近日，自然资源部第三海洋研究所海洋保护生态学团队在红树林生态系统面对互花米草入侵的风险识别研究中取得新进展。相关成果以题为 “Risk identification of mangroves facing Spartina alterniflora invasion using data-driven approaches with UAV and machine learning models”的论文，发表在国际知名期刊《Remote Sensing of Environment》（中科院一区 TOP，IF=11.1）。
互花米草是全球危害最严重的外来入侵物种之一，也是我国突出的海洋入侵物种。为治理其入侵，我国实施《互花米草防治专项行动计划 (2022—2025 年)》，力争 2025 年各省份清除率达 90% 以上。开展红树林面对互花米草入侵的风险识别，对保障 “互花米草防治专项行动” 成效、为红树林保护管理决策提供依据至关重要。本研究利用无人机（UAV）遥感数据和可解释的机器学习模型，在九龙江口红树林湿地开展分析，揭示红树林景观格局对互花米草覆盖的关键影响因素，构建高精度入侵风险预测模型。主要发现包括：
（1）红树林覆盖度（FVC）是抑制互花米草生长的关键因子，当覆盖度超过 65% 时，互花米草生长基本受限；
（2）红树林景观结构影响入侵风险，高边缘密度（ED）和低斑块密度（PD）有助于减少入侵；
（3）基于SHAP 解释模型可视化显示 FVC 对互花米草的非线性影响，有助于决策者精准调整红树林修复策略。
本成果基于研究团队承担的自然资源部专项业务费项目（“海洋生态预警监测”“海洋湿地资源调查监测与评估”等） 及《互花米草防治区生态修复技术指南》编制等多项工作总结，不仅为红树林生态管理和外来种防控提供了科学支持，也为基于自然的解决方案（NbS）优化红树林保护策略提供了新思路。
海洋三所和厦门大学联培博士生阚志毅为该论文第一作者，陈顺洋副研究员为该论文的通讯作者。此外共同作者还包括海洋三所陈彬研究员、俞炜炜研究员和陈光程研究员。本研究受到国家重点研发项目（2022YFF0802203, 2017YFC0506101）和蚂蚁公益基金会项目 (2023052990392)等资助。
图1 九龙江口研究区域红树林与互花米草覆盖度空间分布图
图2 红树林植被覆盖度的SHAP值图。图(a-c)分别展示了在10米、20米和30米观察单元下红树林覆盖度的SHAP值。圆形、正方形和三角形代表红树林覆盖度对S. alterniflora覆盖度的平均影响。实线代表点范围的拟合线，拟合方程和相关系数用相同颜色标记。相同颜色的阴影区域表示红树林覆盖度点的SHAP值分布范围。
信息来源：自然资源部第三海洋研究所。
转载请注明信息来源及海洋知圈编排。
