合理的红树种间组成结构是有效发挥红树林湿地生态价值的前提,明确的红树林种间分布信息是开展红树林生态系统治理和规划工作的有效依据.针对海南八门湾红树林湿地,基于高分三号(GF-3)全极化合成孔径雷达(synthetic aperture radar,SAR)和高分六号(GF-6)多光谱遥感数据,本文提取了 35个红树林遥感特征,利用极端梯度提升树(eXtreme gradient boosting,XGBoost)算法开展了特征重要性排序、特征筛选和红树林种间分类实验,将其与传统的支持向量机(support vector machine,SVM)、随机森林(random forest,RF)机器学习算法进行精度比较,并基于 XGBoost 算法进行了 3 种特征组合方式(优选特征、多光谱特征、全极化 SAR特征)的分类精度比较,旨在探索 XGBoost对红树林种间分类的适用性和光学与全极化 SAR数据对红树林种间分类的能力.结果表明:1)识别红树林种类的优势特征依次为多光谱的光谱波段、极化分解参数、光谱植被指数,且仅利用前 8 个优选特征(绿光波段反射率 G、蓝光波段反射率 B、Yamaguchi面散射分量 Ys、近红外波段反射率 NIR、增强型植被指数 EVI、比值植被指数 RVI、归一化植被指数 NDVI、Freeman面散射分量 Fs)即可达到较高分类精度.2)对于八门湾红树林湿地,XGBoost算法的红树种间分类总体精度最高,为 86.16％,卡帕系数为 0.836,比SVM和RF算法高 3％～8％;优选特征的红树林种间分类精度比单独的多光谱特征或全极化SAR特征高 10％～12％.3)八门湾红树林总面积约为 797.58hm2,共有白骨壤、海莲、红海榄、杯萼海桑、角果木、榄李、木榄、正红树、海漆 9 种优势真红树,杯萼海桑和木榄的面积较大,分别占全部红树林面积的 45.46％、21.21％.