对国内外典型的星载、机载极化合成孔径雷达（SAR）系统及其辐射、极化定标实现情况和精度指标进行调研简述。首先给出了极化SAR数据校正精度的一般需求，然后较为系统的给出了国内外代表性的极化SAR系统现状及其取得的系统校正及数据定标精度成果，包括极化SAR系统相对辐射定标精度、绝对辐射定标精度、极化通道串扰精度、极化通道幅度不平衡精度、极化通道相位不平衡精度等方面，最后对极化SAR 数据定标精度的影响因素进行分析。全面地阐述极化SAR 系统定标精度信息索引及其发展现状，为相关研究人员提供及时、系统的极化SAR系统研制及其定标性能研究进展信息。
水稻叶片氮含量的估测对实现田间施肥高效、水稻高产的目标具有重要意义。提出了一种基于粒子群深度森林的水稻叶片氮素估测方法（Particle Swarm Optimization-Deep Forest， PSO-DF），通过粒子群优化算法筛选深度森林模型（Deep Forest，DF）参数中最优的级联层估计器数量和估计器中的树数，从而提高深度森林模型在水稻氮素数据集上的回归精度。为验证PSO-DF的有效性，研究采用无人机搭载高光谱图像采集器获取宁夏粳稻高光谱图像，并对同期水稻叶片进行取样、测量、分析，并提取与水稻叶片氮含量相关系数最高的3个特征波段，将其作为光谱特征与水稻氮含量数据进行反演，对PSO-DF、原模型DF以及其他6种常见机器学习算法构建的水稻氮含量估测模型进行了对比。结果表明：PSO-DF算法构建的模型效果优于其他模型，其R2和RMSE指标均明显优于其他模型。
叶面积指数（Leaf Area Index， LAI）是反映作物生长状态的重要指标，常用植被指数来反演。传统的反演模型大都是基于多变量的多元回归模型，而基于双变量的多元回归模型在LAI反演中的潜力还未被充分发掘。通过提取卫星影像的光谱特征和纹理特征，基于皮尔逊相关系数分析各个遥感特征与冬小麦LAI之间的相关性，利用简单回归模型（Simple Regression， SR）、多元线性回归模型（Multiple Linear Regression， MLR）和随机森林回归模型（Random Forest Regression， RFR）开展遥感特征与冬小麦LAI之间的关系模型构建反演研究，并结合精度指标（决定系数R2，均方根误差RMSE，相对均方根误差rRMSE）判定各反演模型的反演精度，以提出最优的反演模型。研究表明：①所有植被指数和部分纹理指数在反演LAI中取得了较好的反演效果（R2>0.6）。其中，通用归一化植被指数（Universal Normalized Vegetation Index， UNVI）在各植被指数中表现最好（R2=0.754，RMSE=0.606，rRMSE=12.99%）。除了部分波段的均值特征反演精度与植被指数相当外，大多数纹理特征反演冬小麦LAI的精度欠佳；②通过两两变量组合，得到了冬小麦LAI反演精度最高的双变量多元线性回归模型（R2=0.780，RMSE=0.573，rRMSE=12.29%）；③在有多个输入变量（至少3种特征变量）的情况下，RFR的反演效果优于MLR。相较于纹理特征，纹理指数的反演性能更佳。研究结果可为后续基于卫星影像的大规模农作物LAI的监测工作提供一种新的思路与方法。
稻渔种养在保障粮食安全、减少环境污染、提高土壤肥力、降低CH4排放方面具有显著的社会、经济和生态效益。准确获取稻鱼田、稻虾田等信息，对服务现代农业数字化管理及提升资源利用效率具有重要意义。以成都平原的典型稻虾田为研究对象，使用2019~2021年Sentinel-1后向散射系数构建时序数据集；分析稻虾田与常规稻田、莲藕田、传统水产养殖等地物后向散射系数的时序特征；通过随机森林分类器提取稻虾田、常规稻田、藕田等信息，结果显示：①稻虾田年内后向散射系数具有典型的时序变化特征，其系数变化范围、曲线波峰明显区别于常规稻田、藕田。②随机森林分类的总体精度、Kappa系数分别为：94.32%和0.91，表明Sentinel-1时序数据可准确识别稻虾种养，能将稻田和藕田等地物进行区分，是多云雾地区稻渔遥感监测的理想数据源。该研究结果可为多云雾地区稻渔种养的遥感识别提供参考。
