湿地具有较强的生物多样性，对于迁徙水鸟保护等具有重要意义。湿地植物群落尺度的遥感分类制图，也因此具有明显的科学意义和研究价值。然而，由于湿地系统本身的复杂性，湿地植物群落的遥感识别存在较多的不确定性。高光谱遥感数据在湿地植物群落分类方面具有较强的应用潜力，但受卫星数据源的限制，高光谱数据在湿地植物群落分类中的应用潜力仍需深入探索。

　　莫莫格国家级湿地自然保护区是东亚-澳大利西亚迁徙廊道的重要组成部分，2013年入选国际重要湿地。保护区内湿地植物群落类型多样，对维护区域生态安全发挥着重要作用。准确的湿地植物群落遥感识别和分布制图，对于保护莫莫格湿地生态系统和生物多样性等具有重要的科学意义和社会价值。

地理景观遥感学科组研究人员利用无人机遥感的优势，集成高光谱成像和机器学习技术，实现了莫莫格核心区湿地植物群落的遥感分类制图。通过对高光谱数据的多种变换构建最优特征波段子集，对比了基于面向对象和像元的三种机器学习相结合的6种分类方法的精度，成功实现莫莫格湿地核心区的湿地植物群落分布的精细制图。研究发现：基于面向对象+随机森林的方法得能够更准确地刻画湿地植物群落边界，提取精度最高达87.75%；莫莫格核心区域的芦苇群落和香蒲群落面积分别为295 ha（57%）和84 ha（16%）。

图1  研究技术路线示意图

　图2 基于面向对象和像元尺度的三种分类算法的湿地植物群落分布格局

　　该研究由杜保佳博士（第一作者）、毛德华副研究员（通讯作者）、王宗明研究员等共同完成。研究成果发表在IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing国际期刊上。该研究由国家自然科学基金面上项目（41771383）、吉林省科学技术发展计划项目（2020301014RQ）和由中国科学院科研仪器设备开发项目（YJKYYQ2019004）共同资助完成。论文信息列表如下：

Baojia Du, Dehua Mao*, Zongming Wang, Zhiqiang Qiu, Hengqi Yan, Kaidong Feng, Zhongbin Zhang. Mapping wetland plant communities using unmanned aerial vehicle hyperspectral imagery by comparing object/pixel-based classifications combining multiple machine learning algorithms. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14: 8249-8258.

论文链接：https://ieeexplore.ieee.org/document/9502527