草地对生态系统的稳定和农业发展至关重要。（半）干旱地区主要通过灌溉解决草地生长水分不足的问题，但具备灌溉条件的草地有限。目前，通过遥感技术手段监测灌溉和雨养草地资源及其时空分布的研究极少，相关数据集极为缺乏，为灌溉、雨养草地并存区域水资源评估、陆面过程模拟等带来了不便。基于此，研究采用谷歌地球引擎计算云平台（Google Earth Engine，GEE），调用2020年哨兵2号卫星遥感影像（Sentinel-2），选用随机森林分类方法（Random Forest，RF），加入植被水分指数，提取柴达木盆地东北部巴音河中下游灌溉和雨养草地，并形成数据集。经验证，该数据集总体精度为99%，Kappa系数为0.84。灌溉草地面积为74.23 km²，占巴音河中上游草地总面积的4.1%。该数据集能够准确体现灌溉草地与耕地、湿地等土地利用类型交错分布的特征，可为巴音河流域水资源规划及评价、陆面过程模拟等提供基础。

雾是一种灾害性天气，严重影响交通秩序，造成生命财产的严重损失。10 min时间分辨率的Himawari-8/AHI（H8/AHI）卫星数据为近实时雾检测提供了可能，但白天影像反射率受太阳高度角影响较大，常规雾检测算法较难适合该卫星数据的雾检测。以该数据时序影像间云、雾与地表的光谱特征和运动特征差异为切入点，利用多幅时序影像合成晴空底图，采用背景差分法去除地表，相邻时刻时序影像取比值去除影像中运动较快且纹理粗糙的云，最后结合传统云雾分离算法去除影像中零散的未被分离检测的云，实现白天陆地雾近实时快速检测。检测结果表明：该算法可实现近实时白天雾检测，算法适用时段为白天9：00~15：00，算法定量验证精度较高，冬季连续6天雾检测正确率平均值为96.6%，错误率平均值为9.4%，可靠性因子平均值为87.9%。算法优点为检测阈值不受太阳高度角影响，与已有白天雾检测算法相比，本算法检测精度有较大提高。冬春季2月~5月120 d雾检测结果误检率仅3.6%，证明算法具有一定的可靠性和稳定性。

除二氧化碳（CO₂）外，甲烷（CH₄）、二氧化氮（NO₂）、一氧化二氮（N₂O）和臭氧（O₃）等非二氧化碳（Non-CO₂）温室气体同样对气候有着巨大影响。比如甲烷在辐射强迫方面是仅次于二氧化碳（CO₂）的第二大温室气体，臭氧已成为中国多地仅次于PM_2.5的首要污染物。快速定位排放源，定量监测非二氧化碳排放，准确估算全球和区域非二氧化碳源汇分布具有重要的现实意义。本文综述了基于卫星遥感的非二氧化碳气体反演的发展，从算法原理出发，介绍了甲烷、二氧化氮、一氧化二氮和臭氧的反演现状，总结了现有研究的特点和有待解决的问题，以期为后续研究提供方向。目前利用卫星观测估算非CO₂气体浓度的主流方法是最优估计算法和DOAS相关的算法，CH₄、NO₂、N₂O和O₃反演的柱浓度精度分别可达1%、10%、1%、1%。为更好提供可靠的数据产品以实现监测和实际应用，未来有待：①进一步提高非二氧化碳温室气体浓度反演的精度和效率；②研究基于多个传感器、算法和产品的数据同化问题；③优化针对不同地表类型的反演模型；④引入更精细的空间分辨率、光谱分辨率和更精确的辅助参数；⑤协调全球多卫星网络资源；⑥研究多种气体之间的相互关系。