遥感技术已成为快速有效获取农业大棚覆盖信息的重要途径，但遥感影像空间分辨率大小对提取精度的影响具有双重性，选择适宜分辨率影像具有重要意义。以南方农业塑料大棚为研究对象，利用GF-1、GF-2和Sentinel-2形成1~16 m间6个不同空间分辨率影像数据集，基于面向对象影像分析方法（Object-Based Image Analysis，OBIA），分别利用面向对象卷积神经网络（Convolutional Neural Network，CNN）方法和随机森林（Random forest，RF）方法开展大棚提取，分析提取精度和不同方法下的差异性。结果表明：①CNN和RF方法下，农业大棚的提取精度随着影像分辨率降低总体呈下降趋势，在1~16 m的影像上均能检测到农业大棚；②相对于RF方法，CNN方法对影像空间分辨率要求更高，在1~2 m分辨率下，CNN方法有更少的漏提和误提，但在4m及更低分辨率下，RF方法的适用性更高；③2 m分辨率影像是大棚信息提取的最佳空间分辨率，可经济有效地实现大棚监测。
苹果种植业为陕西省提升农业、富裕农民的支柱型产业。黄土高原苹果产区每年都有花期防冻害和产量评估的需求，花期监测尤为重要，而常规的花期监测方法存在监测成本大和精度低的问题。采用一种基于遥感作物参考曲线重建的方法，介绍比较了该方法与其他方法应用于常见作物的精度，并使用地理国情普查地表覆盖分类数据识别的MODIS纯像元中提取一组NDVI 时间序列，将其用于拟合类似Sentinel-2的观测值，将这种方法应用于黄土高原地区苹果作物上，根据苹果样点的归一化植被指数（NDVI）序列（作物参考曲线）与重建后的苹果NDVI序列在空间上的物候差异，绘制历史10 m高分辨率的始花期监测结果，实现了花期监测由点到面的转化。研究结果表明：2019~2021三年验证区域苹果始花期的探测结果平均值与地面数据绝对误差均在1~3 d之内，平均绝对误差为0.926 d，均方根误差为1.503 d。该方法可用于苹果花期高精度监测，预测结果可为实际生产中苹果花期防冻害和产量评估工作的开展提供参考，同时这种方法也可以用于研究其他作物的物候特征，如小麦、玉米等，有望为农业生产提供更准确的决策支持。
2022年江西省发生极端干旱灾害，对柑橘生长及产量造成了十分严重的影响。利用遥感技术快速、准确地评估干旱受灾程度对柑橘种植减损及后续稳产具有重要意义。采用2022年Landsat遥感影像数据、江西省土地利用类型数据和Google Earth柑橘监督分类样本点数据识别并提取了江西省柑橘种植区；在此基础上，利用2021年及2022年MODIS数据产品分别计算江西省柑橘关键生育期（6~10月）的归一化差值植被指数（NDVI）和地表温度（LST），用以联合反演温度-植被干旱指数（TVDI）；再结合江西省统计年鉴中的柑橘种植面积数据及实地调研数据，定量评估了4种情形下2022年江西省极端干旱对柑橘种植造成的经济损失。研究结果表明：①2021年和2022年6月~10月江西省柑橘种植区TVDI平均值分别为0.83和0.62，2022年干旱胁迫明显加重；②2022年6月~10月江西省柑橘种植区重度干旱占66.1%，中度干旱占33.7%，且干旱空间分布具有赣北大于赣南的空间格局；③2022年7月初~11月初，江西省柑橘种植区TVDI长时间维持在0.8以上，表现为重度干旱，此时段与柑橘关键生育期重合，对柑橘果实生长影响巨大；④2022年江西省柑橘产量平均减产率达到58.2%，柑橘种植的经济损失呈现由北向南增加的趋势，赣南、赣中以及赣北的直接经济损失依次为49.64亿元、45.17亿元、19.84亿元。研究结果有助于政府部门快速摸清江西省果农受灾情况，并为后续柑橘种植的抗旱救灾、减损保产提供一定的决策依据。
