我国1979年为保滩护堤和促淤造陆，从美国引种了互花米草，然而近年来大量研究表明入侵物种互花米草已对我国海岸带生态系统造成了严重威胁。近日，首都师范大学水资源安全北京实验室生态遥感大数据团队创新性提出一种新的基于Google Earth Engine平台实现基于像素的物候特征复合方法（Ppf-CM），为大尺度、长时序海岸带互花米草遥感监测带来了新的技术突破。

        在以往的互花米草的遥感监测中，受多云和潮汐的影响，可用遥感数据有限；互花米草存在明显空间物候差异，同一副影像中不同地理位置的互花米草存在处于不同生长期的现象，导致同物异谱现象严重；互花米草斑块破碎，在遥感影像中存在大量混合像元，易与本地种产生光谱混淆，导致异物同谱现象严重。

        该实验室研发团队成员在Google Earth Engine平台下，以我国北部湾为研究区，以唯一可提供长期连续历史观测的Landsat影像为主要数据源，发展了一种新的像素级物候特征复合方法。新的像素级物候特征复合方法在互花米草的遥感监测中，利用所有无云且低潮位像元重组出两副最适合互花米草制图的影像，然后通过对比传统机器学习和深度学习模型对像素级物候特征进行分类，获取了我国北部海湾地区40年来互花米草制图产品，并对其进行时空演变规律分析。

        北部湾地区2016-2017互花米草制图结果    1994-2017年互花米草时空分布对比结果（红色为互花米草）新的像素级物候特征复合方法在海岸带入侵物种互花米草遥感监测中，不但克服了以往遥感监测在互花米草制图过程中面临的多个难题，而且还通过深度学习与新的像素级物候特征相结合,取得了优于传统机器学习方法的分类效果；此外，通过新的遥感监测技术还首次发现了互花米草侵袭爆发期发生在1996-2001年间。