【技术交流】全国10米年度湿地制图揭示2016-2024年中国湿地变化

来源：市场资讯

（来源：生态修复网）

摘要：

连续、精细的湿地变化信息，是开展湿地保护、修复评估与生态管理的重要基础，但全国尺度湿地产品往往难以兼顾空间分辨率和更新频率。Wang等结合Sentinel-1/2多源时序影像、湿地发生概率先验知识与对象级随机森林分类，构建了2016—2024年中国10 m分辨率年度湿地数据集。

研究共处理约259.9万景Sentinel影像，以水体和植被出现频率、历史最大湿润度及地形条件估算潜在湿地范围，再在该空间约束内提取光谱、极化、纹理和时序特征进行分类。论文报告的平均总体精度为81.72%。结果显示，2016—2024年全国湿地总面积总体稳定并小幅增加0.5%；水体面积增加，而潮滩与滨海草本沼泽减少。东北地区、青藏高原及华南—东南地区表现出较明显的年际波动。

这项研究的主要贡献，是把“湿地可能出现在哪里”的生态水文知识嵌入机器学习分类过程，在减少背景干扰、样本需求和计算负担的同时，实现全国尺度连续年度制图。需要注意，全国湿地总量稳定并不等于所有天然湿地均在改善；早期年份的相邻年影像合并、长期潜在湿地掩膜，以及主文中不同位置的精度表述差异，也需要在应用数据时加以核验。

湿地具有蓄洪调水、生物多样性保护、碳循环调节和气候缓冲等重要生态功能，但也持续受到气候变化、极端水文事件和人类活动影响。准确识别湿地在什么时间、什么位置发生变化，是保护规划、修复工程评估和可持续发展目标监测的基础。

已有大尺度湿地产品通常面临空间分辨率与时间频率之间的取舍。单年或多年合成产品可以提供湿地基准分布，却难以识别洪水、干旱或工程活动造成的年度波动；连续产品若空间分辨率较粗，又容易遗漏小型、狭长和高度破碎的湿地斑块。

全国年度高分辨率制图还面临三个现实困难：密集时序影像带来巨大的计算负担；不同地区和年份都需要可靠训练样本；大范围森林、农田、草地和建设用地可能与某些湿地具有相似的光谱或时序特征，从而产生错分和不合理的年际跳变。

这篇论文围绕三个问题展开：如何构建适用于全国尺度的10 m年度湿地制图框架？湿地发生概率先验能否减少样本与计算需求并提高分类稳定性？2016—2024年中国不同湿地类型和生态区发生了怎样的变化？

1 研究区域与数据来源

研究覆盖中国陆地区域，并将全国划分为东北地区、内蒙古—新疆高原、黄河中下游、青藏高原、长江中下游、云贵高原及华南—东南地区七个生态区。

作者通过Google Earth Engine处理2015—2024年的Sentinel-1和Sentinel-2影像，共计约2,598,998景，其中Sentinel-1影像314,690景、Sentinel-2影像2,284,308景。Sentinel-1数据经过热噪声去除、辐射定标、地形校正、对数变换和Refined Lee滤波；Sentinel-2利用质量控制波段去除云和云影。

由于2015—2017年有效观测明显少于后续年份，作者将2015与2016年影像合并构成2016年数据，将2016与2017年影像合并构成2017年数据，并用相邻年份观测填补缺口。因此，2016和2017年的结果并非完全由各自自然年影像独立生成，解读早期年际突变时需要注意这一点。

2 样本构建与湿地分类体系

研究首先整理2015—2023年实地调查样本，并剔除5 km范围内的空间冗余点，得到6,785个样本，其中湿地3,534个、非湿地3,251个。随后对多源参考产品进行类别统一，并通过多产品同质斑块空间交集提取高置信度区域，补充6,242个样本。最终初始训练集包含13,027个样本，其中湿地8,682个、非湿地4,345个。

作者利用Collect Earth平台的高分辨率时序影像，根据植被覆盖、水体范围和地表湿度变化逐年更新样本标签，形成2016—2024年的年度训练数据。

分类体系包含水体、内陆沼泽林/灌丛湿地、内陆草本沼泽、滨海沼泽林/灌丛湿地、滨海草本沼泽和潮滩六类湿地，以及森林、草地、裸地、耕地、建设用地和冰川/积雪六类非湿地。

