森林年龄（林龄）是森林生态系统的一个重要特征参数，林龄对准确估算森林生态系统碳储量和碳汇大小及潜力等研究具有重要意义。但是，目前关于林龄数据及其估算算法的综述研究很少，因此对现有的林龄数据集进行系统的总结和分析，根据数据覆盖的空间范围分为全球和区域的林龄数据，总结归纳了林龄估算模型算法及其优缺点。研究表明：①林龄估算算法主要包括降尺度统计方法、林龄与森林结构参数的关系方程、森林干扰监测算法和机器学习算法（如随机森林算法）。②林龄降尺度算法的优点是简单易用，其主要缺点是植被指数的饱和问题会低估老龄林的林龄；林龄与森林结构参数关系模型的优点是高精度的遥感树高或生物量数据能够反映林龄的空间异质性特征，森林生长模型具有理论基础，缺点是结果受到森林或者树种分布图精度的制约，森林生长的影响因子考虑不够全面；森林干扰监测算法的优点是可以利用成熟的算法监测森林扰动并推测其林龄的变化，缺点是无法确定老龄林的林龄，必须结合其他方法估算的林龄才能得到完整的林龄分布图；随机森林算法模型优点在模型算法容易构建，不需要设定具体的统计假设和模型形式，不依赖森林类型图或树种分布图，缺点是受模型训练样本的数量和空间分布的代表性的制约。③森林清查数据和遥感数据是林龄估算研究的重要数据。林龄在生态模型驱动、森林管理和实现碳中和目标等方面具有重要的应用前景。未来林龄的研究应加强林龄的地面观测，结合遥感数据优势，利用多种机器学习算法开发高时空分辨率的林龄数据。
草地植被覆盖度是评价草地健康状况及监测环境变化的重要生态参量。目前大区域尺度植被覆盖度提取主要基于卫星遥感数据，无人机遥感数据作为卫星数据估算草地覆盖度的一种补充手段，可提高模型估算精度。基于无人机遥感数据和BJ3卫星数据，采用回归分析法、像元二分法和随机森林三种植被覆盖度反演方法，对鄂托克旗荒漠草原植被覆盖度进行反演与验证。结果表明：利用植被指数建立的回归分析模型中最优反演模型为归一化植被指数（Normalized Difference Vegetation Index，NDVI）的二次多项式模型，R2 =0.752；直接利用无人机遥感数据波段值建立的随机森林模型R2 =0.893、RMSE=0.072，相较于NDVI的二次多项式模型、像元二分模型R2 分别提升0.141、0.151。利用空—天遥感数据和随机森林方法，能够快速、准确获取卫星尺度上研究区的植被覆盖度，为大区域荒漠草原植被覆盖度反演提供支持。
我国农村地区黑臭水体广泛存在，利用遥感技术对其进行监测的研究刚刚起步，许多技术性问题亟待解决。在吉林省、云南省和广西省农村地区进行样品采集，于2021~2022年期间，共收集75个黑臭水体水样和85个一般水体水样，分别对其水质参数以及光学特性进行分析。以高分二号为数据源，分析黑臭水体与一般水体的影像光谱特征，发现农村黑臭水体反射率在红波段以及近红外波段有上升的趋势，红、绿波段的反射率很低且差值小，根据这两个黑臭水体典型的光谱特征，构建了一种新的黑臭水体识别指数MBOI（Multi-spectral Black and Odorous Water Index），识别精度较高。主要研究结果如下：①黑臭水体与一般水体相比，其具有较高的总悬浮颗粒物浓度，黑臭水体有机碳的浓度是一般水体有机碳浓度的1.82倍。②在440 nm处，黑臭水体中的水体组分吸收系数，即色素、非色素颗粒物以及有色可溶性有机物的吸收系数均高于一般水体。③利用去瑞利校正后的影像光谱反射率数据进行数据建模与模型验证，当MBOI取值在0~0.18之间时，判定为黑臭水体，模型精度满足黑臭水体识别的要求。
