基于混合注意力正则化神经网络的LiDAR新视角合成技术在红树林入侵监测中的应用

为解决红树林生态系统中互花米草(S. alterniflora)入侵的高时空动态监测难题，研究人员创新性地提出融合WorldView-2高分辨率影像与Planet高时间分辨率数据的合成影像框架。通过VSDF和FSDAF时空融合算法，实现2米分辨率月尺度入侵动态制图，分类精度达92.5%，揭示互花米草年际1.4公顷退缩规律，为红树林保护提供精准管理依据。

　　

在红树林生态系统遭受互花米草(Spartina alterniflora, S. alterniflora)入侵威胁的背景下，这项研究开创性地构建了混合注意力正则化神经网络LiDAR(HARN-LiDAR)技术框架。通过灵活时空数据融合(FSDAF)和变异驱动时空融合(VSDF)双算法，将亚米级WorldView-2影像与高频Planet数据进行时空耦合，生成保留植被边界等精细特征的合成影像。

支持向量机(SVM)分类器在合成影像上展现出惊人性能，实现红树林与入侵物种92.5%的总体分类精度。有趣的是，互花米草衰老期的分类效果尤为突出，其年内动态显示：从生长期到衰老期的物候转变导致入侵面积缩减1.4公顷，而红树林群落则保持稳定。该技术突破为海岸带生态系统的"时空连续体检"提供了新范式。