3 潜在湿地范围识别

论文的核心思路，是先判断“湿地可能出现在哪里”，再在这一范围内识别具体类型。作者从多时相影像提取水体出现频率WOF、植被出现频率VOF和历史最大湿润度HMW，并叠加DEM派生的高程与坡度。

水体和植被指数阈值使用Otsu算法确定；考虑到中国地形差异明显，高程和坡度阈值在不同生态区内分别校准。满足水体或植被出现条件、湿润度达到阈值且地形适宜的像元被纳入潜在湿地范围。作者随后对边界增加1 km缓冲并进行形态学膨胀，以减少结果破碎和边界遗漏。

4 时空特征与知识驱动分类

分类特征包括Sentinel-1极化波段和极化指数、Sentinel-2光谱波段、植被与水体指数、红边指数、缨帽变换分量和GLCM纹理特征。作者还利用HANTS重建NDVI、NDWI、VV和VH等时间序列，并计算振幅、相位、极值、均值、中位数和标准差等动态指标。

影像首先通过SNIC算法分割为超像素，随后对每个对象汇总光谱、时序和辅助特征。潜在湿地范围作为空间先验约束分类区域，随机森林则用于识别每个超像素所属的湿地或非湿地类型。该方法不是让模型在全国范围“盲目寻找”湿地，而是先利用生态水文知识缩小搜索空间，再进行精细分类。

5 精度评价与变化分析

作者采用分层随机抽样和误差矩阵评价制图精度，并计算总体精度、用户精度、生产者精度、Kappa系数和F1分数；参考标签来自高分辨率Google Earth影像人工判读。研究还将制图结果与Dynamic World、ESA WorldCover及中国现有水体、内陆草本沼泽和潮滩数据进行空间与面积对比。

变化分析统计了全国、七个生态区和六类湿地的年度面积，并使用标准差描述年际波动、复合年增长率描述空间变化趋势。同时选取鄱阳湖、郑州常庄水库、黄河三角洲和东寨港等区域展示洪旱事件及生态修复对应的局地变化。

1 年度湿地制图总体保持较稳定精度

论文摘要报告，2016—2024年年度产品的平均总体精度为81.72%，各年介于80.55%—82.17%。水体和滨海草本沼泽的用户精度超过84%，内陆沼泽林/灌丛湿地因与森林光谱相似，平均用户精度为77.93%。青藏高原地表类型高度异质，其平均总体精度为79.06%，低于部分其他生态区。

与Dynamic World和ESA WorldCover相比，本研究产品能够更细致地分割小型水体边界，并识别两套全球产品中容易遗漏的内陆沼泽林/灌丛湿地和滨海草本沼泽。面积对比均呈显著相关：水体与China_CAP的R²为0.836，内陆草本沼泽与CAS Wetlands的R²为0.950，潮滩与China_Tidal flat的R²为0.893。

需要指出，结果3.1节文字称年度总体精度保持在83%以上，但摘要给出的各年范围为80.55%—82.17%，两种表述不能同时成立。引用时宜优先采用摘要与结论一致出现的平均精度81.72%，并结合补充材料或作者说明核实具体口径。

2 2024年全国湿地约43.489万平方公里

估算的潜在湿地范围占中国国土面积的68.89%。这一比例在多数生态区超过80%，但在内蒙古—新疆高原仅为36.07%，表明空间约束对干旱区非湿地背景的过滤作用更明显。

2024年全国湿地面积为434.89×10³ km²。其中，水体占66.28%，内陆草本沼泽占29.90%，内陆沼泽林/灌丛湿地占1.88%，潮滩占1.42%，滨海草本沼泽占0.44%，滨海沼泽林/灌丛湿地占0.07%。

从区域构成看，东北地区占全国湿地总面积的28.19%，并拥有全国54.69%的内陆草本沼泽和83.31%的内陆沼泽林/灌丛湿地；青藏高原占全国湿地的25.25%；长江中下游地区占16.95%。华南—东南地区集中了全国77.53%的滨海沼泽林/灌丛湿地。

3 全国总量小幅增加，但不同湿地类型变化方向相反

2016—2024年，全国湿地总面积总体增加0.5%，年际面积标准差为0.82×10³ km²。图示线性趋势斜率约为0.29×10³ km²/年，并达到显著水平。

