无瓣海桑具有耐水淹、生长速度快、适应性强、成活率高等特性，在困难立地造林中发挥了积极作用，但也具有加剧泥沙淤积、抑制乡土红树生长、侵占水鸟觅食地等负面影响。2021年，国家自然资源部印发的《海洋生态修复技术指南（试行）》明确提出，要加强无瓣海桑的跟踪监测、清除扩散至原生植物群落的外来红树植物。为了获取其分布信息，亟需依托卫星遥感技术开展国家尺度的无瓣海桑监测研究。卫星遥感技术具有覆盖范围大、存档数据多、投入成本低等优点，具备监测无瓣海桑分布信息的潜力。但是，无瓣海桑的空间分布具有离散性，难以高效获取空间分布均匀的样本是制约国家尺度的无瓣海桑监测研究开展的重要因素。样本不足导致大纬度跨度下树种、生长阶段、健康状况等差异难以刻画，无法有效驱动分类算法。迄今尚未有通过遥感分类的方式获取大尺度、跨多纬度无瓣海桑分布信息的研究报道。 针对上述问题，东北地理所地理景观遥感学科组研究人员受二分类算法机理启发，在正样本固定的前提下，通过迭代优化负样本不断改进决策面，提出了一种决策面优化方法。这一方法能够在不引入新的正样本情况下，通过迭代方式获取新的误分类样本，从而压制误分类斑块、减轻样本获取压力，首次完成了中国国家尺度外来红树植物无瓣海桑遥感提取。  图1. 无瓣海桑的野外生长环境（图片来源：海口野外调查）
决策面优化方法的基本思路如图2所示，具体为：（1）在二分类算法中，正样本和负样本的变化均能扰动决策面，使其向着误分类减少的方向移动。当正样本获取难度较大，可在正样本固定情况下引入新的负样本，不断改善决策面。（2）中国国家尺度均匀分布的无瓣海桑样本获取难度高，但存在部分局地尺度分类结果，且这些结果具有一定的纬度梯度、不同的生长阶段和健康状况。根据这些分类结果，可以获取具有一定代表性的正样本。（3）非无瓣海桑样本获取难度较低，负样本来源广泛。现有局地尺度红树树种分布、红树林分布数据、野外踏查报告、文献研究区概况等均可为负样本的确定提供支撑。（4）以收集的正样本和负样本进行初步分类，然后选择没有无瓣海桑分布的区域、随机抽取误分类像素点加入到负样本，再进行下一次分类。重复上述步骤，直到分类结果稳定为止。迭代分类过程中，正样本保持不变，负样本不断优化，直到分类结果收敛；分类结果使用案例区的平均Jaccard指数进行衡量。（5）经过迭代，对收敛后的分类结果进行目视校验，最终得到2020年中国无瓣海桑分布数据。由于分类结果已较好反映了无瓣海桑分布，邻近斑块可为目视校验提供有效参照，避免了解译经验对分布结果的影响。 这一方法在正样本固定情况下，将局地尺度分类结果集成转化为国家尺度，为样本获取难度较大的滨海湿地植物群落识别提供了新思路。 
图2 决策面优化方法的图示（A-B）及其在无瓣海桑分布信息提取中的应用。其中，东寨港（a-d）与茅尾海(e-h)部分区域的无瓣海桑斑块在迭代过程中逐渐收敛。 以2020年11月到2021年4月的Sentinel-1/2卫星影像的中值合成数据为数据源，应用上述决策面优化方法，得到2020年中国无瓣海桑分布数据（图3）。经统计，其总面积达到2968 ha，占全国红树林面积的11.0%。其中，广东无瓣海桑面积占全国的87.7%，广西面积占全国的7.8%。基于独立获取的样本点验证，无瓣海桑分布数据总体精度为96.4%。基于野外样方，其正确率为91.7%。经对比，本数据结果与米级高空间分辨率影像结果高度一致。 
图3.2020年中国无瓣海桑分布。其中，b)为茅尾海无瓣海桑分布区，c）为汕头无瓣海桑分布区。 该研究基于二分类算法机理，研发了在正样本固定情况下通过负样本迭代优化决策面的新方法，为样本获取难度较大的滨海湿地植物群落识别提供了新思路。应用该方法，首次通过遥感分类方法获取了中国无瓣海桑分布数据，为外来红树植物无瓣海桑的跟踪监测、本土红树植物的修复重建提供数据基础。研究成果发表在中科院一区期刊ISPRS Journal of Photogrammetry and Remote Sensing（影响因子11.774）上。由东北地理所赵传朋特别研究助理、贾明明副研究员（第11批会员）、王宗明研究员（第2批会员）、毛德华研究员（第7批会员），中科院地理资源所秦承志研究员，美国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)、科技基础资源调查专项项目(No. 2017FY100706)、国家地球系统科学数据中心(No. Y91H030106)、中国科学院青年创新促进会(No. 2021227)共同资助。 论文标题 Decision surface optimization in mapping exotic mangrove species (Sonneratia apetala) across latitudinal coastal areas of China 发表期刊 ISPRS Journal of Photogrammetry and Remote Sensing 论文全文链接 https://www.sciencedirect.com/science/article/abs/pii/S0924271622002581
| 
