以青藏高原为核心的“亚洲水塔”区具有地形复杂、天气多变的特点，特别是高山地区地面观测站点稀少。现有遥感观测在能量与水循环要素监测方面缺乏系统性，观测精度有限，难以全面揭示亚洲水塔区水量平衡的时空分布特征及其变化规律。在“第二次青藏高原综合科学考察研究”专题项目支持下，本研究系统开展了青藏高原能量与水循环卫星遥感观测研究，取得以下主要成果：研制和共享了15种能量与水循环关键要素的卫星遥感数据集，改进和发展了各要素的卫星反演方法和技术，构建了亚洲水塔区域能量平衡（6种）与水循环（9种）关键要素的卫星组网观测系统，涵盖云、辐射、地表温度、发射率、反照率、净水通量、大气水汽、土壤水分、土壤冻融、积雪覆盖与雪深、陆地水储量与水体变化等参数，生产了高精度、时空连续和高时空分辨率的能量和水循环要素的系统遥感数据集。基于该数据集的系统分析表明：青藏高原地表蒸散发多年平均空间分布格局受降水分布控制，表现为由东南向西北递减的趋势。蒸散发在大部分区域（干旱和半干旱区）主要受水分条件控制，仅在少数湿润区域受辐射因素主导。影响高原蒸散发的能量和水循环的其他要素如地表下行长波辐射等能量参数呈现增加趋势，地表反射率呈现下降趋势，与积雪覆盖度的降低趋势相比具有显著的相关性；此外大气水汽、土壤水分、湖泊面积以及陆地水储量等水循环关键参数均呈现出显著的增加趋势，而积雪覆盖度和地表年冻结天数呈现减少趋势。总体而言，自2000年以来青藏高原总体呈现出变暖变湿趋势。本研究提供的数据集有助于支撑遥感与模式结合，促进区域气候-陆面和多圈层水文的模式的验证和改进。
遥感变化检测是指对同一区域不同时间获取的遥感影像进行对比和分析，提取地表覆盖变化的技术。随着卫星和传感器技术的快速发展，对地观测数据显著增加，变化检测在地理国情监测、生态环境保护等领域发挥越来越重要的作用。深度学习因其强大的特征挖掘能力，目前已成为变化检测的前沿方法。研究从像素级、对象级和场景级3个方面总结了深度学习变化检测方法的主要进展，并结合3个研究案例具体探讨了深度学习在变化检测中的应用，最后对深度学习变化检测的发展趋势进行了展望。
艇载雷达能连续对陆海空目标进行探测，也可在运动状态下以合成孔径雷达成像模式实施对地遥感监测。由于飞艇供电能力有限，需大尺寸天线才能实现远距目标探测和遥感监测，平台承重能力有限问题对天线轻量化也提出了很高的要求。针对中低空飞艇平台，本文提出了艇载稀疏阵列主被动结合雷达目标探测系统概念，利用地球同步轨道合成孔径雷达卫星作为外辐射源实施被动探测，在不同工作模式下分析了系统性能，给出了一种子阵天线结构稀疏阵列在艇身共形集成的安装方式，同时介绍了轻量天线阵面样件制作和艇身集成安装情况。给出的相关设计方案表明，该系统不仅性能良好，也具有一定的技术可行性。
过去20年，围绕植被光谱不变理论（也称为p理论）的建模理念得到了快速发展。2023年底，作者在Remote Sensing of Environment发表了题为“Photon recollision probability and the spectral invariant theory：Principles，methods，and applications”的综述文章（DOI：10.1016/j.rse.2023. 113859），全面阐述了p理论的提出背景、建模原理、光谱不变量的获取与p理论应用等。本研究在英文版的基础上，对p理论进行了进一步系统整理并补充了一些新的认识。首先阐述了p理论的基本要点，介绍了不同光学参数和再碰撞概率尺度转换的基本原理，总结了光谱不变量获取的经验方法、光谱方法和结构方法等，分析了p理论在冠层反射率建模以及植被结构和生理参数反演与估算中的应用。文章剖析了原文中的几处关键创新点，最后探讨了p理论的未来发展方向及我国在相关方面的研究。
