冬小麦地上部生物量是反映作物生长状况与产量形成潜力的重要生理指标，其准确、高效的监测对于实施精准农业管理、优化施肥与灌溉策略以及保障粮食安全具有重要意义。本研究在河北省石家庄市藁城区南部开展了田间试验。试验分别在冬小麦的返青期、拔节期和灌浆期进行了地上部生物量及冠层高光谱反射率的测定。通过皮尔逊相关性分析初步筛选了冬小麦不同生育期的原始光谱、多元散射校正光谱、一阶导数（First Derivative，FD）光谱和连续统去除光谱中与地上部生物量显著相关的敏感波长。在此基础上，运用竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling，CARS）算法和连续投影算法（Successive Projections Algorithm，SPA）进行特征波段选择，再结合偏最小二乘回归（Partial Least Squares Regression，PLSR）、高斯过程回归（Gaussian Process Regression，GPR）和支持向量机（Support Vector Machine，SVM）3种机器学习方法构建生物量估算模型。研究结果表明：①基于一阶导数处理的光谱数据在相关性分析和机器学习建模中整体表现优于其他光谱预处理方法；②CARS算法和SPA均能有效剔除高光谱数据中的冗余信息，降低数据维度。其中，SPA在简化波段方面表现更为突出，但是基于CARS算法的模型整体估算精度要高于SPA。二者所筛选出的与地上部生物量高度敏感的特征波段主要集中在红边和近红外区域内；③在不同生育期，FD-CARS-GPR模型的整体表现优于其他方法，展现了良好的适应性和鲁棒性。特别是在拔节期的模型估算精度最高，验证集R2为0.802，RMSE为50.97
及时且精准绘制仿野生中药材分布对地方经济与中药资源保护意义重大。本研究采用一种创新方法探索了联合高分和哨兵2号遥感数据绘制仿野生中药材分布的潜力。该方法融合了任意分割模型（Segment Anything Model，SAM）和简单非迭代聚类模型（Simple Non-Iterative Clustering，SNIC），以实现田块边界的高精度提取，并利用归一化植被指数（NDVI）的长时间序列数据，从年际和年内两个角度构建识别特征，实现仿野生中药材遥感识别。结果表明：SAM- SNIC模型分割结果融合策略能够实现山区耕地边界的高精度识别，戴斯系数介于0.94~0.97之间。此外，变异系数和方差已被确定为区分仿野生中药材与其他类别的最有效年际变化指标。值得注意的是，5月、8月和10月是准确识别仿野生中药材的关键年内时间窗口。研究构建的识别系统实现了高达88%的识别准确率。在华池县，仿野生中药材的种植面积在过去5年中累计增长了49.7%，与统计数据的一致性系数为0.79。结果凸显了该技术的高识别精度，可为相似农业结构区提供参考。
在农业领域，密集而完整的遥感观测时间序列数据对于农情信息监测至关重要。光学遥感丰富的光谱信息使其已被广泛用于作物监测，而云雨天气易造成光学遥感时序缺失是其困境，全天候成像的合成孔径雷达（SAR）遥感是有效补充，但也存在解译困难问题。考虑到两类数据的特点以及传统像元尺度研究的局限性，提出了一个地块约束的光学与SAR遥感时序特征转换方法，用农田地块代替传统像元作为基本计算单元，基于Transformer框架构建两类遥感数据的时序特征转换关系，进而利用转换得到的时序特征实施地块级作物遥感分类。实验结果显示：转换结果的MAE、RMSE、R2分别可以达到0.060、0.086、0.889，在作物分类场景下分类精度相较于原始光学时序特征OA下降2.8%、Kappa下降4.9%、Marco F1上升1.9%，论证了转换结果在实际应用场景中的有效性，同时探究了地块约束、作物类型、特征选择等因素对转换结果的影响，为利用SAR填补光学数据的缺失提供了一种具有潜在推广价值的解决方案，为多云多雨地区开展SAR-光学遥感协同分析提供了方法参考。
耕地种植强度是指在单位面积的耕地上所种植的作物数量或者面积，可以有效反映耕地资源的利用方式和效率。耕地种植强度及其时空变化信息，对于开展耕地资源遥感监测和农业种植结构调整、保障国家粮食安全、生态安全和实现农业生产的可持续发展具有重要意义。研究前期已构建了包含江汉平原地区主要种植模式（春单季、夏单季、春夏双季、夏秋双季、双季稻）的种植模式谱和融合关键物候期影像进行种植强度提取的贝叶斯网络模型。在此基础上，将用于种植模式提取的朴素贝叶斯网络在时间维度上进行扩展，增加种植强度变化节点作为两个时相的种植模式节点的子节点，通过进一步挖掘种植模式变化的语义信息，构建基于动态贝叶斯网络的种植强度变化检测模型，实现江汉平原地区种植强度变化的自动高精度检测。