GAN-Based Sample Augmentation for Improving Above-Ground Biomass Inversion of Salt Marsh Vegetation Using Multi-Source Remote Sensing Data

沿海湿地是地球上最高效的碳汇之一，它们是强大的自然引擎，能从大气中吸收温室气体并将其锁定在土壤和植物组织中。这些生态系统通常被称为“蓝碳”生境，包括盛产专门化植物、生长在咸咸的潮汐环境下的盐沼。为了了解这些区域储存了多少碳，科学家必须测量“地上生物量”，这简单来说就是所有生长在土壤之上的活体植物材料（茎、叶和枝干）的总重量。传统上，获取这个数字是一个缓慢且耗费人力的过程，需要研究人员涉入泥泞的田野，手工割下植物，放入烘箱干燥，然后进行称重。虽然这种方法很准确，但它只能覆盖极小的土地斑块，难以全面了解广袤而偏远的湿地。

为了解决这个问题，研究人员正转向能够同时观测整个景观的卫星，但这些基于空间的工具需要“地面真值”来学习如何正确解读数据。来自中国辽河湿地的一项新研究通过使用一种巧妙的人工智能技术来创建现实的“虚拟”样本，从而应对地面实测数据过少的挑战。通过将卫星图像与有限的真实野外数据相结合，该团队开发出一种能够在整个区域内以惊人精度估算植物重量的方法。他们的工作为监测这些关键生态系统提供了一种新途径，帮助科学家无需走遍每一平方米的沼泽即可追踪碳储量。

辽河湿地位于辽河注入渤海之处，是一片广阔的滩涂和耐盐植被区。这里是两种主要植物类型——高大的芦苇状植物Phragmites australis（芦苇）和低矮的耐盐草本植物Suaeda glauca（碱蓬）的家园。这些植物对该地区的碳循环至关重要，但它们的分布非常复杂，随潮汐和季节而变化。为了绘制它们的生物量图谱，研究小组首先收集了数年的真实世界数据，在七月、十一月和九月前往特定地点测量植物的干重。他们将这些测量结果与欧洲航天局的Sentinel-2卫星图像相匹配，这些卫星能捕捉地球表面在各种光色下的详细视图，包括人类肉眼看不见的色彩。

挑战在于，该团队仅拥有53个真实的测量点，这个数量太少了，不足以训练一个能准确预测整个128,000公顷湿地生物量的计算机模型。如果计算机从太少的样本中学习，在面对新的、未见过的区域时往往会失效。为了克服这一点，研究人员采用了生成对抗网络（GAN），这是一种类似于一对相互竞争的程序的类型人工智能。其中一个程序是生成器，它试图创造出看起来与真实测量数据完全一致的伪造数据；而另一个是判别器，它试图识别出这些伪造品。随着它们反复进行这场“游戏”，生成器变得越来越擅长产生在统计学上与真实样本无法区分的合成样本。

利用这种方法，团队将原本只有53个真实样本的小型数据集扩展到了包含600个样本的大型训练集，其中每种植物各占300个。这些新的虚拟样本并非随机猜测，它们保留了现实世界中发现的精确统计模式和关系，例如较高的芦苇通常对应于卫星图像中的特定信号。随后，研究人员利用这些扩充后的数据训练了一个神经网络（一种类脑计算机模型），以学习卫星信号与植物实际重量之间复杂的非线性关系。他们将这种方法与其他常见的机器学习方法进行了对比测试，发现由于有了扩充数据的支持，他们的神经网络表现始终优于其他方法。

结果显示出显著的准确性提升。对于高大的芦苇，该模型预测正确重量的能力大幅提高，其误差率比仅基于原始小型数据集训练的模型降低了近100克/平方米。对于较小的草本植物，改进也十分明显，模型的生物量估算变得更加可靠。当团队利用2024年9月的卫星图像将表现最好的模型应用于整个湿地时，他们生成了一幅精细的景观植物重量分布图。地图显示，集中在河口上游的高大芦苇平均重量为514.22克/平方米，而位于更开阔泥滩上的较小草本植物平均重量为230.07克/平方米。

这项研究表明，人工智能可以有效地弥合有限的野外工作与大规模环境监测需求之间的差距。通过生成现实的虚拟数据，科学家可以构建出更稳健的模型，即使在地面实测数据稀缺的情况下也能发挥作用。研究结果证实，辽河湿地是一个重要的碳库，其中高大的芦苇储存了绝大部分的生物量。这种方法为评估沿海湿地的健康状况和碳储量提供了一种可靠且可扩展的工具，为理解并保护这些至关重要的蓝碳生态系统的全球努力提供了关键支持。