地下煤火被称为“没有地理界限”的全球性灾难，不仅造成了煤炭资源的巨大浪费，还对生态环境和社会安全发展构成了严重威胁。遥感技术在探测识别地下煤火的长期应用中展现出了独特优势，为煤火的监测和治理提供了重要的技术支撑。围绕地下煤火引发的典型地表响应特征，阐述了煤火区遥感探测识别的基本原理，对现有地下煤火区遥感探测识别方法进行了系统分析和综述，并探讨了各个方法的优势和局限性。在此基础上，剖析了当前研究存在的不足，并对面临的挑战和未来的发展方向进行了展望。
星载遥感器观测的大气成分资料在气候、大气环境研究领域的应用，推动了大气成分遥感从可见短波红外到紫外波段、从通道式探测向高光谱探测技术的快速发展。高光谱数据定量应用的前提是数据经过精确的光谱定标和辐射定标，相较发展较为成熟的可见短波红外波段的遥感器定标技术，受星上定标装置稳定性、大气臭氧带状吸收等因素的影响显著，紫外波段高光谱遥感的星上定标技术是亟待突破的技术难点。研究结合国内外紫外波段高光谱大气成分遥感器，综述了星上光谱定标、星上辐射定标和替代定标技术，在比较可见光波段卫星遥感器在轨定标方法优缺点的基础上，分析了现有定标方法在紫外波段的适用性和存在的问题，结合星载大气成分新型遥感器的发展趋势，展望了紫外高光谱大气成分遥感星上定标需要重点解决的技术，为星载紫外遥感器的研制改进、紫外遥感器定标精度的提升提供参考。
植被总初级生产力（Gross Primary Production， GPP）是陆地植物通过光合作用固定的有机碳的总量，同时也是陆地生态系统碳循环的开始。遥感观测数据驱动的GPP模型，能够实现监测GPP的时空变化。基于遥感数据驱动的GPP数据产品，为研究植被功能、陆地碳循环、全球变化等课题提供有效数据支撑。然而现有遥感数据驱动的GPP数据无论在绝对量级、空间分布、年际变化等方面均具有较大差异，导致对GPP全球估算存在较大不确定性。该不确定性主要源于不同的学者采用了不同的模型框架、遥感驱动数据源和研究时段，因此学者们得出了多样化的研究结论。为此，有必要汇总现有代表性研究结果，提升对遥感数据驱动的GPP模型及其应用的认识与理解。同时也基于目前研究中存在的不足之处，探讨当前遥感数据驱动的GPP模型的共性问题，以及展望未来GPP模型的发展趋势。
本研究首次联合无人机视角下的可见光与热红外图像，提出了一种基于跨模态特征解耦与重聚焦的多模态语义分割模型CDFNet。CDFNet创新性地设计跨模态特征解耦模块，精细解耦并增强各模态的互补判别特征，提高融合特征场景表征能力；在解码阶段进一步提出模态判别特征聚焦注意力解码器，动态优化模型对于微小目标的注意力聚焦范围，降低场景干扰信息对语义分割的影响。在Kust4K数据集上进行实验验证，CDFNet相较于基线模型与当前先进多模态语义分割方法Sigma，mIoU分别提升了6.3%和3.1%。；特征可视化与模态鲁棒性实验表明：CDFNet相较于其他方法，在低信噪比复杂城市道路场景中，能得到更加鲁棒的特征表示，有效提高无人机视角下微小目标的分割精度。
