资源开发与环境保护的对立矛盾关系一直是人们研究的热点,随着社会经济的不断发展,资源开发的同时对生态环境建设的要求也逐渐被提上日程。大庆地区正是二者矛盾存在的典型地区,通过高分辨率影像我们发现大庆地区部分油井建立在湿地周边和湿地内部,使得对身处资源开发活动中的湿地进行有效的动态监测变得十分重要。本文以大庆地区为研究区展开了基于时间序列的湿地动态监测工作,在Google Earth Engine平台上充分利用丰富的卫星数据资源开展1990年-2019年间大庆地区湿地变化监测工作,通过对比分析阈值法和机器学习的湿地分类方法,发现阈值法以Otsu’s Method为例更适合长时间序列湿地信息提取的二值分类任务,机器学习方法中以RF为例更适合对变化出现异常点的年份进行土地利用类型的多分类任务。本文通过阈值法提取了大庆地区1990年-2019年间湿地信息,对期间湿地信息通过交集取反的逐年迭代和统计分析的方式探索研究区湿地时空变化规律,并通过LandTrendr算法进行相互验证找出变化分割点是2001年,最后运用随机森林和支持向量机算法对1990年、2001年、2019年大庆地区的土地利用情况进行分类,对比三期土地利用分类图探索影响湿地变化的因素。本文取得如下成果:(1)通过目视解译和精度评价对9个湿地信息提取常用指数指标进行对比分析,SWI和MNDWI两个指标在目视解译分析中能够对湿地进行精准提取,在阈值分析精度评价中ROC曲线的AUC值分别为0.998和0.983,该分析过程是基于Google Earth Engine平台上不同数据集和不同数据质量之间进行对比得出的结论,因而构建出适用于Google Earth Engine的湿地提取指标体系,最后基于SWI指数指标完成研究区30年间湿地信息提取工作。(2)大庆地区30年间湿地面积呈现周期性变化,1990年-2001年为第一个周期,2002年-2019年为第二个周期,每个周期中都会出现湿地面积峰值,分别为1998年和2005年,这两年的湿地面积值远远大于周期内其他年份湿地面积值。(3)对时间序列湿地信息进行逐年交集取反迭代分析,形成多年湿地信息变化一张图,通过可视化技术可有效地表达湿地变化历程、湿地变化活跃区域。分析统计得出:研究区内肇源县、萨尔伯特蒙古自治县、大同区和肇州县四个行政区被划为第1期湿地变化周期(湿地变化较为频繁的时间在1990年-2001年),林甸县、让胡路区、萨尔图区、龙凤区和红岗区被划为第2期湿地变化周期(湿地变化较为频繁的时间在2002年-2019年);研究区内湿地变化活跃度按照行政区界共分为9类,萨尔图区为第9类,是大庆地区30年来湿地变化最活跃的行政区,其次逐级降序如下:龙凤区,红岗区,肇源县,林甸区,萨尔伯特蒙古自治县,让胡路区,大同区,肇州县。(4)通过支持向量机和随机森林机器学习算法对大庆地区进行土地利用类型分类,对比1990年、2001年和2019年三个时间节点间的土地利用类型变化差异,借助研究区历史统计年鉴资料对大庆地区湿地变化因素进行分析,发现油田开采区内的湿地随油井密度的增加而减少,其次,气候因素、人口基数的不断增大以及城镇化的发展是引起湿地变化的原因。