近日，中心田义超副教授团队在国际知名地球制图期刊《Geocarto International》（中科院二区，影响因子IF=3.681）上发表了题为“Estimating mangrove above-ground biomass at Maowei Sea, Beibu Gulf of China using machine learning algorithm with Sentinel-1 and Sentinel-2 data”的研究论文。

红树林等蓝碳生态系统是抵御和减轻风暴潮和极端灾难性天气影响的天然屏障。准确、高效地测定红树林地上生物量对蓝碳生态系统的保护与恢复及其对气候变化的响应具有重要意义。该文基于北部湾茅尾海地区哨兵1号主动雷达SAR数据和哨兵2号被动光学卫星遥感数据，提出了一种基于粒子群优化(PSO)算法的轻梯度提升模型(LGBM)估算了茅尾海地区的红树林地上生物量，与随机森林(RF)、K-最近邻回归(KNNR)、极端梯度推进(XGBR)、LGBM等机器学习算法相比，LGBM-PSO模型取得了更好的结果(R2=0.7807,RMSE=24.6864 Mg.ha-1)，红树林生物量预测范围为4.623 ~ 206.975 Mg.ha0-1。因此，利用多源遥感数据结合LGBM-PSO模型可以提供较好的红树林地上生物量预测结果，从而为大规模红树林地上生物量估算提供了一种新方法。