我院智慧林业团队在ISPRS Journal of Photogrammetry and Remote Sensing发表科研论文，发展了一种联合新型红树林指数（SSMI）和高斯混合模型（GMM）的红树林制图方法，该方法不需要训练样本，只需要利用同时间段的一张Sentinel-1和一张Sentinel-2便能自动、准确地绘制出红树林范围。通过中国6个和东南亚4个红树林典型区的试验，结果表明所构建的红树林遥感识别方法在不同时间和空间上具有较强的稳定性。
作为世界上最具生产力的生态系统之一，红树林在自然生态系统和人类经济社会中都发挥着至关重要的作用。鉴于红树林的重要性和遭到破坏的严重程度，高效、准确地提取红树林空间分布和对其进行实时监测尤为关键。研究基于Sentinel-2与SAR数据开发了新型红树林指数（SSMI），该指数结合了无监督分类算法（GMM），从而实现红树林的自动分类。本文构建的SSMI指数无论是在非监督还是监督分类都有良好的表现。所提出的SSMI指数结合GMM的红树林制图方法有以下优点：（1）不需要先验知识和训练样本；（2）只需设置类别数目；（3）计算简单且工作量小。因此，证明了SSMI指数的稳健性和鲁棒性，可以适用河流沿岸的红树林识别和制图，特别是在多云地区。
研究成果于2024年9月26日在线发表于国际学术期刊ISPRS Journal of Photogrammetry and Remote Sensing（IF=10.6，中科院JCR一区TOP），研究生陈昭俊为第一作者，张猛副教授为通讯作者。该研究获得国家自然科学基金、湖南省自然科学基金部门联合基金等项目的资助。