自工业革命以来，自然和人为因素导致温室气体排放增加，引起全球变暖等一系列环境问题。全球海洋已被证实是大气二氧化碳（CO2）的主要汇，能吸收大约25%的人为排放CO2；而内陆水体作为大气CO2的源，排放的温室气体相当于全球化石燃料释放CO2的近20%。表层水体CO2分压（pCO2）的准确估算是研究各类水体碳通量与源汇格局的前提。从90年代开始，研究者们已经积累了大量的实测pCO2值，这为深入理解水体pCO2的影响机制和估算模型的建立提供了坚实的数据基础。遥感具有大尺度、长期观测的能力，通过遥感反演的相关环境变量进而推测pCO2是目前遥感量化水体pCO2的主流方法。本研究首先明确了影响水体pCO2的环境变量及相关理化过程，这是参数化pCO2的理论基础；进而总结了不同类型水体中pCO2的遥感反演算法，该算法目前在开阔大洋中的研究已经趋于成熟，在近岸水体也发展了一系列经验或半解析模型，但遥感估算内陆水体pCO2的相关研究较少，这与内陆水体复杂的光学特性及pCO2的时空多变性有关。考虑到内陆水域在全球碳循环中的重要性，研究者们应更多关注内陆水体pCO2的遥感估算研究。
有色可溶性有机物（Colored Dissolved Organic Matter，CDOM）具有光学特性和重要遥感监测优势，它是生物地球化学循环的重要组成部分，具有光学活性的一部分，广泛存在于各种水体中，在全球水生生态系统循环、水色水质遥感和全球碳循环中都有重要的作用。不同区域和类型下CDOM光学特性具有显著差异性，可以为今后在内陆水体CDOM反演时普适性模型构建中加入关键环境与人为影响因子提供思路。本研究通过文献收集全球不同水域和类型湖泊CDOM特征进行分析，总结归纳不同纬度、不同水质类型湖泊的CDOM时空分布规律与来源特征，结果表明在不同自然地带分异下根据水体光学特性建立的模型能够更加准确攫取影响CDOM变化规律的关键因子。研究结果为内陆水体富营养化治理、有机污染物管理、水源地保护和人类社会可持续发展等提供科学依据，也为完善内陆水体碳估算提供数据支撑。
在过去的几十年里，全球水体不断遭受系统性污染、水质恶化形式严峻。总磷是水质评价的一个重要指标之一，是水体富营养化、蓝藻水华暴发的重要影响因素。本研究论述了总磷与其他光学水质参数关系、不同水体类型总磷浓度遥感反演、总磷浓度遥感算法以及不同遥感平台总磷浓度遥感反演四部分内容。自20世纪90年代至今有300余篇关于总磷浓度反演的文献，近年来研究的热点逐渐集中于“遥感技术”、“机器学习”等话题。对于内陆湖泊水体的研究，主要以Landsat/TM和MODIS影像为主，其中采用绿色波段、近红外波段与中红外波段组合做出的模型精度普遍更高。通过卫星影像数据观察全球湖泊的总磷浓度，发现全球湖泊总磷含量整体呈上升趋势，其中亚洲湖泊最高，其次是南美、非洲和欧洲。大洋洲没有发现明显增加的趋势。随着计算机技术的发展，机器学习算法逐渐成为当前热点，相比于传统算法，运用机器学习算法所构建的模型精度更高。随机森林算法因其构建的模型相比于其他机器学习算法拥有更高的精度而被广泛应用。随着研究的不断发展，构建一个适用于不同水体类型的总磷浓度模型是未来大势所趋，同时具有高空间分辨率及高时间分辨率传感器的研发更是迫在眉睫。
黑臭水体是一种极端的水污染现象，是许多城市普遍存在的问题，严重影响人居生活的幸福感、获得感。因此，解决城市黑臭水体问题迫在眉睫。科学监测水体黑臭情况是城市黑臭水体整治工作的第一步，为后续治理评估提供准确的整治对象。相对于传统的地面监测手段，遥感是一种更有效发现黑臭水体的方式，能更大范围、更快速连续地识别出水体黑臭区域并及时全面地展示黑臭水体时空演变过程。系统回顾了城市黑臭水体遥感监测的主要研究进展，首先，简要介绍了黑臭水体概况，总结了城市黑臭水体的遥感特征以及常用数据源。其次，详细探讨了城市黑臭水体遥感识别和分级的方法，并对比分析了各方法的适用性和优缺点。最后，总结了当前城市黑臭水体遥感研究现状以及不足之处，并展望了未来的发展方向。旨在为相关研究提供借鉴与思考，为黑臭水体长效治理提供更好的决策支持。
