AI Innovation and Resilience for the Environment (AIR)·9月22日 · 周二论文智慧农业 / 农业物联网阅读 0
Artificial Intelligence-Enabled Mangrove Ecosystem Monitoring Using Remote Sensing and Environmental Data
Dirvi Surya Abbas · Asep Sutarman · Ryan Davis 等 4 人
论文解读
76精选
速览
融合遥感影像与环境数据，用深度学习构建红树林生态系统健康监测框架。
方法
多光谱卫星影像与植被指数，结合温度、降水、盐度、潮汐等环境变量，训练深度学习分类
发现
融合环境数据显著提升分类精度，能更早识别红树林退化迹象，有效区分不同退化程度。
机会点
可探索多源时序遥感与环境数据融合的早期退化预警，并迁移至其他滨海湿地生态系统监测。
影响力18
信息增量21
专业深度17
信源权威12
时效性8
将遥感与环境数据融合的深度学习框架用于红树林健康监测，方法有创新且结论可靠，对沿海生态治理有参考价值，但属细分领域研究，公共影响有限。
原文摘要
红树林生态系统在海岸防护、碳固存、生物多样性保护及气候变化减缓中发挥着关键作用；然而，日益加剧的人为压力和环境变化加速了红树林退化，亟需高效且可扩展的监测方法。本研究旨在开发一个人工智能驱动的框架，通过整合遥感影像与环境数据集来监测红树林生态系统状况，以提高热带沿海地区生态系统评估的准确性和时效性。所提出的方法将多光谱卫星影像（包括由遥感数据衍生的植被指数）与温度、降水、盐度和潮汐信息等环境变量相结合，随后使用基于深度学习的分类模型进行处理，以识别和分类红树林健康状况。实验评估表明，与仅依赖卫星影像的方法相比，遥感与环境数据的整合显著提升了模型性能，实现了较高的分类精度，并改善了对生态系统退化早期迹象的检测。研究结果进一步揭示，环境参数对于区分异质性沿海环境中健康、中度退化和严重退化的红树林区域具有重要贡献。因此，所提出的框架为环境监测机构和政策制定者提供了一种智能且可靠的决策支持工具，同时有助于热带群岛地区韧性沿海生态系统管理和可持续环境治理的发展。