针对退化指示物种植株体积小、草种间形态特征相似易造成混合像元等问题，根据所获取低空无人机数据，提出一种基于目标检测和语义分割的两阶段分类方法，其次对于分割模型进行轻量化改进。采用结构重参数化RepVGG网络替代Unet主干网络，在编码阶段导入高效通道注意力机制ECA，在下采样环节提升模型的特征提取能力，实现轻量化特征提取，块结构使用ESE模块，避免通道信息的损失。改进后的分割模型对于锡林浩特典型草原的冷蒿和银灰旋花两类草地退化指示物种有很好的分类效果，MIoU可以达到0.91，相比原始Unet模型提升0.11左右。实验结果表明：无人机数据以及两阶段分类方法可以很好地进行草地退化指示物种分类，提出的轻量化改进模型效果良好。
热带海岛是地球上生物多样性最丰富的地区之一，热带海岛河流相比大陆河流具有短小而多样的特点。开展热带海岛河流物理生境健康评价对于生物多样性保护、水资源管理和经济发展都具有重要意义。现阶段河流物理生境健康评价多基于监测点位、样方地面监测，无法兼顾代表性、便利性和安全性，并且费时费力，很难全面准确地反映河流物理生境状况。以海南岛南渡江流域、昌化江流域和万泉河流域三大流域主要河流为研究对象，基于遥感监测构建了海南岛河流物理生境健康评价指标体系，采用层次分析法和专家打分法确定指标权重和评价模型，开展了三大流域27条河流物理生境健康评价。结果显示：①南渡江流域、昌化江流域、万泉河流域均以森林和农田两类生态系统类型为主，三大流域以农田生态系统占比最大。②三大流域河流河岸带植被覆盖度整体上较高，达70%以上，以人工经济林为主；自然岸线率整体不高，均值为41.93%，河岸带范围受人类活动影响较大。③三大流域河流物理生境评价等级以亚健康状态为主，其次为不健康状态。本研究基于现阶段海南自由贸易港建设生态环境保护工作的重大需求，可为精准实施流域生态环境保护、治理工作提供数据支撑，为海南岛水生态考核等相关评价标准的阈值设定提供参考。
生态环境监测为生态环境保护和监管提供了可靠、有效的数据，生态环境监测数据一体化组织管理是挖掘生态环境监测数据潜在价值的基础。现有的生态环境监测数据组织与管理方式因标准不统一、参考体系各异，难以集成管理、快速检索与统计分析。 针对上述问题，提出了一种基于Geohash与行政区划双层嵌套格网混合索引机制，实现各类生态环境监测数据的一体化组织管理，满足海量多源异构生态环境监测数据的存储和快速检索。基于构建的Geohash与行政区划双层嵌套格网混合索引机制，研发了网格自动划分软件，实现生态环境监测数据的一体化组织、多维度检索、统计分析及实时展示，并以2021年全国秸秆火点矢量数据、2023年8月姜堰区扬尘源矢量数据及江苏省水库矢量数据为例验证了此软件的各项功能及其运行情况。结果表明：构建的双层嵌套混合索引机制能快速完成海量生态环境监测数据的格网建构与编码，结合业务需求完成最优格网选择，快速检索并统计不同空间尺度数据情况。
水稻是我国重要的粮食作物，海南是我国主要的热带水稻种植与育种区域之一。目前海南热带区域水稻种植监测存在自动化程度低、人工工作量大，以及准确率不高的问题。以海南省海口市为实验区域，基于吉林一号、北京二号、WorldView、高景一号等高分辨率多光谱卫星遥感影像，结合外业核查信息，建立了海南热带区域一套多源、多尺度的高分辨率多光谱水稻种植区样本库，并利用DeepLab-V3+卷积神经网络模型进行训练，提出了热带区域水稻种植区域遥感智能解译方法。实验结果显示基于DeepLab-V3+卷积神经网络模型的水稻智能提取准确率达到了81.9%，召回率为86.7%。结果表明：利用解译样本库训练的卷积神经网络模型可以准确提取热带水稻种植区域，该方法可为采用高分辨率多光谱遥感影像提取热带区域水稻种植区提供新的方法参考。
