近日，中国科学院东北地理所地理景观遥感学科组研究人员提出一种新遥感分类方法，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，并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。相关研究成果发表在中科院一区期刊《ISPRS摄影测量和遥感杂志》上。

研究人员告诉记者，无瓣海桑是典型的外来物种，具有耐水淹、生长速度快、适应性强、成活率高等特性，在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。

为高效利用卫星遥感技术开展无瓣海桑监测研究，必须克服其空间分布具有离散性、难以高效获取均匀样本等困难。

科研团队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。

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。

经统计，无瓣海桑总面积达到2968公顷，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%，广西无瓣海桑面积占全国的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%。该数据结果与米级高空间分辨率影像结果高度一致。