快速准确识别滨海湿地植物物种类型及其分布是实现滨海湿地精细化生物多样性监测与保护管理的前提和基础，《生物多样性》2023年第3期文章《基于无人机影像与面向对象-深度学习的滨海湿地植物物种分类》以无人机可见光遥感影像为基础数据源，在定量分析最优分割尺度与最优分类特征组合的基础上，应用面向对象-U-net深度学习方法对闽江河口湿地植物物种类型进行分类，以期为滨海湿地植物物种遥感精细分类与生物多样性保护管理提供方法借鉴与科学参考。

闽江河口湿地位置及各物种样本点分布

滨海地区易受云雨天气影响，基于光学卫星的遥感技术因获取时间不够灵活，难以根据时间要求获取高质量影像；商业光学卫星影像虽可按要求编程获取影像，且影像分辨率较高，但其费用较高。雷达遥感影像可有效避免云雨天气的影响，但其数据易存在噪声，且数据处理难度大、数据获取费用高。相比而言，无人机遥感具有高分辨率、机动灵活、不受天气影响、时效性强和性价比高等优势，为滨海湿地植物物种识别与分类提供了新的技术手段与思路。

基于不同方法的研究区湿地植被类型分类结果

论文第一作者为福建农林大学硕士研究生黄雨菲，路春燕老师为通讯作者，贾明明、王自立、苏越、苏艳琳也参与了该项研究工作。研究得到了国家自然科学基金(42101392)、福建省自然科学基金(2020J01572)、福建农林大学杰出青年科研人才计划项目(XJQ201920)和中国科学院青年创新促进会(2021227)的资助。