生态红线界定了禁止工业化和城市化发展的区域，对生态保护具有重要意义。为保障生态红线不被破坏，需要对人类干扰进行识别。传统的方法难以精确识别由于人类干扰活动而产生的地物变化，也难以区分变化前后的地物类别。基于深度学习的像素级多分类变化检测方法存在细小误检多，样本获取难度大的问题。基于此，提出多分类的对象级变化检测网络，开展生态红线内人类干扰的精确识别研究。研究方法分为对象级二分类变化检测和场景分类两部分。对象级二分类变化检测网络以YOLO v5为基本框架，分别提取前后时相的特征，随后将特征融合，最终输出目标框形式的变化区域；场景分类网络以MobileNet v2为基础，对变化区域所对应的前后时相影像分别进行精准分类。以漓江生态保护区的两期高分影像为数据源，识别27种人类干扰活动。实验证明，多分类对象级变化检测网络的变化区域提取精度APIoU=.50 达到68.8%，APIoU=.50：.05：.95 达到57.2%，人类干扰活动识别的类别top-1准确率达到91.81%，top-5准确率达到99.83%。结果表明：采用对象级变化检测和场景分类两步走的方式，提升了变化区域的提取效果，解决了多分类变化检测样本不足的问题，可为生态红线人类干扰活动识别提供有效支撑。
无人机高光谱系统因轻便灵活、成本较低且可获取丰富的光谱信息，近年来广泛应用于环境遥感水质监测相关研究中。但与成熟的卫星监测体系不同，无人机作为位于大气中的遥感平台，天空散射光对准确获取遥感反射率（Rrs ）有不可忽略的影响，但目前鲜有研究针对这一问题进行专门的定量化探讨。选择我国第五大淡水湖巢湖及其7条出入湖河流，分别利用无人机高光谱成像仪和地物光谱仪（ASD HandHeld2），对不同观测角度天空光对水体遥感反射率影响开展定量研究。结果显示：天空光对水体遥感反射率的计算具有明显影响，且不同角度天空光存在差异。扣除不同角度天空光反射率与未扣除天空光反射率相比，天顶角45°方向天空光的平均绝对百分比差（MAPD）为11.00%，天顶角0°方向天空光的MAPD为17.21%。依据无人机高光谱成像仪镜头垂直向下的特性，研究确定在水体遥感反射率计算中扣除0°天空光，并进一步应用于悬浮物反演，预测值与实测值均方根误差（RMSE）与平均绝对百分比误差（MAPE）最小，分别为8.89 mg/L和19.60%，证明了其在提高模型反演精度中的贡献。本研究可为无人机高光谱水色遥感研究中遥感反射率的准确获取提供技术参考。
海洋内波是一种重要的中尺度海洋现象，星载合成孔径雷达（SAR）是其常用的观测手段之一。2016年发射的天宫二号干涉成像高度计（TG2-InIRA）第一次以1°~8°小入射对海洋进行干涉成像观测，以实现宽刈幅海面高度测量，目前尚无针对该入射角范围的内波成像模型开展研究的报道。基于TG2-InIRA图像建立了小入射角海洋内波一维成像模型，利用该模型对海洋内波成像特征进行了仿真分析，并采用变分模态分解（VMD）方法对内波参数进行反演。为验证模型及反演方法的正确性，利用TG2-InIRA和Sentinel-1 SAR间隔4 h 13 min对同一内波获取的雷达图像进行了亮暗条纹对比和内波参数反演实验。实验结果表明：TG2-InIRA海洋内波条纹的亮暗顺序与Sentinel-1 SAR的相反，所得到内波特征宽度和振幅的反演结果相对偏差分别为8.14%和15.62%，并且均表现出沿传播方向宽度由小到大、振幅由大到小的变化，符合内波传播的规律，从而展示了TG2-InIRA对内波的探测能力。对TG2-InIRA和Sentinel-1在南海区域分别获取的40幅和19幅内波图像的统计分析表明，大于80%的实际图像中内波条纹亮暗顺序与SAR相反，与所建立的模型和仿真结果一致。