利用遥感技术的物候提取方法在理解农田物候对气候变化的敏感性问题中具有较大潜力。基于MODIS的归一化植被指数（Normalized Difference Vegetation Index， NDVI）遥感产品，提取东北农田地区2005~2020年植被物候参数并用地面实测数据加以验证，然后获取农田物候与气温、降水量和日照时数间的相关关系。结果表明东北地区2005~2020年农田物候空间分布格局较为一致，只在部分区域因作物品种布局原因存在差异；农田物候的时间变化显著，多数地区生长季开始日期以1 d/a的速率在提前，生长季长度以1 d/a的速率在延长。农田物候受气温与降水量的影响较为明显，受日照时数影响不大，同时也在一定程度上受到种植结构变化的影响。而且，农田物候在很大程度上受人为因素干扰，因此有些区域气候因素对其影响表现出相反趋势。
及时掌握农作物分布信息，对农业结构调整和国家粮食安全保障具有重要的战略意义。然而，多云雾区域受气候条件制约，难以获取全时序的光学影像，无法构建涵盖农作物完整生长季的物候特征数据集，农作物信息提取受到限制。因此，本研究以西南多云雾区域重要的产粮地之一——四川省广汉市为例，基于SAR影像（Sentinel-1）和光学影像（Sentinel-2）数据协作，构建了研究区冬季农作物典型时相光谱特征和夏季农作物SAR时序特征，采用面向对象决策树分类方法，提取了研究区农作物时空分布信息并进行精度分析。结果表明：①广汉市农作物以粮油作物为主，主要包括小麦—水稻、油菜—水稻、土豆—大豆、土豆—玉米4种一年两熟的轮作种植模式。②水稻、大豆、玉米3种夏季农作物SAR时序特征差异明显，光学—雷达遥感数据协作提取冬季—夏季农作物类型及空间分布为多云雾区域农作物信息提取提供了新的思路。③面向对象的决策树分类方法分类总体精度和Kappa系数分别为85.49%和0.81，分类结果保持了大面积作物的完整性，避免了分类结果的“椒盐现象”。
滩涂作为潮间带生态系统的重要组成部分，具有维持海岸线稳定，加速物质交换和促进碳循环等独特的环境调节服务功能和生态效益。对潮间带湿地现状进行准确、及时的评估对实现可持续管理目标至关重要。研究借助Google Earth Engine （GEE）云计算平台，选用2020年Sentinel-2密集时间序列遥感影像，集成最大光谱指数合成算法（Maximum Spectral Index Composite，MSIC）和大津算法（Otsu）构建多层决策树分类模型，实现澳大利亚潮间带滩涂的快速自动化提取。经过矢量化处理得到2020年澳大利亚高分辨率潮间带滩涂空间分布图，提取的滩涂面积为10 708.22 km2，总体精度为95.32%，Kappa系数为0.94。该数据集存储格式为.shp，时间分辨率为年，空间分辨率为10 m，数据量为154 M。该数据能促进并管理沿海生态系统，如红树林造林和控制互花米草等外来物种入侵，同时还可以作为科学研究的基础数据，如生物多样性、碳储量估算和海平面上升造成的海水侵蚀。
数据驱动建模是从数据中探究状态变量的时空演化关系。数据驱动型数据同化方法是探索使用数据驱动模型替代传统（基于物理的）模型，实现优化融合观测信息与模型模拟的同化方法。研究将数据驱动的支持向量机回归预测模型应用于集合卡尔曼滤波过程中，使用模拟预测方法对动力学系统进行非参数采样得到系统轨迹的代表性样本集，从样本集中重构动力学系统。提出一种支持向量机回归机器学习模拟预测策略的数据驱动数据同化方法，并将其应用于经典模式驱动同化系统。采用Lorenz-63和Lorenz-96非线性模型进行数值实验。通过改变样本集大小、噪声方差和观测步长等敏感性参数比较数据同化性能。结果表明：对于较大的样本集，该组合方法优于一般的顺序数据同化方法，从而证明新方法的有效性。