高分影像地物分类是遥感分类研究热点之一。传统的卫星影像湿地分类采用人工提取特征解译方式，费时费力且精度低，高分影像下湿地植被特征复杂，湿地水文边界季节性波动，实现自动、高效地高分影像湿地分类是亟待解决的问题。为促进高分影像在湿地分类中的应用，研究阐明了深度学习在高分影像湿地分类中的优势，总结了在高分影像中常用的深度学习分类模型，分析了深度神经网络、卷积神经网络、生成对抗网络在湿地分类中的最新研究成果。最后从样本、模型两个方面对深度学习在高分影像湿地分类中存在的问题以及后续的研究趋势进行了展望。
湖泊作为主要的地表水资源载体，在调节河流水量以及满足生活、生产和生态用水需求方面发挥着重要作用，同样人工湖泊（水库）在供水、灌溉、发电和生态保护等方面也起着关键作用。近年来，受气候变化和人类活动影响，湖泊和水库（简称“湖库”）的水量和水质发生很大变化，长时序遥感监测能够更加客观精准地认识其时空变化规律。研究结合多源遥感影像数据和卫星测高数据，提取了2013~2022年中国重点监测湖泊（83个）和水库（118个）的面积和水位，估算了湖库的水量变化，并通过国家相关部门发布的水质月报，对重点湖库的监测数据进行整理，分析其富营养化等级的变化，最后对两者进行综合分析。研究结果表明：从水量方面来看，2013~2022年期间中国重点湖库水量整体呈增加趋势，湖泊水量增加了10.65 km³，水库水量增加了2.50 km³；从水质方面来看，大部分监测的湖泊水质较差，处于中度到轻度富营养等级，总体上看中度到轻度富营养等级的湖泊数量呈现逐年增加的趋势；水库水质相对较好，但部分水库水质呈现变差的趋势。联合水量和水质的变化信息分析发现，湖库在处于中度富营养等级时水量变化幅度较大，且水量与水质之间存在不同的相关性。其中33个湖泊的水量与水质变化表现为负相关关系，尤其是东部平原的城西湖和石臼湖，相关系数分别为-0.67和-0.90。此外，接近50%的水库水量与水质变化表现出正相关关系。通过联合湖库水量与水质监测数据，对两者的关系进行探讨，可以为湖库的水资源综合管理和生态保护提供重要的科学依据。
缨帽变换是一项广为应用的遥感影像处理技术。其中，针对Landsat 8卫星影像，已有Baig等、Zhai等、Liu等提出了3种缨帽变换算法。但这3种算法间的一致性如何，用户在使用时究竟选择哪一种算法，并不清楚。另外，这3种算法中，除了Zhai等提供了基于地表反射率（SR）数据的算法，其它2种算法都仅提供基于表观反射率（TOA）的算法。因此基于表观反射率数据的算法是否能够应用于地表反射率数据，也亟待验证。为此，选取了3幅土地覆盖类型不同的Landsat 8影像、利用前述3种算法进行缨帽变换，对反演结果进行定量对比以查明各算法间的差异。结果表明：3种算法中，Baig与Zhai两种算法的一致性最高，3个分量之间的平均R²达到0.974 4，平均RMSE只有0.025。而Liu算法的反演结果与Baig和Zhai算法的反演结果总体相差较大，其与Baig和Zhai各分量的平均R²分别为0.803 1和0.865 2，平均RMSE分别为0.077 6和0.065 5。因此，Baig和Zhai的反演结果更具有可比性。另外，将Baig和Liu基于TOA反射率推导的缨帽变换算法代入地表反射率SR数据进行计算的结果表明：基于SR反射率和TOA反射率反演的各分量普遍差距较大，RMSE可达0.053 5，平均|PC|可达146.07%。因此不建议将Baig和Liu的TOA反射率算法代入SR数据进行缨帽变换。综上，推荐用户使用Zhai等提出的、可适用于TOA和SR两种反射率数据的Landsat 8缨帽变换算法。