甲烷对全球变暖的贡献率约为1/4，且能影响大气层中臭氧、水汽、羟基等成分的浓度，对甲烷垂直浓度反演具有重要意义，进行遥感探测敏感性分析及反演波长选择是甲烷反演的基础。基于风云三号E星上红外高光谱大气垂直探测仪（HIRAS）的特征，在红外大气辐射传输机理基础上，开展大气甲烷探测的正向模拟，进行探测敏感性分析与反演波长选择。首先基于高分辨透射率谱线库（HITRAN）分析CH₄的主要吸收窗口及主要干扰成分，然后基于大气廓线背景库以及HIRAS的仪器参数，通过RFM辐射传输模型，模拟1 200~1 400 cm^-1波段CH₄及其干扰要素（大气温度、地表温度、地表发射率、H₂O、N₂O、CO₂、F14、HNO₃和O₃ ）的探测敏感性。研究结果表明在1 200~1 400 cm^-1波段范围内，大气温度、地表温度、地表发射率、H₂O以及N₂O对甲烷探测的影响较大，具有强干扰性。最后采用基于Jacobian矩阵的信息熵原理，对CH₄探测波长进行初选，并结合探测敏感性分析结果，筛选出了1 200~1 400 cm^-1波长范围内88个CH4反演波长。这些波长具有信息量高的特点，对CH4探测更加敏感且更不受干扰成分的影响。

碳卫星观测数据的应用急需解决时空不连续、时空分辨率低的问题。其中XCO₂产品数据重构后的高时空分辨率的再分析数据将为区域、行业CO₂源、汇研究缺乏实时观测数据提供解决途径。基于4套XCO₂产品数据，DataCube多维数据建模可集成不同产品数据的时空信息，进而实现4套XCO₂产品数据的时空信息统一存储、关联和格网化，提出一种可实现多种XCO₂产品数据动态映射、交互、关联分析和特征融合的XCO₂重构方法，最后得到北京区域100 m全覆盖格网XCO₂重构产品。结果表明：重构结果与TCCON香河站观测值具有较高的一致性（R²=0.90，RMSE=0.89），且与CarbonTracker模拟结果和TCCON观测结果时间变化趋势一致；2020年北京地区XCO₂总体呈北部较低，中北部和南部较高，中部最高的空间分布，低值区小于410 ppm，高值区大于416 ppm；动态揭示了北京区域“生态涵养区”和“发展区”之间受地表碳源、汇影响而呈现出的高低值时空变化的规律和垂直、水平输送特征。

为了初步验证微波谱仪的温度探测性能，中国科学院国家空间科学中心成功研制了大气微波综合探测仪（Atmospheric Microwave Comprehensive Sounder，AMCS），并开展了国内首次机载试验。采用常温黑体热定标源和高温噪声定标源对5组飞行数据实时定标，并采用大气辐射传输仿真模型（ARTS）中的最优估计法进行反演分析。结果表明：同一时刻定标后的亮温数据具有较好的一致性，与模拟亮温的变化趋势基本一致。2022年9月17日3个时刻的反演数据受云和雨雪天气的影响，反演的均方根误差（RMSE）保持在1.5 K以内。2022年9月21日两个时刻反演的RMSE基本保持在1 K以内，明显优于传统的通道式微波辐射计。本次机载试验初步验证了400~520 hPa内AMCS的V波段谱仪的温度廓线探测性能，为后续星载微波谱仪的设计和应用奠定基础。

为了更加充分地了解中国地区甲烷浓度的分布情况，利用C3S提供的甲烷浓度资料分析2003~2018年中国地区甲烷浓度的时空分布特征。结果表明：①甲烷浓度呈现东南高西北低的分布情况，甲烷浓度高值区主要分布在湖南、湖北、广西等地，低值区位于青海和西藏等地。我国甲烷浓度年际变化随时间呈增长趋势，2003~2006年甲烷浓度保持相对稳定，2007~2018年甲烷浓度出现明显的上升。②甲烷浓度具有明显的季节变化特征，夏秋季高于春冬季，其中秋季浓度最高为1 781 ppbv，春季浓度最低为1 748 ppbv。甲烷浓度的高峰值出现在8、9月份，低峰值出现在3、4月份。③为了更好地分析中国地区甲烷浓度，将我国分为六大地理区域，分别是东北地区、中南地区、华东地区、华北地区、西北地区、西南地区。其中，华东地区和中南地区的甲烷浓度较高，西北地区和西南地区的甲烷浓度较低。