不同类型变化明显分化。水体面积增加3.58×10³ km²，约增长1.24%，同时具有最大的年际波动；滨海沼泽林/灌丛湿地增加0.10×10³ km²。相反，潮滩减少0.71×10³ km²，滨海草本沼泽减少0.62×10³ km²，内陆草本沼泽小幅减少0.11%，内陆沼泽林/灌丛湿地基本稳定。

这里需要区分“湿地总面积”和“天然湿地类型”。全国净增加0.5%，主要受到水体扩张贡献，不能直接解读为所有湿地类型或湿地生态质量均有改善。尤其是潮滩和滨海草本沼泽仍表现为净损失。

2016—2024年中国湿地年际变化、增长率及不同类型和生态区的面积轨迹

4 湿地变化具有明显区域差异

七个生态区中，东北地区年际波动最大，面积标准差为0.46×10³ km²；其后为华南—东南地区的0.43×10³ km²和青藏高原的0.42×10³ km²。黄河中下游地区的相对增幅最大，为1.63%；青藏高原和东北地区分别增加1.10%和0.42%。云贵高原的绝对减少量最大，为0.30×10³ km²。

论文将部分变化与气候和人类活动联系起来。青藏高原南部及东北北部湖泊、沼泽扩张与冰川融化、冻土退化和降水增加的既有认识相一致；鄱阳湖在2020年洪水期间扩张、2022年极端干旱时显著萎缩，随后逐步恢复；郑州常庄水库也记录了2021年强降雨和2022年高温干旱造成的变化。

这些解释主要依据制图轨迹、典型事件和既有文献的一致性，并非统一的全国尺度驱动归因模型。因此，它们支持合理的机制解释，但不等同于对每一处湿地变化完成了定量因果归因。

5 年度监测捕捉到保护修复与局地压力的共同作用

数据记录了黄河三角洲互花米草在2020—2023年间的大幅清除，也呈现东寨港人工种植与红树林修复对应的滨海沼泽林扩张。与此同时，论文指出，大型水利工程和筑坝仍可能造成河流和湖泊湿地的局地持续损失。

连续10 m数据还能服务候鸟迁飞通道生境连通性评估、温室气体清单、洪水调蓄、水资源变化、生态修复工程评价，以及联合国可持续发展目标6、13和15的监测。但这些应用需要结合类别定义、年度不确定性和当地辅助资料，而不能仅依据面积变化作出管理判断。

这项研究构建了一个融合多源时序数据、湿地发生概率先验与对象级随机森林的全国年度湿地制图框架，并生成2016—2024年中国10 m湿地数据。方法的关键是用长期水文、植被和地形信息限定潜在湿地范围，使模型集中处理更可能出现湿地的区域，从而减少无关背景干扰、训练样本需求和计算负担。

研究显示，全国湿地总面积在九年间大体稳定并小幅扩张，但这一宏观趋势掩盖了明显的类型与区域差异。水体扩张与滨海沼泽林/灌丛湿地增加，与潮滩、滨海草本沼泽和部分内陆草本沼泽减少同时发生；东北、青藏高原和华南—东南地区的年度波动较为突出。

需要注意，“面积稳定”不等同于“生态功能稳定”。水体增加可能与降水变化、冰雪和冻土过程、水库建设或水文调度有关，其生态意义与天然湿地恢复并不相同。将该数据用于保护成效评价时，应进一步区分天然与人工湿地，并结合湿地质量、连通性、植被状态和人为压力。

本文将湿地发生概率作为机器学习的空间约束，先判断“湿地可能出现在哪里”，再识别具体类型，有效减少了背景干扰、样本需求和计算负担。这种知识与数据融合的思路，对大尺度生态遥感制图具有借鉴意义。

研究实现了全国10米分辨率、连续九年的湿地监测，能够识别小型湿地，并捕捉洪旱事件和生态修复带来的短期变化。但“全国湿地净增加0.5%”不能简单理解为湿地全面改善：水体扩张影响了总量趋势，而潮滩和滨海草本沼泽仍在减少。

研究也存在一定边界。早期年份使用跨年影像，可能平滑真实变化；长期潜在湿地范围可能遗漏部分新生或临时湿地；气候和人类活动的解释主要来自典型案例与文献对照，尚不属于严格的因果归因。后续研究可进一步区分天然与人工湿地，并结合湿地质量、连通性和生态功能开展综合评价。