基于深度学习的遥感影像土地分类应用需要海量的数据集作为训练样本，影像标签数据集常因数量少而难以满足训练要求，利用现有样本进行扩增是一种有效的技术手段。传统的数据扩增技术仅改变影像颜色、清晰度等，且扩增数量有一定上限，为了自动化大幅扩增更具多样性的样本，研究设计了一种基于Pix2pix网络的遥感影像样本扩增方法。利用Pix2pix网络生成器根据无人机和谷歌影像标签生成虚拟影像，判定器对虚拟影像与真实影像进行比对，在生成对抗训练多次后输出样本对实现扩增。结果表明：生成结果的视觉对比相似度高，无人机影像和谷歌影像对比原始图像平均余弦相似度分别为0.85与0.96，平均直方图相似度为0.50和0.61，是一种有效的遥感影像样本扩增方法。
次生林中累积的地上生物量形成的巨大碳库，对于缓解气候变化具有重要作用。广东省空间异质性显著影响着次生林的碳汇速率，但其驱动因素尚不清楚，严重制约了未来碳汇能力的准确估算和预测。基于遥感技术在时空监测方面的优势，本研究利用地上生物量、次生林种植年份及气候等高时空分辨率遥感数据，量化了四大方面驱动因素对广东省次生林地上生物量累积速度和空间模式的影响，并结合情景分析预测了广东省未来的次生林增碳潜力。结果表明：整体上，林龄是影响广东省地上生物量累积的最重要因素，然而其他影响因素的贡献则具有较强的空间异质性。在珠三角地区，气候是第二大主要驱动因素，而在粤北、粤东和粤西地区则是地形地貌。土壤元素含量的影响在四个区域普遍较小。4个情景中，在储量最大情景下至2050年可最大程度增碳62.45±2.55 Tg C。本研究可为森林可持续管理及高质量发展提供科学参考。
通过遥感技术对荒漠化进行监测和评估可以及时、准确掌握荒漠化土地的消长变化信息，为相关部门及时制定荒漠化防治方法和策略提供科学依据。利用R语言bibliometrix计量分析包、VOSviewer和CiteSpace可视化分析软件，针对遥感技术在荒漠化监测和评估领域应用的国际研究态势进行了分析。结果表明：①遥感技术在荒漠化监测与评估领域应用的发文量自2016年以来急剧增长，正处于快速发展阶段。②该领域是一个涉及多学科的交叉学科，近年来不断有学者引入新兴技术。③中国在该领域拥有较强的研究实力和人才基础，但是在国际学术影响力和国际合作方面仍有提升空间。④国内外在该领域的研究中均形成了一定的合作规模，但是跨机构、跨国家合作的潜力仍然巨大。在研究主题分析中发现，近年来该领域的文章大致可以划分为荒漠化的研究对象以及其土地状态、荒漠化的成因以及荒漠化修复、遥感数据的分析方法、与遥感相关卫星或数据平台4个方面。基于上述分析结果，本文对未来遥感技术在荒漠化监测和评估领域应用的发展提出了相关建议。
全球气候变化和人类活动导致干旱频率和强度持续增加。目前，干旱已经成为影响植被生长及多样性的关键因素，并进一步影响农业产量、生态系统稳定性和社会经济发展。因此，掌握植被动态与干旱的作用关系有助于揭示陆地生态系统的生理机制并制定有效的管理策略。本研究利用长时序日光诱导叶绿素荧光（SIF）和归一化差异植被指数（NDVI）数据集（2001~2020），评估长江流域不同类型植被与气象干旱（SPEI指数）的作用关系。首先采用相关分析法得到SPEI与SIF（NDVI）的最大相关系数，并对比分析不同类型植被SIF和NDVI响应气象干旱的差异。