利用1985—2025年Landsat影像对路易斯安那州沿海湿地植被群落进行分类与制图

路易斯安那州的潮汐湿地约占美国本土连续地区潮汐湿地总面积的25%，然而对该地区1932年至2016年间湿地丧失速率的估计已超过60 km2 yr-1。为减缓该地区进一步退化和湿地丧失，一个全球范围内前所未有的、总投资500亿美元、为期50年的路易斯安那海岸带规划正在推动生态修复工作，同时多个利益相关方对定期更新的、区域尺度且准确的土地覆盖信息存在需求。 我们利用机器学习（随机森林；RF）和云计算开发了一个新的基于Landsat的沼泽植被群落地理空间数据集。该数据集以30 m空间分辨率、年度时间步长（1985—2025年）表征了先前研究中定义的湿地植被群落类型。采用RF算法将训练样本与从Landsat影像提取的特征变量进行整合，所得地理空间数据产品的总体分类正确率达到78%。本文提出的土地覆盖数据集开发方法有望应用于世界其他沿海湿地生境。

路易斯安那州的潮汐湿地约占美国本土各州潮汐湿地总量的25%，然而对该地区1932年至2016年间湿地损失速率的估计已超过60 km2 yr-1。为减缓该地区进一步退化和湿地丧失，一项全球范围内前所未有的、总投资500亿美元、为期50年的路易斯安那州海岸带规划正在推动生态修复工作；与此同时，多个利益相关方对定期更新的、区域尺度且高精度的土地覆盖信息存在需求。

我们利用机器学习（随机森林；RF）和云计算开发了一个新的基于Landsat的沼泽植被群落地理空间数据集。该数据集以30 m空间分辨率、按年度时间步长（1985—2025年）表征了先前研究中定义的湿地植被群落类型。采用RF算法将训练样本与从Landsat影像中提取的特征变量进行整合，所得地理空间数据产品的总体分类正确率达到78%。本文所提出的土地覆盖数据集开发方法有望应用于全球其他海岸湿地生境。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.13.744705v1?rss=1

🏷️ 沿海湿地 植被分类 Landsat遥感 随机森林 土地覆盖制图