随着全球气候变化的加剧，大气痕量气体的监测日益受到重视。痕量气体柱浓度和廓线分布成为大气环境监测和全球气候变化研究的数据基础。风云三号E星和风云三号F星搭载的红外高光谱大气垂直探测仪II型（HIRAS-II）提供地气系统的高光谱分辨率红外辐射观测，可以用来反演高精度的大气成分廓线和柱浓度。基于风云三号E星HIRAS-II，采用模块化设计和并行计算框架，集成大气廓线背景库和地表发射率数据库，使用最优化算法和RFM正向模型，设计研发了CH₄、O₃廓线及柱浓度产品和CO₂柱浓度产品生产的业务化反演系统。对该反演系统进行测试，并对反演得到的12景产品精度进行验证，结果表明：此反演系统运行稳定，产品具有较高的精度，能够为中国进行大气环境监测和全球气候变化研究提供算法和技术支持。

相对辐射归一化是高分光学卫星影像地表反射率产品生产的主要手段之一，基于迭代加权多元变化检测（Iteratively Reweighted Multivariate Alteration Detection，简称IR-MAD）的高分光学卫星影像相对辐射归一化方法是当前应用最为广泛的方法之一。但是，经典IR-MAD方法仅适用于参考影像与待校正影像之间地物变化不大的情况，当地物变化较大时该方法失效。通过引入伪不变区域约束机制，提出了一种优化的IR-MAD算法，主要思路是借助二元高斯混合聚类方法提取影像之间不变区域，进而提升伪不变点提取的质量，使地物变化较大时仍然可以输出有效的辐射归一化结果。以高分二号影像为待校正影像，哨兵二号影像为参考影像，采用3组代表性影像进行实验验证，并与经典IR-MAD方法相比，结果表明：①该方法提取的伪不变点主要集中在不变区域，空间分布更加合理；②该方法在代表一般变化的数据集1中，平均决定系数提高8.8%，在代表强烈变化的数据集2、3中，该方法平均决定系数分别为95%、89%，而经典方法低于50%甚至是负值；③该方法处理结果影像中典型地物的反射光谱信息与参考影像更加接近。因此，该方法为高分光学卫星影像相对辐射归一化提供了新的有效途径。

全球植被的动态监测对于区域和全球的生态环境保护具有极其重要的意义。长期以来，光学植被指数都被作为植被监测的重要工具。微波具有良好的穿透能力，能够探测到植被的木质结构及含水量信息，可以作为重要的补充数据。针对12种植被类型，以光学植被指数NDVI、EVI作为基准，分析了基于被动微波遥感的植被指数MPDI、MVI_B和EDVI在近3 a间的月均值变化并计算了其它植被指数同NDVI的相关系数。研究结果表明：EDVI对植被的动态变化具有较强的监测能力，同NDVI相比EDVI对植被的生长和含水量的变化具有更高的灵敏度以及更大的数值分布范围，能够显示更多的细节。MPDI仅适用于生长周期明显的中、低等生物量的植被类型的监测。MVI_B对大多数植被的季节性变化不敏感，监测能力较差。

本研究提出一种基于机器学习算法的区域尺度上改变空间分辨率来提升高光谱树种分类精度的方法，为陆生调查的树种分类研究提供一个新的思路。通过利用无人机获取成都市植物园全域的高光谱影像，采集了园内140种树种共1 249个样本。通过构建的32种植被指数及176个原始波段进行变量筛选，运用随机森林和支持向量机两种算法建立分类模型。结合研究区典型树种的林分类型和冠层大小，在9种不同空间分辨率下，分别选取了10、15、20种树种，探索树种分类精度。结果显示，当空间分辨率从0.12 m逐步降低至4 m时，10、15、20种树种的模型分类精度均在3 m分辨率时达到最高，且支持向量机分类结果整体精度较高。表明基于支持向量机算法、开展特征变量提取与选择、确定最佳观测尺度的方法可以较好地捕获不同树种的冠层信息，提升树种分类精度。