其次应用改进的偏小波相干法，定量分析大尺度气候模式和太阳活动对植被与气象干旱关系的影响。结果表明：①2001~2020年间长江流域干旱发生频繁，且夏季的干湿状况对其全年气候影响最大；②SIF与SPEI的相关性优于NDVI与SPEI的相关性；③基于NDVI的植被响应时间（3~6个月）大于基于SIF的响应时间（1~4个月），其中耕地和草地的响应时间较短，常绿阔叶林和混交林的响应时间较长；④干旱与植被之间存在显著正相关性，周期性为4~16个月。太平洋十年涛动（PDO）、厄尔尼诺南方涛动（ENSO）和太阳黑子是影响干旱和植被关系的重要驱动因素，其中太阳黑子的影响最为显著。总体说明干旱严重威胁长江流域陆地生态系统的生长发展，SIF在监测干旱和植被响应中显示出较大的潜力和优势。研究结果对长江流域地区的干旱预测预警和生态系统保护规划具有参考意义。
序列逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）指雷达对目标在较长一段时间内连续观测，近实时生成目标的ISAR图像序列。通过这些图像序列能够充分提取目标的散射信息和运动状态变化信息，对目标监测、跟踪和识别有很大帮助。研究充分利用相邻帧间目标运动的连续性，联合分数阶傅里叶变换（Fractional Fourier Transform，FrFT）和卡尔曼（Kalman）滤波技术，提出一种新的机动目标序列ISAR成像算法。该算法对方位向信号进行FrFT，通过搜索FrFT最佳能量聚集对应旋转角实现对方位向信号调频率（Azimuthal Chirp Rate，ACR）的测量，然后使用Kalman滤波技术得到ACR的最优估计值，实现对方位向信号精确的相位补偿。基于当前帧Kalman滤波得到的ACR最优估计值可以减小下一帧FrFT旋转角的搜索范围，提高计算效率。通过实测数据验证了该算法的有效性。相比常用的FrFT参数估计算法和PGA算法，该算法在成像质量和计算效率上均展现了优势。
植被物候提取方法及物候趋势监测是准确反映植被生长状态的关键环节。基于中等空间分辨率成像光谱仪（MODIS）的归一化植被指数（Normalized Difference Vegetation Index，NDVI）、增强型植被指数（Enhanced Vegetation Index，EVI）产品，提取了三江平原典型沼泽湿地草本植物的12个物候参数，通过Pearson相关性分析、Mann-Kendall突变检验、Mann-Kendall趋势检验、方差分析等方法，探究不同属沼泽植物的物候提取值差异及其变化特征与趋势，揭示了陆地表面物候与物候观测值的差异。结果表明：①Gu方法是三江沼泽湿地植物物候曲线拟合方法中最合适的，EVI数据提取的地面物候参数优于NDVI数据。②TRS1方法在提取春季物候参数（Start Of Season，SOS）上更为准确，Klosterman方法在提取秋季物候参数（End of Season，EOS）上更为准确。③最佳方法下薹草属SOS提前趋势为0.63 d/a，甜茅属EOS提前趋势为0.49 d/a。研究结果可为三江平原湿地植被保护性研究以及适应未来气候变化等方面提供借鉴。