针对高光谱图像信噪比较低导致图像分类精度较差的问题，提出一种融合多尺度低秩表示与双向递归滤波的高光谱图像分类方法。首先，对高光谱图像进行不同尺度的超像素分割，获得空间邻域信息并得到分割图像；其次，在各尺度分割区域内执行低秩表示和主成分分析（Principal Component Analysis，PCA）降维，低秩表示可对分割区域内光谱间高相关性进行低秩约束，移除混合噪声；再次，利用双向递归滤波进一步消除图像中噪声和地物细节纹理；最后，根据支持向量机对各尺度特征图像的分类结果采用多数投票方法得到最终分类。实验在Indian Pines、PaviaU和Salinas公开数据集上进行，各地物类别随机选取10个训练样本，结果表明：与仅利用光谱信息的分类方法（支持向量机、PCA）对比，该方法分别在3个数据集上总体精度平均提高了32.03%、28.04%和16.80%；与空间—光谱残差网络和顶点成分分析网络的分类方法对比，平均提高10.99%、8.45%和7.08%；与其他空—谱联合分类方法对比，平均提高8.28%、18.77%和10.19%，证明了本文方法能在训练样本较少的情况下取得更优的总体分类精度。
作为城区主要目标之一，建筑物的检测和提取至关重要，而利用图像分割将建筑物从背景中分离出来是后续处理的基础。传统马尔科夫随机场（Markov Random Field， MRF）模型对合成孔径雷达（Synthetic Aperture Radar， SAR）图像进行建筑物分割时只利用了灰度信息，因此对灰度不均匀目标分割完整性较差，且利用最小能量准则分割时未考虑两部分随机场能量的相互关系，从而导致分割结果不能同时兼顾区域一致性与边缘细节性。为此，研究提出一种改进MRF的SAR图像建筑物分割方法。首先，通过在观测场引入由巴氏距离加权的纹理特征，实现对灰度不均匀建筑物的完整提取；其次，在两部分随机场能量中引入随迭代次数变化的权重，实现在建筑物密集区域保持边缘平滑的同时更好地抑制噪声。为了验证算法的有效性和实用性，对不同场景的SAR图像进行处理，结果表明：所提算法在不同场景中均能得到更好的分类正确率和Dice系数。
无人机技术的迅速发展为地理学研究提供了新的方法和思路，为了解无人机在地理学研究中的应用态势，以Web of Science核心合集中涉及无人机在地理学领域应用的相关文献作为数据源，采用文献计量方法对2002~2021年的3 911篇论文进行分析。结果表明，自2012年以来无人机地理学应用文献呈现显著增长趋势，增长率年平均值达54.7%；中国、美国在该领域均占据主导地位；关键词聚类结果表明应用主要集中在测量与地图学、地理信息系统、生态地理学、自然灾害和地貌学研究领域，其中测量与地图学应用最多，发文量占总量的27%，地理信息系统、生态地理学发文量增速最快，分别为73%和69%；热点关键词中，“CNN” “Deep learning”等人工智能领域的关键词在近几年出现频率较高，表明“UAV+Deep learning”已成为当前研究热点之一。未来无人机遥感领域将出现更多的技术和理论创新，进一步推动其在地理学中的应用。
煤炭资源在国民经济中占有非常重要的地位，而煤炭的开采则会引发诸多环境问题，制约矿区绿色可持续发展。对矿区的景观格局及生态环境时空动态监测，能为矿区生态环境治理提供决策支持， 缓解人与自然之间的矛盾，引导矿区生态环境协调发展。以山东省济宁市汶上县义能矿区为研究区，基于2000~2021年Landsat影像，采用景观分类方法、景观格局指数法、遥感生态指数（Remote Sensing Ecological Index，RSEI）法和重心迁移模型，分析义能矿区景观格局及生态环境时空动态变化。结果表明：2000~2021年义能矿区最大斑块指数下降，景观破碎度和形状指数上升，煤矿开采对矿区原有景观格局影响较大；生态环境质量呈现下降—上升—下降变化趋势；绿度和干度指标对生态环境影响较大；义能矿区差等级和优秀等级迁移幅度较大。
