由于自然和人为因素的共同作用，黑龙江流域中国一侧泛洪平原湿地持续减少。因此，长期监测洪泛湿地的动态和转化是可持续管理和保护的基础。然而，由于洪泛湿地环境的复杂性和异质性，很难像CARB那样在大范围内准确绘制湿地。为了解决这个问题，本研究集成了图像合成算法、基于对象的图像分析和分层随机森林分类，开发了一种新的、鲁棒的分类方法，称为COHRF，用于圈定洪泛湿地和周围的土地覆盖。基于COHRF分类方法，利用4622张Landsat图像生成了一个30米分辨率的数据集，描述了1990-2018年期间CARB洪泛湿地的动态和转化。结果表明：(1) 1990年、2000年、2010年和2018年的所有洪泛湿地土地覆盖地图都具有较高的制图精度 (在90%±0.001 ~ 97%±0.005之间)，表明COHRF是一种鲁棒的分类方法；(2) 1990-2018年，CARB的洪泛平原湿地净损失约25%，面积从8867 km²减少到6630 km²；(3) 消失的洪泛湿地大部分被改造为耕地，2000-2010年和2010-2018年由耕地恢复的湿地面积分别为111 km²和256 km²。据我们所知，本研究是首次大规模圈定洪泛湿地，并生成首个展示洪泛湿地长期动态的30米空间分辨率数据集。COHRF分类方法可用于其他生态系统的分类。该数据集将有助于阿穆尔河流域湿地的可持续利用和保护，并为相关研究提供必要信息。

洪泛湿地,面向对象分析,随机森林,阿穆尔河流域,Google Earth Engine（GEE）