湿地植被是湿地生态系统中能量固定者和有机物质的最初生产者，是研究湿地生态系统物质循环的基础。开展基于高光谱遥感技术的湿地植物生物量及生化组分反演对于深层次挖掘植被的理化特性，快速便捷的量化植被特征参数，对提高湿地植物生物量、生化组分估算精度，实现湿地生态系统长期动态监测与管理具有重要意义。湿地所李伟研究员主持的院基本科研业务费专项资金面上项目“基于无人机高光谱数据的湿地植物生物量及生化组分反演”，成功实现了湿地植被生物量及生化组分快速准确反演。

    项目采集了不同季节湿地植物地物高光谱数据和无人机高光谱数据，开展了湿地植物高光谱信息提取研究，分析了高光谱数据与典型湿地植物的光谱特征关系。实现了北京汉石桥湿地典型湿地植物的准确判别；采用逐步回归、随机森林、支持向量机、BP神经网络的方法构建湿地植物生物量、相对叶绿素含量（SPAD）、碳氮磷元素、含水率以及湿地植物生长环境氮磷含量的高光谱反演模型，实现了湿地植被生物量及生化组分快速准确反演；通过偏最小二乘（PLS）模型分析了芦苇、黄花鸢尾、槐叶萍、浮萍4种湿地植物的冠层光谱反射率与人工湿地中水体和底泥的TN和TP浓度之间的相关性，以评估植被生长环境中氮和磷的浓度变化。研究证实了基于典型湿地植被高光谱数据对水环境的氮磷元素含量反演的可行性，可为不同时空尺度上快速、准确的水体富营养化监测提供技术依据。研究结果先后发表于Wetlands Ecology and Management, 2019；Remote Sensing Letters, 2020和Remote Sensing, 2020。

人工湿地及4种湿地植物

光谱反射率与湿地植物生态化学计量的相关性

湿地植物生化组分随机森林反演模型