8月13日，由我所与首都师范大学、中国科学院东北地理与农业生态研究所、北京师范大学、中国科学院空天信息创新研究院、中国科学院烟台海岸带研究所、广州大学、深圳大学、国家地球系统科学数据中心9家单位共同主办的“第四届中国湿地遥感大会”于线上顺利召开，会议围绕“人与湿地和谐共生”主题，设置了1个主会场和11个分会场，聚焦“遥感大数据与湿地分类、湿地植被遥感、湿地水环境遥感、湿地生态过程动态监测、湿地生态系统功能与服务遥感、湿地保护与修复遥感、河口和海岸带湿地遥感、城市湿地与生态遥感、湿地大数据与决策服务、红树林和互花米草遥感监测创新方法和湿地高光谱遥感技术与应用”等专题，邀请和召集到国内外81家单位160余位科研与管理人员汇报交流。主会场在线人数5200余人次，分会场在线人数9800余人次（包括腾讯会议、《遥感学报》梧桐会、蔻享学术）。
第二分会场 湿地植被遥感
第二分会场“湿地植被遥感”由我所副所长张怀清研究员、首都师范大学宫兆宁教授和中南林业科技大学张猛副教授共同召集并主持，来自中南林业科技大学、香港理工大学、首都师范大学、聊城大学、华北理工大学、浙江海洋大学、郑州大学、长沙理工大学、桂林理工大学等单位的14位专家、学者作了学术报告，通过腾讯在线会议和蔻享学术直播间的参会人次超1000人次。
特邀报告1-
《洞庭湖湿地植被NPP时空演变及驱动机制研究》
中南林业大学张猛副教授报告针对湿地植被净初级生产力(Net Primary Productivity, NPP)模拟中时空分辨率不高和估算精度不稳定等方面的问题，利用遥感云计算与时空融合算法解决湿地NPP估算缺失问题，采用深度学习与集成学习提高湿地植被分类精度，得到了洞庭湖2000-2020年湿地植被月/年NPP，分析了近20年洞庭湖湿地植被NPP时空变化及其驱动机制。
特邀报告2-
《基于深度学习的红树林种间分类》
香港理工大学宛罗马博士研究基于高空间分辨率遥感影像WorldView并结合地面调查数据，利用Small-patched CNN等多种深度学习算法模型提取红树林物种信息，结果表明利用高分辨率图像进行深度学习可以实现红树林物种检测，比传统的方法具有更高的精度，可用于红树林的位置、数量和树冠大小等定量监测应用。
特邀报告3-
《顾及潮汐影响的中国红树林高分遥感制图》
长沙理工大学夏清副教授研究基于国产高分数据，实现空间分辨率为1米的中国红树林遥感制图数据集，分析潮汐对红树林周期性淹没的影响，为红树林生态系统的管理与保护提供基础数据与技术支持。
特邀报告4-
《基于SAR数据的水陆交错带DEM信息提取》
长沙理工大学谭剑波讲师研究针对区域湿地的地形信息，利用SAR对水体敏感，具有全天候的对地实时观测能力的特点，实现DEM的提取基于SAR的水淹信息自动提取(获取高频准确的水边线)和水边线法获取DEM，可用于湿地水文过程、植被分布和生态模拟预测。
专题报告1-
《基于Sentinel-1/2和多种机器学习算法的木本沼泽遥感分类方法研究》
首都师范大学赵宇欣博士研究旨在提高木本沼泽（包括森林和灌丛沼泽）的分类精度，通过结合光谱和雷达图像，建立多种特征变量集合，并利用Sentinel-1/2的波段，结合多种机器学习算法，探索多源遥感数据在湿地植被信息提取中的潜力。
专题报告2-
《湖泊湿地菹草群落的遥感提取研究》
聊城大学姜杰硕士研究基于Sentinel-2遥感数据，选用最大似然监督分类法、随机森林机器学习分类法和基于时序NDVI的物候特征分类法等3种方法，对南四湖菹草群落进行提取研究，利用菹草植被覆盖度分析3种方法对菹草的提取能力，可以应用于湿地沉水植被遥感提取和湖泊生态环境遥感监测。
专题报告3-
《GEE支持下联合植被物候特征和机器学习的入侵植物互花米草提取》
华北理工大学郑浩硕士研究在GEE云平台上基于互花米草成熟期和衰老初期的多源数据构建特征集，在互花米草识别关键物候期内采集利用无人机搭载的X20P-LV一体式激光雷达高光谱成像仪获取350-1000 nm光谱范围内的164个波段的盐城滨海湿地保护区互花米草混生植被典型区的高光谱影像，基于4种机器学习方法实现了互花米草高精度识别。
专题报告4-
《基于GEE云平台的三江源植被碳源/汇时空变化研究》
