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(chǔ)上，以隨機(jī)森林為起點(diǎn)，重構(gòu)了一條特征數(shù)量少、準(zhǔn)確度高、穩(wěn)健性強(qiáng)的新的決策規(guī)則，實(shí)現(xiàn)了可解釋的紅樹林制圖方法（Interpretable Mangrove Mapping Approach，IMMA)，為可解釋機(jī)器學(xué)習(xí)提供了一套新的知識抽取方法，可有效推廣應(yīng)用到任意分類問題。
結(jié)果顯示，在未經(jīng)任何后處理情況下，僅使用5個特征的決策規(guī)則（B12 < 0.06 & B8/B2 > 3.50 & elevation < 4.70 & mangrove vegetation index (MVI) > 2.92 & normalized difference index4 (NDI) < 0.07）達(dá)到82.3%的總體精度，證實(shí)其有效性。在此基礎(chǔ)上進(jìn)一步分析該規(guī)則，發(fā)現(xiàn)：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(jù)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(jī)理。
應(yīng)用上述方法，以Sentinel-2影像和高程數(shù)據(jù)為例，實(shí)現(xiàn)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(guī)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(jīng)任何后處理的情況下總體精度達(dá)到82.3%。與深度學(xué)習(xí)方法分類結(jié)果比較，可以發(fā)現(xiàn)：本研究的結(jié)果更加簡練、整潔。
圖 紅樹林遙感識別方法IMMA與深度學(xué)習(xí)分類結(jié)果的比較。其中，目視解譯、Capsules-Unet、Unet結(jié)果均來自于Guo et al. (2021)。
直接應(yīng)用這一決策規(guī)則，以美國南佛羅里達(dá)大沼澤地區(qū)為案例，發(fā)現(xiàn)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(xùn)練隨機(jī)森林模型，或可得到更適應(yīng)西方群系紅樹林的決策規(guī)則。
該研究構(gòu)建了一套知識抽取方法，在此基礎(chǔ)上得到了特征數(shù)量少、準(zhǔn)確度高、穩(wěn)健性強(qiáng)的新決策規(guī)則，實(shí)現(xiàn)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(jī)理。本研究在黑箱算法和知識驅(qū)動紅樹林遙感識別方法之間構(gòu)建了一座橋梁，即從黑箱算法抽取知識、從知識進(jìn)一步優(yōu)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(xué)王野喬教授共同完成，得到國家自然科學(xué)基金(No. 42171372, 42171379, 42101392, 42201422)、中國科學(xué)院青年創(chuàng)新促進(jìn)會人才項目(No. 2021227)、博士后科學(xué)基金（No.2022M713132）、東地所青年科學(xué)家小組項目（2022QNXZ03）共同資助。
論文標(biāo)題
Identifying mangroves through knowledge extracted from trained random forest models: An interpretable mangrove mapping approach (IMMA)
發(fā)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(wǎng)安備22017302000214號
