近日，南京师范大学海洋科学与工程学院、江苏省海-陆环境演变与生态建设高校重点实验室陈辉课题组在International Journal of Applied Earth Observation and Geoinformation期刊（中科院1区Top，IF=8.6）发表了题为“Human impacts versus environmental drivers of seagrass loss in the Nansha islands: Evidence from domain-adaptive deep learning”的研究论文。该研究聚焦南沙群岛海草床典型蓝碳生态系统，针对区域偏远、样本稀缺、海洋环境复杂、长期监测困难等瓶颈问题，提出了物理约束与深度学习协同驱动的海草识别新方法SeagrassMNet，为浅海生态遥感监测提供了新思路。

课题组融合对抗式域自适应和多时相特征对齐策略，有效突破了复杂海洋环境下模型泛化能力不足的难题。结果表明，该模型在海草识别任务中取得95.89%的总体精度和92.56%的IoU，显著优于主流模型，表现出较强的跨区域、跨年份迁移能力。基于该方法，课题组构建了南沙群岛海草床多时相分布图，系统揭示了海草床的显著退化过程：海草总面积由6.89 km⟡下降至3.48 km⟡，总体减少47.7%。进一步分析表明，海表温度异常和海表高度变化等环境因素与海草变化存在显著关联，但人工岛礁建设和海岸改造活动与海草损失表现出更强关联性，凸显了人类活动对区域海草退化的重要影响。

该成果在方法上提升了稀缺样本条件下浅海生态识别精度，在应用上填补了南沙群岛海草长期连续制图空白，在科学认知上加深了对海草退化自然驱动与人为扰动协同作用机制的理解，可为南海蓝碳资源评估、海洋生态保护与岛礁精细化管理提供重要科技支撑。