遥感图像的超分辨率重建是利用图像分析方法和模型从一幅或多幅低分辨率图像重建出高分辨率图像，从而改善遥感图像数据质量的一类方法。该方法旨在恢复传感器成像、存储和传输过程中丢失的高频细节。其核心在于构建表达高低分辨率图像之间的映射关系。本研究首先回顾了图像超分辨率重建的主流方法及代表性研究工作；其次，重点分析了传统方法和深度学习方法在单幅遥感图像超分辨率重建研究中取得的进展。结果表明：①模型轻量化与实时性是当前单幅遥感图像超分辨率重建方法面临的主要挑战；②亟待构建面向遥感图像超分辨率重建方法研究的公共数据集，完善方法研究的评价指标体系。最后，通过实验讨论了基于双三次插值、卷积神经网络、生成对抗网络和扩散概率模型框架下的超分辨率重建方法对单幅遥感图像超分辨率重建的效果，为后续研究与应用提供参考。
森林冠层结构参数在全球生态评估中起着关键作用，是影响太阳辐射重新分配的重要参数。新近研发的LAI-NOS是一款基于数字半球摄影测量技术的叶面积指数自动观测系统。为了检验LAI-NOS对于不同类型森林的适用性，同时进一步挖掘LAI-NOS对于其他冠层结构参数的解算能力，以中国科学院千烟洲亚热带森林生态系统观测研究站的典型林型为研究对象，获取了整个植物生长周期的植被冠层结构参数连续观测数据，并计算了间隙率、叶面积指数和聚集指数等冠层结构参数。结果显示，参数解算结果基本能与4种林型的生长期规律相吻合。研究表明：基于LAI-NOS的森林冠层结构参数自动连续观测是一种可行、有效的方法，可以为森林生态系统的研究和管理提供重要的数据支持。
即时准确发现森林扰动有利于保护森林生态系统良好稳定循环，构建和选择最优的特征变量是森林扰动监测的重要步骤。针对森林火灾、森林砍伐、森林地质灾害3类典型森林扰动，基于Sentinel-1和Sentinel-2卫星数据，计算了光谱特征、纹理特征、指数特征和散射特征4类共116个特征变量，并通过JM（Jeffries-Matusita）距离评估了各特征在扰动与非扰动样本间的区分能力。基于JM距离排序，采用单类支持向量机（One-Class Support Vector Machine，One-class SVM）分类器逐步增加特征实现扰动分类和精度评价。综合JM距离、分类精度分析了适用于各种森林扰动监测的最佳特征，利用主成分分析进行特征压缩，构建同时适用于3类森林扰动监测的最优特征。研究结果表明：光谱特征、纹理特征和指数特征在3类扰动监测中贡献度高于散射特征。随着特征数量的增加监测精度在显著提升后趋于平稳甚至下降。经过特征压缩后得到的同时适用于3类森林扰动监测任务的最优特征为B6~B9波段光谱特征的第一主成分、B6~B9波段均值纹理特征的第一主成分以及DVI。基于压缩后的最优特征的森林火灾、森林砍伐、森林地质灾害的扰动样本的召回率分别为90.57%、75.74%和79.07%，对应的F1 score分别为0.927、0.855和0.694。可为森林扰动监测相关研究提供特征优选参考，提升监测精度与效率，对森林生态系统的保护与管理具有重要实践意义。