作物行结构作为耕地表面的典型周期性结构特征，其方向会对测量雷达后向散射系数和光学反射率的结果造成显著影响。针对高分辨遥感影像纹理特征提取作物行向时效率低、计算资源需求大导致难以应用于大区域的问题，以黑龙江省友谊县为研究区，将地块作为最小研究对象，验证利用地块形态特征识别作物行向的可行性。本研究利用多种图像处理算法计算地块长边与短边的长度比值（长宽比），分析作物行向和地块长边方向之间的相关性，对比不同地块长宽比对作物行向识别率和识别精度的影响。结果表明：随着地块长宽比阈值增加，行向的识别率从82.0%降低到34.8%，行向识别均方根误差（Root Mean Square Error，RMSE）从21.46°降低至1.78°；在不同长宽比阈值条件下，直线检测器算法识别作物行向的平均精度（R²=0.93，RMSE=9.53°）高于概率霍夫变换（R²=0.81，RMSE=20.80°）。该方法可以实现对大范围农田地块作物行向的识别，为遥感卫星影像识别作物行方向提供新的思路。
高时空分辨率的卫星降水数据对于近实时降水监测和实时水文预报非常重要。以中国大陆为研究区，从小时尺度综合分析4种近实时卫星降水产品，包括基于风云卫星的REGC和DISK、基于GPM的IMERG-Early和GSMaP-NRT，揭示降水反演误差与4个关键影响因子（季节、气候区、降雨强度、地形）之间的关系。评估结果如下：在小时尺度上，IMERG-Early在中国大陆的表现最好，具有最高的相关系数（CC=0.44）和最低的均方根误差（RMSE=0.97 mm/h）；其次是GSMaP-NRT，在湿润区具有最低的误报率；REGC和DISK仅在湿润区南部和东部具有令人满意的相关系数和分类统计指数。在季节尺度上，所有卫星降水产品在夏季的准确性最好，在冬季的性能最差。在降水强度方面，除IMERG-Early外，其他3种卫星降水产品更倾向于高估无雨（0~0.2 mm/h）事件的概率密度； REGC在小雨 （0.2~0.6 mm/h）事件下的表现最好，具有最低的偏差；与其他卫星降水产品在暴雨下（>5 mm/h）的表现相比，DISK对暴雨的低估程度更小，得益于其短延时特性，DISK在暴雨监测和洪水预报中拥有更大的应用潜力。IMERG-Early和GSMaP-NRT在低海拔地区的表现都优于高海拔地区，REGC和DISK的性能在高程大于3 000 m后显著增加。相关的评估结果将为风云产品的算法改进提供一些反馈，并使数据用户能够进一步了解风云降水量估计的误差特征和潜在缺陷。
土壤湿度（SM）是葡萄生长发育的重要参数，准确监测葡萄种植区SM有利于科学地指导田间灌溉等措施，进而促进葡萄品质、产量的提升。以陕西省泾阳县为典型研究区，基于2009~2016年MODIS反射率、地表温度、蒸散发等数据，计算归一化差异水分指数（NDWI）、植被供水指数（VSWI）、温度状态指数（TCI）、作物缺水指数（CWSI）等6个遥感指标，通过遥感指标对SM的敏感性分析优选指标，采用分类回归树（CART）算法构建SM的综合遥感模型，实现对葡萄关键生育期SM的8 d分辨率尺度估算与干旱监测。研究表明：NDWI、VSWI和CWSI能够更好地表征葡萄种植区SM时空变化情况，NDWI对SM变化响应最为及时，且相关性最高；利用优选NDWI、VSWI和CWSI 3个指标构建的SM综合估算模型，除121、169时相外，各时相R2达0.6以上，葡萄果实膨大期各时相R2均能达0.8以上；2009~2016年泾阳县葡萄种植区干旱多发生在葡萄开花期与果实膨大期。该研究可为葡萄种植区干旱监测提供方法参考。
