近日，suncitygroup太阳集团路春燕课题组在《Global Ecology and Conservation》（全球生态与保护期刊）发表题为“Advancements and trends in mangrove species mapping based on remote sensing:A comprehensive review and knowledge visualization”（基于遥感的红树林树种制图进展与趋势：综述与知识可视化）的综述论文，系统梳理红树林树种遥感分类领域的发展历程，并对其开展知识图谱可视化分析工作。

全球约96%的红树林分布于热带地区，其中亚洲拥有最大的红树林覆盖面积，同时也是红树林树种最为丰富的地区。准确制图与持续监测红树林树种的组成与时空分布是评估生态系统健康状况的重要指标，对于识别潜在威胁和影响因素具有重要意义，有助于红树林生态质量与生物多样性的保护。传统的红树林树种制图方法如实地调查耗时且人力与经济成本较高。而遥感技术为红树林树种制图与监测提供了一种更高效和低成本的途径。已有大量研究验证了遥感技术在红树林树种识别与监测中的有效性，同时也有若干综述性文献为该领域的研究者提供了重要的理论基础。但当前综述文献仍以定性分析为主，系统性与全面性不足，缺乏基于可视化方法的文献定量分析研究。

鉴于红树林树种遥感分类在生态保护中的重要意义以及既有文献分析存在的局限性，基于Web of Science(WoS）和中国知网（CNKI）两大数据库获取相关文献数据，系统梳理该研究领域的发展脉络，重点围绕文献计量特征、所使用的遥感传感器类型及分类算法等方面开展可视化分析。研究结果表明，2004年WoS中发表首篇基于遥感的红树林树种分类研究，截至2023年，相关文献数量整体呈上升趋势。中国、美国和印度在该领域的研究产出数量位居前列，其中美国学者在国际合作方面尤为活跃。当前红树林树种分类研究多集中于单时相数据，研究区域分布在53个小范围内，主要集中于印度和中国。在数据源方面，现有研究广泛利用多种遥感影像数据进行红树林制图，包括机载高光谱、星载可见光与红外、多光谱、高光谱、合成孔径雷达（SAR）以及无人机搭载的可见光、红外、多光谱、高光谱与激光雷达（LiDAR）数据等。从分类算法的发展路径来看，该领域发展可以划分为四个阶段：初期采用基于象元的分类方法，随后转向面向对象的方法，进而引入机器学习算法，当前则逐步迈向集成学习与深度学习阶段。尽管取得了一定进展，但红树林树种遥感分类在多源数据融合、分类算法优化、分类树种数量提升以及大范围长时序制图等方面仍面临诸多挑战。本研究可为后续红树林资源的管理与保护提供理论支撑与实践参考。

图1.基于遥感的红树林树种分类文献在WoS和CNKI数据库中的发表趋势

图2.基于遥感的红树林树种分类关键词聚类图

图3.基于遥感的红树林树种分类研究区位置空间分布

图4.不同阶段的红树林树种分类研究中首次使用的分类算法

suncitygroup太阳集团路春燕副教授和在读硕士研究生吴玉琪为该论文的共同第一作者，在读硕士研究生吴可欣、高雯娜、杨诺诚和林靖雯为该论文共同作者。该研究得到了国家自然科学基金（42101392），福建自然科学基金面上项目（2024J01414）等项目资助。

原文链接：https://doi.org/10.1016/j.gecco.2025.e03408 

图5.课题组成员