大气PM2.5是影响空气质量的首要污染物之一，如何有效监测和治理大气PM2.5浓度对我国生态环境质量的可持续发展具有重要意义。基于卫星光谱波段表观反射率、气象、土地利用等辅助参数，以我国华东地区长江三角洲—福建连续区域（长三角—闽）为研究区，构建了随机森林（RF）模型来估算2016、2018和2020年长三角—闽区域的近地面PM2.5浓度，并基于3期土地分类数据，分析长三角—闽区域PM2.5浓度空间分布和景观格局的相关性。结果表明：①2016、2018和2020年长三角—闽区域由RF模型估算的PM2.5浓度与地面实测值之间的R2分别为0.91、0.89和0.90；RMSE分别为9.07、10.19和8.03 μg/m3。②2016~2020年间各年份长三角—闽区域的PM2.5年均浓度呈现逐年降低的趋势，且空间分布总体呈“江苏>上海>浙江>福建”的格局。③合理管控耕地、建筑用地和水体的景观所占比例，降低其景观优势度和边缘密度有利于缓解 PM2.5年均浓度；适当提高林地景观的占比、边缘密度和形状复杂度，均有利于降低PM2.5浓度，且当其形成较大斑块，越有助于改善空气质量。研究结果可为区域大气污染防治和景观格局规划管理提供科学依据和决策参考。
河流是地球水循环的一个重要环节，准确获取山区河流信息对于区域内的水资源评价和生态修复方面都有重要作用。基于2019~2021年Sentinel-2影像，利用多光谱指数法自动区分河流、湖泊及冰川，结合随机森林方法，并以MERIT DEM为地形条件，自动提取青藏高原西北部多时态、高分辨率的河网，结合第二次冰川编目划分了不同补给类型的集水区，进一步计算了河流面积和宽度的季节变化。结果表明，在这3 a内丰水期和枯水期的河流平均面积分别达到了7 161.64±22.73 km2和4 066.02±35.19 km2，Kappa系数和总体精度均达到了0.8以上，冰川补给类型和非冰川补给类型的河流平均面积季节变化率分别为0.34和0.23，冰川补给类型平均宽度季节变化大部分比非冰川补给类型变化大。冰川补给类型的河流宽度和面积变化比非冰川补给类型的河流变化整体更加明显，该研究表明冰川融水对河流径流的变化有重要的影响。
耦合城市物理环境和人类社会活动两个层面，研究城市空间结构的时空演变特征，能够明晰城市发展的现状需求，为国土空间规划的布局提供参考。基于多源地理大数据，从城市静—动系统的协调性角度，以武汉市主城区为例，利用夜光遥感数据、POI数据、土地利用数据和道路数据，构建耦合协调度模型，从层次结构和圈层分布两方面，刻画了城市空间结构的时空演变特征。研究表明：①就时间变化而言，2010~2020年间武汉市主城区空间结构趋于完善，城市中心的范围和数量也出现了外延和增加。②就空间分布而言，主城区内空间结构的优劣分布欠均衡，总体形成了以城市中心向外围沿圈层梯度逐渐降低的格局。③利用多源地理大数据，在城市静—动系统视角下对城市空间结构特征的刻画，与城市的实际发展情况吻合度高，有助于深化对城市空间结构的理解，为国土空间规划提供参考。
路域生态系统监测是掌握路域生态系统质量状况和变化原因的基础和关键环节，对于路域生态环境保护与可持续发展具有重要意义。由于具有大范围、多时相、高精度和综合性等优势，遥感技术逐渐成为路域生态监测的主流手段。本文从景观格局遥感监测、植被状况遥感监测和物种多样性监测3个方面，回顾国内外相关方面的研究进展，总结研究趋势，指出现阶段研究面临的主要问题与挑战，并提出未来发展展望。研究表明：（1）路域生态系统遥感监测涵盖方面众多，研究成果丰富，不同方法具有各自的应用优势和不足；（2）路域生态系统遥感监测目前仍面临着针对公路建设期监测少、监测评价指标针对性弱、基于公路特点的遥感监测较少、路域范围划定不明确等诸多挑战。因此，未来研究应从多维角度，设立多项指标对路域建设期生态状况进行评价，根据陆路交通设施的线性工程特点，发展具有针对性的监测技术，提升监测效率和实时性。
