我國1979年為保灘護堤和促淤造陸，從美國引種了互花米草，然而近年來大量研究表明入侵物種互花米草已對我國海岸帶生態系統造成了嚴重威脅。近日，首都師範大學水資源安全bbin宝盈集团生態遙感大數據團隊創新性提出一種新的基於Google Earth Engine平台實現基於像素的物候特徵複合方法（Ppf-CM），為大尺度、長時序海岸帶互花米草遙感監測帶來了新的技術突破。

        在以往的互花米草的遙感監測中，受多雲和潮汐的影響，可用遙感數據有限；互花米草存在明顯空間物候差異，同一副影像中不同地理位置的互花米草存在處於不同生長期的現象，導致同物異譜現象嚴重；互花米草斑塊破碎，在遙感影像中存在大量混合像元，易與本地種產生光譜混淆，導致異物同譜現象嚴重。

        該實驗室研發團隊成員在Google Earth Engine平台下，以我國北部灣為研究區，以唯一可提供長期連續歷史觀測的Landsat影像為主要數據源，發展了一種新的像素級物候特徵複合方法。新的像素級物候特徵複合方法在互花米草的遙感監測中，利用所有無雲且低潮位像元重組出兩副最適合互花米草製圖的影像，然後通過對比傳統機器學習和深度學習模型對像素級物候特徵進行分類，獲取了我國北部海灣地區40年來互花米草製圖產品，並對其進行時空演變規律分析。

        北部灣地區2016-2017互花米草製圖結果    1994-2017年互花米草時空分佈對比結果（紅色為互花米草）新的像素級物候特徵複合方法在海岸帶入侵物種互花米草遙感監測中，不但克服了以往遙感監測在互花米草製圖過程中面臨的多個難題，而且還通過深度學習與新的像素級物候特徵相結合,取得了優於傳統機器學習方法的分類效果；此外，通過新的遙感監測技術還首次發現了互花米草侵襲爆發期發生在1996-2001年間。