准确获取滨海湿地的长期演变信息对生态保护与资源管理具有重要意义。本研究以盐城珍禽自然保护区缓冲区与核心区为研究对象，利用1996—2024年Landsat遥感数据，借助Google Earth Engine云平台，融合连续变化检测模型（CCDC）、植被物候特征与马尔可夫随机场（Markov Random Field）分类后处理的优化方法（CCDC-MRF）监测湿地演变过程，探究湿地演变的时空异质性。结果显示：所构建方法分类精度较高，湿地识别的平均总体分类精度为86%以上，Kappa系数超过0.85，有效抑制椒盐噪声；研究区湿地演变呈现阶段性特征，经历“围垦—稳定—退围还湿—互花米草治理”的演化过程，缓冲区人工湿地变化幅度较大主要转向芦苇湿地。核心区变化较小，以自然植被的相互演替为主，近年变化主要受互花米草治理行动的影响；水体与植被的增益损失动力机制存在空间差异，缓冲区水体的增益损失主要受退养还湿的影响，而核心区植被大面积损失则与互花米草治理直接相关。研究表明，连续变化检测优化算法能提升滨海湿地识别的精度。盐城珍禽自然保护区的滨海湿地变化由于政策调控、自然过程与互花米草入侵的不同而呈现出差异化的演变特征。研究深化了对滨海湿地演变机制的理解，可为滨海湿地的精准监测与分区管控提供技术支撑。

针对滨海湿地语义变化检测中存在地物破碎化、边界模糊以及因样本不足导致地物可分性差等问题，研究提出一种语言引导的空间关系感知网络GeoLingua。该方法利用基于斑块的图卷积网络实现非局部上下文信息聚合，增强对破碎区域语义一致性的建模能力；引入边界引导的注意力机制提升对模糊边界的敏感性与识别精度；通过情景化语义引导模块，构建动态语义约束以引导视觉特征学习，从而弥补因训练样本不足导致的地物可分性差等问题。在黄河口滨海湿地数据集上开展实证分析表明，变化检测任务交并比超过97%，语义分割任务平均交并比超过93%。该方法在复杂生态环境中具备优异的语义变化感知能力，并验证了融合结构建模与语义约束的有效性。

湿地是生物多样性的重要栖息地，具有调节水文循环、净化水质、缓解气候变化等重要生态功能。然而，全球湿地面积自1970年以来减少了35%，湿地的丧失和退化仍在持续。基于Google Earth Engine （GEE） 平台，利用Sentinel-2高分辨率遥感影像，结合物候辅助的随机森林算法和物候特征提取方法，对杭州西溪湿地2019—2024年的植被覆盖动态变化进行了精细化分析。研究结果表明：西溪湿地的植被覆盖经历了显著的时空变化，木本湿地面积从2019年的61.74%减少至2024年的57.48%，而草本湿地面积从15.31%增加至22.66%，水体面积保持相对稳定。本研究提出的基于GEE平台的随机森林湿地分类模型表现出良好的精度（OA>0.8），引入物候特征后精度提升明显，可为湿地生态系统的长期监测与管理提供技术支持，并为全球湿地保护提供参考。

白洋淀湿地是华北平原上重要的浅水湖泊湿地，对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类，能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点，对白洋淀每个季节选取一期具有代表性的Sentinel-2影像，采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类，分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类，多季相影像的组合能够显著提高分类精度，春&夏季相组合能够得到最优的分类效果，相对单季影像总体分类精度提高了10.9%~25.5%，Kappa系数提高了0.09~0.29；SVM分类器的分类表现较为稳定，能够得到最高的平均分类精度，CART分类器在处理高维特征的能力不如随机森林和SVM；不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。

湿地具有季节性特征，高时间分辨率遥感监测能够更为客观精准地认识其时空变化规律。选择季节性变化显著、我国第一大淡水湖生态湿地——鄱阳湖湿地为典型案例，利用Sentinel-1，2和Landsat 8卫星的2017~2019年所有可以获取的不同时相影像，采用随机森林分类（Random Forest，RF）方法，对研究区的湿地进行遥感分类和信息提取，发挥海量遥感影像在湿地宏观连续监测的优势，解析鄱阳湖湿地的年际、年内时空动态变化特征。研究结果表明：Sentinel-2影像为鄱阳湖湿地动态变化监测提供良好的数据基础，随机森林分类总体分类精度高于90%，提取效果具有比较优势。对3 a分类结果进行统计分析，各湿地类型在年内均呈现出动态变化的特点，在每年2月泥滩和草洲面积到达年内最大，水体面积为年内最小；每年6、7月份水域面积达到年内最大，泥滩和草洲面积最小，季节性变化明显；月度时间序列的分类结果，能更准确地说明湿地类型的月度和季度变化。因此，结合Seninel-1，2以及Landsat 8数据，基于RF算法，能及时、有效地对鄱阳湖等季节性变化强烈的湿地进行动态监测，对开展湿地资源高效调查工作具有重要意义。

