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、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理的研究尚處于空白階段，制約了現(xiàn)有方法的進一步優(yōu)化和改進。
中國科學(xué)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(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，以隨機森林為起點，重構(gòu)了一條特征數(shù)量少、準(zhǔn)確度高、穩(wěn)健性強的新的決策規(guī)則，實現(xiàn)了可解釋的紅樹林制圖方法（Interpretable Mangrove Mapping Approach，IMMA)，為可解釋機器學(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）達到82.3%的總體精度，證實其有效性。在此基礎(chǔ)上進一步分析該規(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理。
應(yīng)用上述方法，以Sentinel-2影像和高程數(shù)據(jù)為例，實現(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)健性強的新決策規(guī)則，實現(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