3D Octave卷积模型在高空间-高光谱影像分类中的应用，可以提高多树种分类任务的精度，对提高森林管理的精细化水平具有重要意义。设计了一种结合三维Octave卷积与注意力机制的3DOC-SSAM模型，通过3D Octave卷积和空间—光谱注意力机制，提高了模型的运行效率和分类性能。研究结果表明：①3DOC-SSAM模型总体精度达到99.53%，相对于SVM、ELM、2D-CNN、3D-CNN分别提高了13.86%、18.49%、12.90%和5.36%。且平均精度AA达到99.38%，Kappa系数达0.994 7。②小样本训练的情况下，总体精度和平均精度仍然能够达到96.9%和95.52%，高于对比的模型。研究结果为多树种分类任务提供了一个高效且高精度的解决方案，在林业遥感中的应用前景广阔，有助于提升森林资源管理的科学性和可持续性。

MODIS数据高时间分辨率、中等空间分辨率的观测特点可以在火灾检测中发挥重要作用，但目前MODIS火灾检测在高异质性地区，火点误检多，小火灾点容易遗漏。针对该问题，为充分挖掘MODIS数据中的相关信息，实现火点的高精度识别。提出使用深度学习技术的MODIS火点检测算法。高质量、有广泛代表性的大量样本的获取是深度学习实现火点精度检测的前提。为增加火点样本的数量，保证野火样本的质量，使用美国地面野火数据集作为真实的火点样本将其与MODIS数据实现时间和空间的精确匹配，构建基于深度学习方法的火点检测样本库。根据对辐射传输过程的分析，确定了对火点检测具有较好标识性的波段和波段组合作为输入源。基于构建的样本数据集和信息源，搭建DNN（深度神经网络）火点检测模型。在3个典型场景开展了应用实验并与MODIS火灾产品进行了对比，结果表明：改进的方法在农耕地区的冷火点提取方面，4 um平均亮温减少了2 K，正确与错误变化比呈现正向趋势，其精度优于MODIS火灾产品的结果；城郊地区提取的伪火点相比于MODIS产品显著减少，排除了4 um亮温为325 K附近的伪火点，误检率下降了19.89%。

天基黑土地有机质含量高精度监测对黑土资源利用与保护具有重要意义，基于天基高光谱数据的土壤有机质含量预测是实现大区域土壤高时空覆盖监测的有效手段。星载高光谱仪器的光谱分辨率和信噪比等核心参数直接影响土壤有机质含量预测的精度。为进一步提高我国黑土区土壤有机质监测水平，为黑土地农业资源环境监测卫星系统设计提供理论支撑。基于卫星光学载荷光谱分辨率、信噪比对土壤有机质含量反演影响研究，构建了基于MODTRAN大气传输模型、仪器信噪比分析模型以及偏最小二乘回归土壤有机质反演模型的面向黑土监测的高光谱卫星“仪器—观测—反演”全链路分析模型，并以东北典型黑土区三江平原土壤实测数据为模型输入，将实验室测得的黑土区土壤光谱数据仿真成加入大气效应以及真实天基遥感仪器特性的模拟数据，针对改变光谱分辨率及信噪比参数的反演结果进行对比分析，结果表明：①针对黑土有机质含量预测的天基遥感载荷光谱分辨率参数在小于40 nm区间反演性能较好，RMSE<0.60%，R²>0.75；②当光谱分辨率为15 nm、加权信噪比大于等于477.31时，黑土地有机质反演性能最优，RMSE<0.535%；③光谱分辨率越小，噪声的影响越显著，且光谱间隔越小，信噪比需求越高。10 nm、20 nm分辨率时对应的最佳加权信噪比为494.07、462.16，60 nm、100 nm处的最低加权信噪比需求分别为358.84、275.63。