浙江海洋大学张祯祺硕士研究应用GEE云平台，利用长时间序列MODIS数据，对三江源区域20年间的森林、草地、荒漠、湿地等植被生态系统净生态系统生产力进行模型计算，该研究结果能够为三江源区域开展碳汇管理，制定有效的生态保护策略以及陆地生态修复工程的成效评估方法提供支撑。
专题报告5-
《三江源地区植被覆盖变化特征及其影响因素研究》
郑州大学张青硕士研究基于2000~2019年MODIS NDVI数据，综合运用最大值合成法、一元线性回归、空间趋势分析等方法，引入地理探测器模型，对三江源地区植被覆盖时空演变规律和植被覆盖空间分异影响因素的驱动机理进行了研究探讨。
专题报告6-
《1985-2021年张家口坝上湖泊水体演变过程监测》
首都师范大学卓昭君博士研究利用长时间序列的Landsat遥感影像、JRC全球地表水数据和张家口水文年鉴数据等，构建张家口坝上长时间序列水体数据集，对湖泊水体状态进行了识别，在景观结构上对该区域湖泊水体退化和恢复进行了判定，得到了水体变化的主要影响因素，为该区域的湖泊湿地保护与恢复提供了科学的数据支撑。
专题报告7-
《基于激光雷达点云评估两种新型的2D和3D森林植被分类方法—MrFSNet和DWS-KP-FCNN》
桂林理工大学邓力维硕士研究提出了一种新颖的多分辨率特征选择网络和动态加权采样法，构建了DWS-KP-FCNN用于林地植被3D分类（点云分类），综合评估了DWS-KP-FCNN、MrFSNet以及传统机器学习方法对2D和3D植被分类的性能差异。
专题报告8-
《面向日本鳗草长时序监测的海草光谱指数构建》
首都师范大学周清卿硕士研究提出了一种新的海草指数（SGI），用于基于时间序列Landsat影像的海草床自动快速制图，旨在减轻潮汐淹没对海草提取的影响，并增强与其他海岸带植被的可分性。
专题报告9-
《基于无人机的岩溶湿地植被分类及其生理结构参数反演》
桂林理工大学劳植楠硕士研究用4种影像融合算法，融合无人机（UAV）和吉林一号（JL101K）多光谱影像，利用面向对象随机森林（RF）、XGBoost和LightGBM算法，实现沼泽/岩溶湿地植被群落精细化分类和典型岩溶湿地植被群落的冠层叶绿素含量的反演。
专题报告10-
《基于MCCUNet和无人机多光谱图像的红树林群落迁移学习分类》
桂林理工大学李雨阳硕士研究通过修改DeepLabV3+算法的编码器和解码器部分，开发了一种新的深度学习算法(M-DeepLabV3+)，并提出了冻结迁移学习("F-TL")、微调迁移学习("Ft-TL")以及传感器和相位迁移学习("SaP-TL")3种迁移学习策略，利用M-DeepLabV3+算法和高分辨率无人机多光谱图像对红树林群落进行分类。
湿地植被是湿地生态系统的重要组成部分，在生态环境功能方面发挥着重要作用。随着遥感技术、人工智能和大数据等技术的发展，极大地促进了湿地植被遥感研究领域的发展，湿地植被遥感朝遥感数据多源化、监测方法智能化、专业知识化和数据共享化等方向发展，尤其是深度学习、无人机、云处理等成为新的研究热点。第四届中国湿地遥感大会第二分会场聚焦于湿地植被遥感的新技术、新方法和新发现，为湿地植被遥感研究提供了线上交流和分享平台，对于推动湿地遥感研究和应用、增强学术交流、深化共享合作具有积极意义。
会议期间，与会的14名研究人员从无人机和Google Earth Engine等多平台，利用高光谱、多光谱、SAR和激光雷达点云等多源数据，基于深度学习、机器学习和迁移学习等多种方法，针对湿地植物的种群分类及时空变化监测、湿地植被NPP时空演变及驱动机制、湿地植被覆盖变化特征及影响因素、湿地植被遥感精细制图、湿地植被生理结构参数反演、湿地植被水文过程监测、湿地植被碳源/汇时空变化监测等研究内容展开了充分讨论，覆盖了湖泊湿地，滨海红树林湿地，沼泽湿地，河口三角洲和岩溶湿地等多种湿地类型区域，呈现了十分精彩的学术交流。经评审，首都师范大学周清卿硕士和桂林理工大学李雨阳硕士获得最佳报告奖，首都师范大学赵欣宇博士、华北理工大学郑浩硕士和浙江海洋大学张祯祺硕士获得优秀报告奖。
《面向The Ramsar Strategic Plan 2016–24的东南亚地区湿地精细绘图》
刘洋博士研究生
我所2020级博士研究生刘洋在第一分会场“遥感大数据与湿地分类”作了专题报告，经评审该报告获得“第四届中国湿地遥感大会优秀报告奖”。
