东北地理所构建了基于可解释人工智能的红树林遥感识别方法（IMMA）
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“Identifyingmangrovesthroughknowledgeextractedfromtrainedrandomforestmodels:aninterpretablemangrovemappingapproach(IMMA)”。应用上述方法，在红树林分布制图（ISPRSJournalofPhotogrammetryandRemoteSensing，2020）、红树林误分类原因(RemoteSensing,2021)、红树林识别方法(InternationalJournalofAppliedEarthObservationsandGeoinformation,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（InterpretableMangroveMappingApproach，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（B123.50&elevation2.92&normalizeddifferenceindex4(NDI)