利用无人机采集影像进行田块尺度的作物氮素含量估算，因其具有无破坏性、时效性强等优势而备受关注。东北黑土区作为我国重要的粮食主产区，精准获取作物的氮素含量对国家粮食安全具有重要意义。研究基于玉米拔节期、吐丝期和成熟期的无人机高光谱影像，提取22种窄波段光谱指数，通过逐步回归方法对黑土区玉米叶片的氮素含量（Leaf Nitrogen Content， LNC）进行定量估算。结果表明：本研究中3个生育期的玉米LNC估算模型均具有较高的估算精度，其中拔节期的估算精度最高，其决定系数（R²）、均方根误差（RMSE）、归一化均方根误差（nRMSE）分别为0.76、0.31%、0.15%；吐丝期的估算精度最低，相应的3个指标分别为0.33、0.27%、0.19%。通过逐步回归模型筛选出在各生育期指示作用较强的光谱指数，拔节期为VARI（Vegetation Atmospherically Resistant Index）、DDI（Desertification Difference Index）、EVI（Enhanced Vegetation Index）；吐丝期为MTCI（MERIS Terrestrial Chlorophyll Index）、SIPI（Simple Insensitive Pigment Index）；成熟期为EVI（Enhanced Vegetation Index）、CCI（Canopy Chlorophyll Index）、NDVI（Normalized Difference Vegetation Index）。最终，利用在玉米各生育期估算精度最高的模型获得玉米叶片氮素含量的空间分布图，其空间分布特征与玉米LNC实测情况相一致，而氮肥施用量对不同田间处理的小区间玉米LNC的影响较大。综上，本研究结果可为东北黑土区玉米叶片氮素含量的无损、快速、动态监测提供数据基础与决策支持。

地表温度（Land Surface Temperature， LST）是全球气候变化研究的关键参数。热红外遥感LST产品是获取LST的理想数据源，但目前LST产品存在受云影响导致的大面积缺失，以及有限的时序无法满足历史时期气候变化研究的需求等问题，限制了LST产品的深入应用。采用ERA5的累积太阳辐射SOA表征云下LST的变化，结合三种用于LST重建的因子（辐射因子、地形因子和光谱因子），构建了无缝LST的随机森林重建模型，探讨了该模型在云空和时序迁移情形下的重建效果。研究结果表明：①将用于LST重建的因子进行重要性排序，地形和辐射因子表现出极高的重要性。构建的LST重建模型有较高的拟合度，R²为0.97，RMSE为1.27 K。②重建的云空无缝LST修复了原始LST分布的破碎性。经地面站点LST验证，R²在0.90以上。RMSE在2.67 K~3.15 K。将SOA与地面站点LST的变化趋势进行比较，发现两者表现出良好的连贯性，表明SOA能够充分反映云下LST的变化情况。③重建了经时序迁移的无缝LST，对于月时序迁移的LST，R²在0.77~0.96，RMSE在1.35 K~4.02 K。对于年时序迁移的LST，R²在0.86以上，RMSE在2.73 K~3.25 K。结合预测变量的统计图，发现辐射因子受时间迁移的影响较小，光谱因子NDVI随时间迁移发生变化，当用于LST重建的NDVI与用于LST重建模型训练的NDVI的范围相差较大时，重建的LST的精度将降低。本研究能为长时序、无缝的LST重建提供一定的理论支撑。

海面漂浮绿潮受风场和流场等的影响，具有较强的漂移特征，开展不同光学数据间的对比分析具有一定的挑战。本研究遍历中国黄海2015~2021年Sentinel-2 MSI和MODIS影像数据对，筛选出2组准同步数据对，其观测时间间隔小于10 min，绿潮漂移偏差不超过1个MODIS像元。以10 m空间分辨率MSI数据的绿潮监测结果为真值，模拟25×25像元范围内（对应1个MODIS像元）的“含藻像元占比”（Alga-containing Pixel Ratio， APR）作为绿潮聚集参数，从而对准同步250 m空间分辨率MODIS数据的绿潮探测效能进行了评估。结果表明：当对应APR>13%时，大部分绿潮能被MODIS探测到；而当对应APR<13%时，大部分绿潮难以被MODIS探测到，这些不能被MODIS监测到的绿潮斑块分布分散，不易聚集，特别是分布于江苏近海海域。低空间分辨率MODIS数据对绿潮估算的不确定性，主要产生于对绿潮小斑块的监测能力差异；此外，基于高空间分辨率影像开展低聚集度绿潮的精细化监测，为准确了解绿潮生消和辐聚过程提供了参考。

