报告详情
中国红树林遥感识别机理解析新方法
编号：3681
访问权限：仅限参会人
更新：2024-04-14 10:07:51 浏览：1292次
口头报告
报告开始：2024年05月20日 08:10（Asia/Shanghai）
报告时间：10min
所在会场：[S7] 主题7、遥感与地理信息科学 [S7-11] 主题7、遥感与地理信息科学 专题7.13、专题7.18（20日上午，303）
暂无文件
摘要
现有研究集中于机器学习等黑箱方法的应用，无法解释红树林遥感识别的机理。融合黑箱算法精度优势和白箱算法可解释性优势，本研究通过解析已训练的随机森林模型研发了一种新的可解释机器学习方法。基于Sentinel-1/2遥感影像和DEM数据，从已训练随机森林模型中重构得到最优的决策规则，即B12 < 0.06 & B8/B2 > 3.50 & elevation < 4.70 & MVI > 2.92 & NDI4 < 0.07。在中国海岸带区域，未经任何后处理的分类结果总体精度达到82.3%。其中，B12 < 0.06和B8/B2 > 3.50分别对应高含水率和低含水率土地覆被，其交集有效包含了红树林这一土地覆被。可见，土地覆被的含水率是红树林遥感识别的潜在机理。本研究给出了红树林遥感识别的新机理，为红树林制图在内的各领域提供了一套有效的可解释人工智能方法。
关键词
红树林；可解释人工智能；机理解析；决策规则；知识驱动
报告人
赵传朋
助理研究员 中国科学院东北地理与农业生态研究所稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论