无瓣海桑（Sonneratia apetala）是红树林优良乔木树种，为了恢复因沿海开发而受损的红树林，该红树林树种已在中国被广泛引种以用于造林和再造林。然而，无瓣海桑具有一定的竞争和扩散能力，其潜在的入侵能力引起了我国学者的广泛担忧和关注。
中国科学院东北地理所地理景观遥感学科组的赵传朋和贾明明副研究员为解决遥感影像成本限制对精细化红树林物种制图的影响，提出了将亚米分辨率谷歌地球影像和深度学习相结合的无瓣海桑提取新方法，发表论文“Advancing mangrove species mapping: An innovative approach using Google Earth images and a U-shaped network for individual-level Sonneratia apetala detection”。应用上述方法，以公开且免费获取的谷歌地球影像为数据源，建立亚米分辨率的2022年中国无瓣海桑空间分布数据集。
结果显示，2022年中国无瓣海桑面积为4000.4 ha，比现有的无瓣海桑分布数据覆盖面积大33.4%。使用测试样本得到的地图总体准确率为98.2%，基于现场样本图得到的地图准确率为91.0%。这一结果首次提供了中国国家尺度下单一红树林物种的个体水平分布数据。
为了恢复因沿海开发而受损的红树林，因高适应性和快速生长而闻名的无瓣海桑已被广泛用于造林和再造林。该物种在中国沿海已经定居了几十年，这导致了人们对其入侵风险以及自然再生、扩散和传播的长期关注。2021年，中国自然资源部发布了《海洋生态修复技术指南（试行）》，强调了控制外来红树林物种的必要性。
现有研究主要期望使用高分辨率遥感影像和复杂方法来实现局地红树林物种制图，高昂的数据获取成本限制了更大尺度的精细红树林物种分布数据获取。同时，与依赖样本和手动构建特征的机器学习分类算法相比，深度学习算法具有自动特征提取的优势，可提高分类精度。然而，深度学习算法作为典型的黑箱模型，其缺乏明确的分类机制可能导致检测结果的偏差、可靠性降低，以及应用和可推广性受限的风险。
针对这些问题，本研究提出了一套中国沿海无瓣海桑检测方法的综合解决方案，将红树林物种测绘研究从局地范围推进到中国沿海。在数据源方面，采用公开可用的亚米分辨率谷歌地球图像；在样本获取方面，基于现有的10米分辨率无瓣海桑地图提取均匀分布的多边形样本；在分类方法方面，使用U型网络深度学习模型以获取2022年无瓣海桑个体水平的分布数据。该方案有效整合了高分辨率影像和深度学习技术，以提高无瓣海桑的分布数据精度。
具体为：
（1）考虑到高分辨率遥感影像的获取成本，选择公开可获取的谷歌地球影像作为数据源，以确保数据的广泛性和可用性。（2）基于现有的10米分辨率无瓣海桑地图，采样并形成均匀的多边形样本。这一方法不仅解决了样本稀缺的问题，还提高了训练数据的代表性。（3）深度学习模型的复杂性缓解了因场景差异导致的模型性能下降问题。通过训练多个代表性U型网络并选择表现最优的模型，以确保对无瓣海桑分布的准确检测。（4）根据反射率、形状和纹理对影像内无瓣海桑对象进行变化，观察模型预测的变化情况，从而揭示识别无瓣海桑斑块的潜在机制。该解决方案为单一红树物种在大尺度区域识别提供了新思路和可借鉴方法。
以公开可获取的谷歌地球影像为数据源，应用上述方法，得到了2022年个体水平无瓣海桑分布数据（图2）。经统计，其总面积达到4000.4公顷，占中国红树林的14.8%（即根据中国第三次全国土地资源调查，27100公顷）。其中，广东省的比例最大，为90.1%，其次是广西省，占7.0%。
图2 中国个体水平无瓣海桑地图。a）为0.1°×0.1°网格内的无瓣海桑分布面积情况，其具体细节如b）和c）所示。d)为不同省份的无瓣海桑分布情况。
基于独立获取的样本点验证，该无瓣海桑分布数据总体精度为98.2%。基于野外样方，其正确率为91.0%。经过比较，本研究检测到的无瓣海桑面积显著大于现有研究结果。本数据相较于使用Sentinel-2影像和随机森林算法识别的分布面积大34.8%；相较于基于野外调查和谷歌地球影像进行视觉解释的检测结果增加783公顷。
图3 与现有的无瓣海桑地图进行比较，重点分析代表性区域内的差异。第一列为本研究绘制的个体水平无瓣海桑地图，第二列是使用Sentinel-2图像和随机森林算法获取的分布结果，第三列是基于野外调查和谷歌地球影像进行视觉解释得到的分布结果。
利用个体水平无瓣海桑地图，基于蒙特卡洛方法估计了中国的成熟无瓣海桑个体数目（图3）。经统计，中国成熟无瓣海桑个体数目约为2345818棵，95%的置信区间为2291191棵至2402585棵。估计的无瓣海桑个体数目可用于规划该外来红树林物种的疏伐、移除或控制种植。
图4 使用本研究构建的个体水平无瓣海桑地图和蒙特卡洛方法估算成熟无瓣海桑个体数目。前两行将该数据和现有的基于野外调查和谷歌地球影像获取的无瓣海桑地图进行了比较。
本研究构建了一个详尽的单一红树林物种制图框架，并成功完成了中国无瓣海桑的个体水平制图。这一数据为该外来红树林物种的疏伐、移除和种植计划提供了重要依据。此外，该方法有效平衡了亚米分辨率谷歌地球影像与中分辨率Sentinel-2影像的优缺点，具有良好的可扩展性，可应用于中国其他红树林物种的制图工作。
论文标题
Advancing mangrove species mapping: An innovative approach using Google Earth images and a U-shaped network for individual-level Sonneratia apetala detection
发表期刊
ISPRS Journal of Photogrammetry and Remote Sensing
论文全文链接
https://authors.elsevier.com/c/1k3Uv3I9x1qo5Z
作者信息
第一作者：赵传朋，中国科学院东北地理与农业生态研究所副研究员，研究方向为滨海湿地遥感。
E-mail: zhaochuanpeng@iga.ac.cn
通讯作者：贾明明，中国科学院东北地理与农业生态研究所副研究员、《遥感学报》编委，研究方向为滨海湿地植物群落遥感分类机理，滨海湿地植物生理生态参数遥感反演等。
E-mail: jiamingming@iga.ac.cn
共同作者：李钰彬，吉林建筑大学硕士研究生，研究方向为滨海湿地遥感。
E-mail:18636183172@163.com