地表岩性准确识别与分类是矿产普查的基础。新疆地区矿产丰富，勘探潜力大。由于幅员辽阔，人口稀少，地面岩性调查存在困难，利用遥感影像提取岩性信息便成为了一种重要的方法。而且该地区地表植被覆盖少，利用遥感影像进行地表岩性识别容易取得好的效果。同时，越来越多的开源遥感数据也为遥感岩性信息提取提供了丰富的数据源，而如何综合运用这些开源遥感数据进行岩性识别，还有很多问题有待于进一步研究。以新疆准噶尔盆地西部为研究区，获取了不同时相的Landsat-8 OLI、Sentinel-2 MSI、ASTER数据。首先选取不同影像波段比值、主成分等变量进行彩色合成，突显出特定的岩性。在此基础上，结合地质图，从已知的达拉布特蛇绿岩带获取训练样本，采用SVM、最大似然法以及随机森林方法对Landsat-8 OLI、Sentinel-2 MSI影像进行分类。两种方法结果均表明在准噶尔盆地西部达拉布特蛇绿岩带的北部存在一岩性异常带，其遥感影像特征与达拉布特蛇绿岩带遥感影像特征相似。异常带沿北东—南西方向延伸，长度超过20 km，最宽处约1 km。但是，有关该异常带的岩性特征，目前存在不同的认识，最终结果还需要通过野外工作进一步验证。

城市暴雨内涝风险评估是城市减灾防灾研究的热点和难点之一。高分遥感城市内涝数值仿真评价模型有助于内涝灾前风险识别、灾中情景仿真和灾后损失评估，对指导城市规划和内涝应急管理具有重要的应用价值。采用GF-7卫星立体摄影测量技术、面向对象分类及水文水动力耦合方法构建城市内涝数值仿真模型，结合水深、流速、影响面积、暴雨频率等因素构建风险评价模型。通过对深圳大沙河中下游进行实验，并与历史实测数据进行对比验证，模型精度优于82%，与海绵建设前2017年相较，2021年内涝风险区减少3.36%。研究表明：高精度DEM是提高城市暴雨内涝分析精度的关键因素，以1 h模拟结果为例，2.5 m分辨率DEM的积水深度精度分别比5 m、10 m和20 m高出5.31%、23.88%和58.09%。研究成果已应用于深圳市海绵城市评价并取得较好效果，为城市内涝灾害风险管理提供了科学手段和依据。

植被覆盖度（FVC）是描述地表植被变化的重要参数，其在地表过程模拟、气候建模和全球变化研究中起着重要作用，研究植被覆盖度的变化具有重要的意义。通过对2005~2020年MOD13Q1 NDVI数据重建，采用像元二分模型及最大值合成方法，对天水市植被覆盖时空变化特点进行研究分析。结果表明：2005~2020年间天水市的植被覆盖度呈增加趋势，增加的区域主要包括天水市藉河两侧以及天水市中部、东部和东北部；全市低植被覆盖度向中低植被覆盖度、中植被覆盖度转移，藉河流域两侧的植被覆盖度明显增加，其中藉河北部的植被覆盖度变化最显著；秦州区西部、甘谷县中西部、武山县西部等植被覆盖度较低区域的植被覆盖呈增长趋势，生态环境状况明显转好；高植被覆盖区域变化较小，基本保持稳定。研究结果合理解释了天水市植被覆盖的空间变化，可为生态系统保护与环境治理提供重要的理论依据。