古代墓葬作为反映早期各社会阶层及其生活状态的典型遗迹，是考古学的重要研究对象，目前有大量墓葬遗迹尚未发现。常规的考古调查手段工作效率不高，尤其在大范围、复杂环境区域难以实现全覆盖。基于深度学习的自动识别方法能够提高考古探测的效率，在遥感考古调查中发挥了重要作用。以新疆阿勒泰地区的古代圆形墓葬为研究对象，构建了首个古代圆形墓葬遥感数据集，选取Faster R-CNN、Cascade R-CNN、YOLOv5和YOLOv7四种典型的深度学习算法开展古代圆形墓葬检测的比较研究。结果表明，YOLOv5和YOLOv7的平均精度超过0.8，YOLOv7最高达到0.87，展现了出色的鲁棒性和广泛的适应性。基于WorldView2、WorldView3和国产GF2卫星数据的进一步测试结果显示，YOLOv7算法在识别具有斑点和环状特征的墓葬时具有明显优势。实验开展的比较研究为实现古代墓葬高精度的自动检测提供了有效方法，同时也为其他考古遗迹的自动检测提供了有价值的参考和借鉴。
在林火救援中，根据火灾早期阶段预测最终燃烧面积，可有效指导火灾救援。然而，以往研究采用归一化差值植被指数（Normalized Difference Vegetation Index，NDVI） 作为输入指标，其对土壤反射率敏感，数据噪声大。因此两波段增强植被指数（Two-band Enhanced Vegetation Index，EVI2） 被使用以准确预测野火过火面积。此外，针对单一机器学习预测算法抗干扰能力差的问题，一种基于堆叠泛化（Stacking）集成学习的Stacking-XRSK模型被提出。结果表明：使用EVI2使模型
鄱阳湖湿地是国际上重要的湖泊湿地，对于整个长江流域的健康绿色发展具有重大意义。然而，近年来人类活动和全球气候变化的影响使得鄱阳湖湿地植被的群落结构和空间分布正在快速变化，生态功能面临退化的风险。因此，及时准确地掌握湿地植被群落的空间分布对于保护和修复鄱阳湖湿地具有重要意义。针对鄱阳湖湿地季节性变化的特点，以2019年时间序列Sentinel-2影像为数据源，基于GEE平台提出了一种融合统计—时间特征的随机森林分类方法，对鄱阳湖国家保护区湿地典型植被群落进行提取。研究结果表明：①鄱阳湖湿地植被受到周期性洪水淹没及生长物候差异的影响，植被群落在秋冬季节的差异性更为明显。②基于时间序列的Sentinel-2影像可以较好地实现对植被群落、滩涂和水体进行识别，其中时间特征对植被群落的识别贡献度较大。③基于统计—时间特征结合随机森林分类算法的湿地植被群落总体识别精度达到86.21%，Kappa系数为0.83。该方法可以及时准确地提取湿地植被群落的空间分布，在湿地研究中具有很好的应用前景，可以为鄱阳湖湿地国家自然护区湿地资源的科学获取和管理、生态环境的评价和修复提供重要的数据支撑。
及时、准确获取水稻长势信息对科学指导农业发展和宏观拟定农业决策起着至关重要的作用。基于2014~2022年三江平原Landsat 8遥感影像数据，通过谷歌地球引擎（Google Earth Engine，GEE）云平台提取该地区水稻种植面积并分析其变化趋势，利用变异系数法对3种特征指数（NDVI、EVI和LSWI）客观赋权并构建水稻长势监测指标（Rice Growth Index，RGI），应用年际比较差值模型评价2022年较2014~2021年三江平原的水稻长势情况并分析水稻种植区自分蘖期至抽穗灌浆期的时空变化和产量趋势。结果表明：①2014~2021年三江平原水稻种植面积整体呈增长趋势，增长面积超过5 000 km2。②2022年6~8月三江平原各市（县）的水稻长势状况较常年同期段呈“分蘖期持平，拔节孕穗期最佳，抽穗灌浆期较好”的稳步提升态势，且东部、中北部地区长势要相对优于西部、南部地区，东北部地区长势最佳。③2022年水稻生长季产量变化趋势推断为“部分地区减产歉收，多数地区高产丰收，整体为稳步增产趋势”。研究结果可为农业部门指导农事活动和国内水稻长势遥感监测与产量估算业务提供科学依据。
甘公网安备 62010202000685号
