黄河三角洲典型湿地植被的遥感监测

来源：水利水运工程学报杂志 2025年第2期北京时间：

作者：端木雪妍,拾兵

摘要：湿地植被是黄河三角洲生态系统的重要组成，然而植被分布混杂，且光谱特征相近，还有可能由于不定期被水体淹没导致同种地物之间光谱差异较大，遥感分类识别工作难度较大，效率也有待提升。基于Google Earth Engine (GEE)云计算平台，结合Harmonic Analysis of Time Series (HANTS)算法提取植被物候特征确定了植被分布提取的最优时相，利用实地勘测数据和多源遥感影像，设计了4种分类方案，采用机器学习算法实现2016—2023年各年多时相植被分类制图。分类总体精度均在93.38%以上，Kappa系数均高于0.92，其中采用面向对象分类加上雷达极化特征的方案所得分类结果精度最高，尤其是在芦苇和互花米草的区分上，精度均超过97%，碱蓬低于前两者，但精度也近92%。对多年植被时空演变特征进行分析，发现互花米草面积由35.6 km2持续增加至52.2 km2，刈割后大幅降低至不足10 km2，芦苇面积随互花米草变化呈先降后升趋势，面积最小时仅有74.3 km2，碱蓬面积波动下降；芦苇和碱蓬分布与河道走向基本一致，刈割遏制了互花米草向保护区南侧的扩张且整体清除效果较好，整体植被生长演变状况受人类活动影响较大。应用本文方法获取典型植被的分布范围，有着精确度高、运算速度快、占用内存小的优点，适用于黄河三角洲湿地植被监测，可为该地区生态保护和高质量发展提供理论依据。

关键词：黄河三角洲, 湿地植被识别, 物候提取, Google Earth Engine, 面向对象分类