极端降水的准确、实时监测对于提高洪涝灾害的预报具有重要意义，然而当前基于静止卫星降水产品普遍存在降水识别精度较低的问题，严重影响了其在洪涝灾害预警中的应用。基于Himawari-8静止气象卫星观测的红外波段亮温数据、ERA5再分析大气廓线数据以及地面雨量计观测数据，通过实时、动态地建立基于随机森林的降水识别模型，开发了一套适用于静止气象卫星的实时降水识别方法。该方法一方面通过引入实时的地面雨量计小时降水数据，用于实时训练降水识别模型，解决了静态训练的机器学习模型降水识别精度随时间衰减的问题；另一方面通过加入与降水的形成和发展密切相关的大气廓线数据，有效提高了基于静止气象卫星红外数据识别降水的精度。采用中国大陆地区2 157个地面雨量计站点的小时降水观测数据进行验证，本研究所提出的降水识别算法在小时尺度上的击中率（POD）为0.73，虚警率（FAR）为0.49，成功系数（CSI）为0.43，各指标表现情况均优于实时降水产品GSMaP_NOW和FY4A官方降水估计实时产品QPE。

高分辨率的人口空间化数据已成为重要决策中不可或缺的基础数据。文章旨在探索基于集成学习融合社会感知大数据和多源遥感数据进行人口空间化模拟的方法体系，选取浙江省为研究区，以腾讯位置大数据、兴趣点和遥感数据为数据源，使用神经网络、XGBoost和随机森林三种机器学习算法以及Stacking集成学习方法分别构建人口空间化模型并对比分析其模拟精度，获得2020年浙江省100 m分辨率的人口栅格数据。结果表明：①单个机器学习算法中，随机森林的模拟精度最高，Stacking集成学习策略具有良好泛化性能，有效缓解了单一模型的高值溢出现象，减少了模拟误差；②集成学习人口网格中浙江省人口高值集中于城市中心区域，峰值约为500人/网格，人口密度随城市中心距离增大逐级递减；③与WorldPop人口数据集相较，集成学习人口数据集在城市中心人口模拟、数据完整性等方面有显著优势。

青海湖是维系青藏高原东北部生态完整性的重要水体，也是控制西部荒漠化向东蔓延的天然屏障，研究青海湖的水体变化对区域生态安全与经济发展有重要意义。以探讨青海湖1990~2020年水体变化趋势与原因为目的，在Google Earth Engine（GEE）平台的支持下，利用Landsat数据实现30 a青海湖冬春和夏秋两季水体面积的动态变化监测，并结合气象与径流量数据分析其变化的原因。结果表明：①1990~2020年，青海湖的水体面积以2004年为拐点，整体上呈现出先减少后增加的趋势，以近几年的增加最为明显。在1990~2004年，青海湖面积在冬春季减少了140.36 km²，约为1990年的3.19%，夏秋季减少了157.55 km²，约为1990年的3.56%。在2004~2020年期间，青海湖面积在冬春季增加了336.59 km²，约为2004年的7.89%，夏秋季增加了349.38 km²，约为2004年的8.18%。②年内变化方面，在1990~2000年，冬春季到夏秋季面积变化量较大，年平均变化量为26.09 km²，在2000年后年内变化量则逐渐减小，其中2004~2020年，平均年内变化量为5.87 km²，说明青海湖季节性的总补给量与流失量差异在减弱。③在1990~2004年期间，青海湖地区降水和径流的不稳定与高稳定的蒸发量是影响青海湖面积的重要原因，高蒸发与低降水、低径流三重因素导致青海湖面积减小。在2004~2020年，降水量与径流量的同步增加，同时在蒸散发微弱的降低趋势助攻下，使得青海湖面积显著增加。④青海湖岸线形态在不断变化，其中东岸的沙岛，西岸的鸟岛、铁布卡湾与北岸沙柳河入口区域变化最为明显，可能是流域流失土壤的沉积和湖水动力机制的变化引起的，但具体原因有待进一步探讨。本研究对湖泊水文以及湖泊在不同尺度气候变化下的响应研究具有一定的参考价值。