掌握滨海盐沼植被时空演变规律是科学开展滨海湿地生态系统管理的基础。滨海盐沼植物互花米草在中国海岸潮间带快速入侵与扩散，显著改变了原有滨海湿地的结构与功能，给滨海湿地保护与管理带来巨大的挑战。目前针对滨海盐沼植被时空动态的大尺度遥感分析还十分有限，人们对滨海盐沼植被空间分布的历史演变规律及其控制机制还缺乏足够的了解。实验基于Google Earth Engine平台和Landsat长时序历史影像，利用连续变化检测和分类算法反演近30 a中国南方（浙江以南）滨海盐沼植被的时空分布，分析潮汐淹水对滨海盐沼植被时空分布的影响。结果表明：①滨海盐沼植被总面积在2000~2004年出现短暂下降，之后呈现持续增长趋势；②滨海盐沼植被面积存在3种增长模式——波动、线性和指数增长；③滨海盐沼植被面积与淹水概率之间近似呈正态分布规律，植被时空分布表现为从低淹水区逐渐向高淹水区扩散的演变趋势。研究结果有助于理解滨海盐沼植被时空演变规律，为滨海湿地的科学管理提供决策支持。

作为表征湿地生态系统健康的重要指标，湿地植被净初级生产力（NPP）的精准估算对于理解全球变化以及区域碳循环具有重要的支撑作用。基于Landsat 8 OLI遥感影像和大量实测数据，以光能利用率模型基本结构式为基础，构建和评价了芦苇湿地植被NPP估算的不同遥感驱动模型，并以东北3个典型芦苇湿地保护区为例进行了验证与应用。结果表明：以NPP = f（f（VI₁）） × f（VI₂） 结构与NDVI和MSAVI两个植被指数作为自变量的模型最优，模型精度为89.2%，明显高于NPP低空间分辨率产品和CASA模型的模拟结果。根据该模型估算的东北地区七星河、查干湖和双台河口芦苇湿地的NPP均值分别为3 001、3 050和3 621 gC·m^–2·a^–1。受水文条件和人类活动影响，各湿地样区间NPP具有典型的空间分布异质性。实验提出的框架模型可为小尺度上湿地生态系统健康评估或湿地生态系统恢复效果评价等指标获取提供方法借鉴。

湖泊湿地生态脆弱，易受环境因子的影响。近十年来，东北地区湖泊湿地的时空格局发生了显著变化。如何简单、有效地提取湿地变化范围进而确定其变化类型是湿地变化检测中最需要解决的问题。基于2006~2016年30 m空间分辨率的Landsat-TM/OLI影像数据，水体、植被和土壤等生态因子的动态变化率被用于提取东北地区湖泊湿地变化范围；多维特征数据集的湿地分类方案确定湿地的变化类型。另外，湿地变化检测类型分为转出类型（湿地减少），转入类型（湿地增加）和湿地间转换类型（湿地相对稳定）。最终基于动态变化率计算方法，松嫩平原湿地、兴凯湖湿地和呼伦湖湖泊湿地变化结果的正检率均高于90%。同时，利用年内多时相数据和综合多维生态指数共同表征地表的状态变化，实验区的湖泊湿地分类结果的整体分类精度和 Kappa 系数分别达到 84.31%和0.788。湖泊湿地变化检测方法具有很好的检测精度，可以代表研究区湖泊湿地类型的实际变化，是湿地资源调查与遥感监测技术研究的有益补充，为进一步深化与拓宽地表生态质量评价及其动态变化检测的方法研究提供理论基础。

海岸带湿地具有重要的生态价值和经济开发价值，明确其时空变化特征与影响因素对于维持区域生态系统平衡和可持续发展具有重要意义。以Landsat TM/ETM+/OLI影像为基本数据源，综合利用面向对象与深度学习分类方法对1985~2015年闽东南低海拔海岸带地区的湿地信息进行提取，以揭示其时空演变特征与驱动力因素。结果表明：基于面向对象—深度学习分类方法对湿地进行信息提取，整体分类精度可达93%以上，分类结果整体性好；1985~2015年自然湿地面积呈减少趋势，人工湿地面积呈增加趋势，分别减少和增加250.31 km²和251.36 km²；湿地二级类型中，30 a间河口/浅海水域和淤泥质海滩面积减少最大，盐田/水产养殖场面积增加最大；1985~2015年湿地变化类型多样，且2000~2015年较1985~2000年湿地变化更为剧烈；湿地变化是人类活动和自然环境变化共同作用的结果，其中人类活动是影响湿地变化的主要原因。该方法及研究结果可为海岸带湿地监测与保护管理提供技术支持和决策参考。