现有研究集中于机器学习等黑箱方法的应用，无法解释红树林遥感识别的机理。融合黑箱算法精度优势和白箱算法可解释性优势，本研究通过解析已训练的随机森林模型研发了一种新的可解释机器学习方法。基于Sentinel-1/2遥感影像和DEM数据，从已训练随机森林模型中重构得到最优的决策规则，即B12 < 0.06 & B8/B2 > 3.50 & elevation < 4.70 & MVI > 2.92 & NDI4 < 0.07。在中国海岸带区域，未经任何后处理的分类结果总体精度达到82.3%。其中，B12 < 0.06和B8/B2 > 3.50分别对应高含水率和低含水率土地覆被，其交集有效包含了红树林这一土地覆被。可见，土地覆被的含水率是红树林遥感识别的潜在机理。本研究给出了红树林遥感识别的新机理，为红树林制图在内的各领域提供了一套有效的可解释人工智能方法。
 

红树林；可解释人工智能；机理解析；决策规则；知识驱动