山西省是中国最重要的生态脆弱区之一，科学评估生态脆弱性及其驱动因子是制定生态保护政策和改善生态环境的重要依据。然而，以往对于山西省生态脆弱性的研究往往基于行政单元，以栅格尺度对山西省生态脆弱性分异特征及驱动因子的工作鲜有开展。基于遥感与GIS技术，利用生态敏感性—生态恢复力—生态压力度模型，结合空间主成分分析法和地理加权回归模型研究山西省2000~2019年生态脆弱性的演变特征及其驱动因子。结果表明：山西省多年生态脆弱性以中度生态脆弱性为主，中部盆地和晋西黄土高原的生态脆弱性极差，“多字形”山脉等地生态脆弱性较好。从不同土地利用的生态脆弱性分布来看，草地、水域、耕地以中度生态脆弱性占主导，林地以轻度生态脆弱性为主，建设用地和未利用地则以重度生态脆弱区为主。整体来看，山西省多年生态脆弱性重心向南迁移。各因子对生态脆弱性的影响从大到小依次为：人口密度>GDP>生物丰度>植被覆盖度SHDI>坡向。根据生态脆弱性分布及变化特征，将山西省划分为生态核心保护区、生态综合监测区、生态优化关注区、生态恢复治理区、生态潜在治理区，并对生态脆弱性的优化提出相应策略。
针对诸如水体等暗色地物信息影响山区地形阴影提取精度的问题，提出一种基于地物第一主成分特征和光谱特征的地形阴影提取方法。首先，分析包括地形阴影在内的4类典型地物光谱特征和第一主成分特征，建立阴影分量
高时空分辨率的Sentinel-2影像日渐成为地表水体提取的主要遥感数据源，开展基于该卫星影像的多种水体指数方法提取效果的对比研究，对提升地表水遥感监测能力具有重要参考价值。本研究针对目前较为常用的7种水体指数（NDWI、MNDWI、AWEInsh、AWEIsh、WI2015、CDWI和MNDWI_VIs），以分布在华北、东北、长江中下游和西北的具有不同地表水体类型组合特征的4个样区为例，在GEE（Google Earth Engine）平台上采用Sentinel-2 MSI影像实现了基于7种水体指数的地表水提取，进而定量分析了不同指数提取水体的精度。结果表明：总体而言，7种水体指数均可以较好识别地表水，但在不同类型的地表水体提取时的表现存在一定的差异；NDWI指数在瞬时性水体（如水田、洪泛区等）会低估地表水的分布，漏分率较高；而AWEInsh、AWEIsh和WI2015指数整体存在高估倾向，错分率较高；MNDWI_VIs水体指数在复杂水体类型的区域提取精度保持最高；在长时序水体变化监测方面，7种水体的性能表现与基于单景影像所得结论基本一致。本研究为不同类型水体开展地表水监测提供了重要的科学依据。
山地城市通常因为地形复杂、气候多变使得局地的地表热通量分布规律与平原城市有较大区别。为探求山地新开发区城市化进程中的地表热通量时空演变规律，利用卫星遥感影像资料和LUMPS、SEBS模型，对代表重庆市未来发展窗口的悦来新城不同土地利用类型的热平衡过程和城市化前、中、后3期的各热通量过程时空演变规律进行了分析，并探讨了土地利用/植被覆盖对各地表热通量的影响，结果表明：（1）悦来新城各土地利用类型的净辐射通量及差值在7月份最大，1月份最小，植被覆盖度是不同土地利用类型显热通量存在差异的因素之一，潜热通量依次为：林地>农田>未利用土地>居民用地，土壤热通量依次为：未利用土地>居民用地>林地>农田；（2）城市化进程使得悦来新城的净辐射低值区域增多，显热通量呈增加趋势且在能量输出中占比最多，潜热通量的低值区有向南北逐渐扩张的趋势，在潜热通量较低的地区土壤热通量和显热通量较高；土壤热通量与显热的分布规律基本一致，均呈增大趋势；（3）土壤热通量与土地利用面积的相关关系是各能量输出因子中最好的；植被覆盖度对各热通量的影响远大于土地利用面积，居民组合用地与植被覆盖度关系最为密切，潜热通量受植被覆盖度的影响最大。
甘公网安备 62010202000685号
