湿地是地球表面的重要生态系统之一,近年来,因遭受到各界众多因素的影响,湿地面积正在逐渐的减少,甚至部分湿地已经消失,这一现象引发了各界对于湿地的关注,大量学者开始对湿地开展不同的调查研究,以促进湿地的保护与持续发展。其中,得益于遥感手段的发展,遥感技术已经逐渐成为湿地生态系统研究中重要的工具之一,遥感技术具有用时短、成效快的特性,能够精确的反映出地表大范围内的土地功能性的变化,能够在短时间内准确快捷的掌握湿地分布和变化信息。海南省滨海湿地中以红树林为主,与海南带防护林交错分布,存在“异物同谱”的现象,两者区分困难且边界难以确定。其次,养殖塘既是滨海湿地的重要组成部分,也是海南经济发展的重要产业,因其经济发展具有高度动态变化性,也是滨海湿地分类的难点。海南省滨海湿地分布广泛且不连续,本文选取海南省东寨港滨海湿地为研究范围,此处湿地包含了海南省主要的滨海湿地类型,是海南省滨海湿地的重要组成部分。目前该湿地以自然演变为主,但同时位于人类活动频繁的地区。既能够体现出海南岛滨海湿地所处的地理环境,也能体现海南省因经济发展对滨海湿地生态环境产的影响。因此,开展此区域滨海湿地遥感分类技术研究对海南岛湿地资源保护和持续发展具有重要意义。基于以上问题本文的研究内容和结论如下:（1）了解当前海南省滨海湿地的发展现状,发现海南滨海湿地处于空间开发强度高和资源环境压力突出的地带,滨海湿地面积减少,生态环境收到破坏。但目前研究海南滨海湿地分类技术文献较少,本文采用基于面向对象的支持向量机、随机森林算法和UNet网络对海南滨海湿地典型区域东寨港湿地分类,结论如下:基于面向对象的支持向量机和随机森林分类方法对浅海水域和养殖塘区,林地和红树林,存在混分现象,边界特征提取能力不够,U-Net网络边界特征提取能力提升,但仍存在混分现象。（2）根据以上分类结果,发现以上分类算法不能完全提取影像中的特征信息,对相似地类的区分度不够。本文选取了网络结构相对简单的U-Net模型,在此基础上添加了卷积层数,采用深度可分离的卷积方式,并在网络的特征提取阶段增加批量归一化操作,增加网络的特征提取能力,并提高网络的运行效率。结果表明,改进的U-Net网络提高了红树林和林地,浅海水域和养殖塘的分类精度。总体分类精度为85.83%,Kappa系数为84.41%。总体精度比支持向量机模型提高了4.13%,比随机森林模型提高了5.03%,比UNet网络模型提高了3.02%。（3）为验证该模型的可迁移性,本文选取了海南省八门湾湿地验证区域。分类结果总体精度为86.56%,Kappa系数为86.22%。结果证明改进的U-Net网络在海南滨海湿地分类中具有可迁移性。该论文有图28幅,表11个,参考文献78篇。