林木树冠自动分割、胸径、树高、冠幅、冠面积、材积等精细林木参数快速准确提取是森林生产力和碳储量等参数高精度估算的基础。近地遥感技术可以快速高效获取多视角高分辨率数据，具有高精度自动获取林木参数的潜力。对国内外利用地面和有/无人遥感技术开展森林精细调查的情况进行总结，全面阐述基于近地遥感的林木参数精细获取研究现状，重点讨论不同近地遥感平台多光谱和激光雷达数据中获取森林参数的效果与能力，并对比其应用场景和优劣性。近地遥感技术具备低成本、高效获取森林精细参数的能力，可为森林管理培育和经营决策、加快推进美丽中国建设提供重要技术支持。
森林生态系统在调节气候、水土保持、碳平衡等方面具有重要作用，但近年来该系统受到气候变化和人类活动的扰动在日益加剧，急需精准及时的森林变化监测。遥感技术凭借其多时间分辨率数据优势和自动化处理能力，已成为森林变化监测的关键手段。本研究聚焦多时间分辨率遥感变化监测方法，系统梳理并比较了双时相和时间序列遥感两类技术，其中双时相变化监测涵盖了人工目视解译、传统机器学习和深度学习技术；时间序列则包括时序趋势分析、动态变化监测和多算法集成等方面研究。通过归纳深度学习与多模态时序数据在实际运用中的相关问题，提出了相关解决方案，为提升森林变化监测的精度提供借鉴。
掌握详细、准确的人为CO2排放清单，加强对CO2排放的有效管控，对于实现“双碳”目标意义重大。在有效评估EDGAR、ODIAC全球人为CO2排放清单在中国地区可靠性的基础上，结合多源遥感数据，构建了基于随机森林的高精度、高分辨率中国区域人为CO2排放估算模型，实现了1 km×1 km分辨率2005~2020年人为CO2排放的时空估算，并结合空间自相关分析探索了研究区人为CO2排放的集聚模式，开展了中国地区整体以及集聚重点区域人为CO2排放时空变化特征分析。结果表明：中国地区人为CO2排放估算模型能有效融合全球清单与遥感数据优势，为精细尺度人为CO2排放时空估算提供有效支持；2005~2013年全国人为CO2排放量急剧上升，从55.3亿t增长至107.3亿t；2013~2020年CO2排放增长率回落，变化趋向平缓；中国整体人为碳排放呈现“东高西低、沿海高内陆低”区域性特征，且在长江三角洲地区、京津冀地区、西部地区重点集聚；不同地区的人为碳排放特征与其工业化进程、经济发展水平、城县规模等有着密切联系。
土壤有机质（Soil Organic Matter，SOM）是土壤固相部分的重要组成成分，可为植物提供生长所必需的养分，也是评价土壤肥力的一个重要参考指标。近年来，遥感技术为实现SOM的高效估算与制图提供了新途径，但环境干扰与数据复杂性仍是重要挑战。本文系统综述了常用的多光谱、高光谱数据在SOM反演与制图中的应用，并探讨了相关数据处理方法。研究表明：实验室控制条件下获取的光谱数据因环境稳定，其模型精度与稳健性显著优于野外实测数据；针对高光谱数据的特征选择与提取可降低数据维度与多重共线性，从而提升反演精度；融合机器学习与深度学习的集成建模框架，相较于单一模型，能更有效刻画土壤系统的非线性复杂特征；多时相数据通过整合植被季相动态与时间演变信息，进一步提高了模型预测能力。然而，光学数据易受大气条件制约，尤其在中国南方多云雨地区难以获取高质量影像，而微波遥感凭借全天候观测、地形适应性强等优势成为重要补充。未来研究需侧重多源技术协同：通过光学—SAR融合、多传感器平台联用及物理信息驱动的机器学习，削弱秸秆覆盖、土壤水分等混杂因素的影响；利用小波分析与盲源分离等预处理技术分离土壤特征光谱；构建融合土壤类型、农艺措施及气候变量的时空建模框架，增强预测普适性。同时，需发展可解释性人工智能模型与地理自适应的空间插值方法，以提升模型科学性与全球尺度的适用性。本研究为多源遥感技术支撑精准农业与可持续土地管理提供了理论与实践参考。
甘公网安备 62010202000685号
