基于机器学习方法的乌梁素海水生植物遥感分类

来源：水资源与水工程学报杂志2026年第2期北京时间：

作者：李金玉，青松

单位：（内蒙古师范大学地理科学学院

摘要：水生植物在维持湖泊生态系统稳定与水质净化中发挥着关键作用，因此，准确识别其类型对湖泊生态监测与管理至关重要。基于Sentinel-2 MSI影像及实测样点数据，对比评估了极限梯度提升（XGBoost）、随机森林（RF）和支持向量机（SVM）3种机器学习方法在乌梁素海水生植物分类中的性能。结果表明：XGBoost模型表现最优，平均总体精度（OA）、Kappa系数和F1分数分别达到94.06%、0.88和0.92，兼具高准确性与稳定性，显著优于其他两种模型；基于最优模型的分析显示，2015—2024年间，乌梁素海沉水植物面积显著增加（k＞0、P<0.05），而挺水植物面积显著减少（k<0、P<0.05）。XGBoost模型能够实现乌梁素海水生植物的高精度识别，有效揭示其时空动态变化，可为湖泊生态系统监测、管理及湿地保护提供科学依据。

关键词：水生植物,机器学习,遥感分类,模型评价,乌梁素海

基金资助：国家自然科学基金项目（41961057）； 内蒙古自然科学基金项目（2019MS04013）