使用水-盐输移模型提供土壤水分、盐度和地下水条件，通过空间显式元胞自动机模型模拟植被萌发、生长、扩散与竞争，从而重现水文波动下的群落重组过程。以黄河三角洲盐沼为对象，关注2013—2021年芦苇、柽柳、盐地碱蓬和入侵种互花米草的空间格局、生物量变化及竞争关系。
四种优势植物表现出不同的适应策略：芦苇分布保持稳定，但生物量由8.951 × 10⁷ kg降至8.182 × 10⁷ kg；柽柳分布范围收缩，但生物量稳定在约1.94 × 10⁷ kg，呈现生态位集中；盐地碱蓬生物量恢复至11.802 × 10⁷ kg，表现出较强恢复力；互花米草虽然分布范围缩小，生物量却由9.682 × 10⁷ kg增至10.139 × 10⁷ kg。总体上，植被群落由2013—2017年的稳定阶段转入2018—2021年的活跃重组阶段，并与淡水入流增加同步。
水—盐—植被耦合模型框架。物理—机器学习模块提供水盐环境，元胞自动机模拟植被萌发、生长、扩散与竞争。
Song J, Yi Y. Spatiotemporal dynamics of salt marsh vegetation communities in response to soil moisture and salinity fluctuations: A coupled modeling approach[J]. Earth’s Future, 2026, 14(5): e2025EF006967.