结果表明：融合遥感数据和作物物候知识的动态贝叶斯网络模型，实现了先验知识的概率编码和概率推理的集成，能自动提取变化信息，提高了种植强度变化检测的自动化水平；种植模式谱基础上的种植强度语义变化信息提取，能更准确刻画种植强度变化的类型，提高种植强度变化检测方面的精度；在种植强度变化方面，江汉平原地区约15%的耕地存在显著的种植强度变化，其中，种植强度降低的趋势最为显著，占比超过60%。本研究提出的动态贝叶斯网络模型基于农作物独特的季相节律特征，仅用几个关键物候期就可以挖掘多时相间的种植模式变化信息，揭示江汉平原地区2017—2021年种植强度的时空变化格局，证明了利用关键物候特征在区域尺度实现种植模式变化检测的有效性和可靠性。研究构建的种植强度变化检测的动态贝叶斯网络模型具有融合遥感数据和作物物候知识的优势，无需大量的训练样本，避免了机器学习的局部最优问题和传统变化检测方法带来的累计误差，在种植强度变化检测上具有较大应用价值。
梯田是丘陵和山区常见的农业景观和有效土地利用方式，有助于提高农业生产的产量和质量。迁移学习技术能够实现已有样本、模型、知识的最大程度复用，但是其在梯田提取中的性能研究较少。本研究选取UNet、HRNet、SwinUNet、TransUNet、Segmenter共5种典型高性能深度学习框架，基于由GF-6卫星获取的2 m高空间分辨率的遥感影像开展迁移学习跨区域梯田监测分析。结果表明：UNet在梯田空间特征提取任务中表现最为优异，在目标域总体精度为81.67 %，平均精度为81.97%；2020年，散渡河流域梯田总面积为1 274 km2，占耕地比例61.8 %。借助迁移学习，依托预训练模型获取梯田分布信息，既能有效降低人力、物力成本，为跨区域梯田监测分析提供理论依据，又能为大规模遥感监测、土地利用规划等相关应用奠定基础。
耕地复种指数是衡量复种程度的重要指标，针对西南高云量农业区，开发了一种简单而高效的耕地复种指数提取方法，以满足精准农业监测的要求。方法基于多源数据融合的大规模降尺度数据，利用Whittaker Smoothing对归一化植被指数（Normalized Difference Vegetation Index，NDVI）时间序列曲线平滑重构，采用邻域比较法提取波峰，引入归一化燃烧比（Normalized Burn Ratio2，NBR2）对两波峰点之间的裸土发生情况进行检测，以此排除伪峰，构建了适用于四川盆地的耕地复种指数遥感提取流程，并实现2020年全域复种强度制图。结果表明：基于目视解译的样本评估，四川盆地耕地复种指数提取总体精度达到89.0%，Kappa系数为0.793；计算得出的播种面积与县/区级统计数据中的播种面积呈现强相关性，决定系数（R2）为0.921 5，平均相对误差（MRE）为21.81%。研究结果可为当地农业部门合理调整休耕、开垦方案等政策，实施精准农业监测提供数据和决策支撑。
粤港澳大湾区是我国改革开放程度最高，经济活力最强的区域，探究其城市化时空特征对理解区域城市群演变及经济发展关系具有重要意义。本研究利用1992—2012年DMSP/OLS与2012—2021年NPP/VIIRS两套夜间灯光遥感数据，通过对比两种数据整合路径（基于NPP/VIIRS模拟DMSP/OLS与基于DMSP/OLS模拟NPP/VIIRS）的效果，并借助其与国内生产总值（Gross Domestic Product，GDP）的线性回归分析验证数据可靠性，最终遴选出最优的数据融合方案，构建了1992—2021年粤港澳大湾区长时间序列夜间灯光数据集，并探究了大湾区城市化的时空演变规律。结果表明：①1992—2021年粤港澳大湾区夜间灯光亮度整体上呈持续增长趋势，且其灯光亮度增长在1992—2001年、2002—2011年和2012—2021年3个时间段有显著的地域差异，首先经历广州、香港、澳门等核心城市辐射带动周围城市核心区灯光亮度快速增长，随后溢出到郊区，并刺激郊区快速增长，当郊区发展饱和后，灯光效应再次溢出至县域乡镇地带；②1992—2021年粤港澳大湾区北部、西部城市建成区扩张速率高于东部、南部，且粤港澳大湾区城市建成区向外扩张的主要方向逐渐由“东南—西北”方向转变为“偏东—偏西”方向。
一个国家或地区内部发展的不均衡长期威胁着社会和经济的发展，阻碍减贫工作，科学测度区域经济发展均衡性是缓解和消除不平衡、缩小区域差距亟待解决的首要问题，也是区域经济学研究领域长期关注的热点之一。针对区域经济发展问题，研究采用夜间灯光遥感数据与人口数据相结合计算出的灯光基尼系数作为评估陕西省经济发展均衡性的指标，对2000—2020年间陕西省全域、三大区（陕北、关中、陕南）、10个地级市以及107个县级行政区的经济发展均衡性进行了时空演变特征的定量化分析，并在此基础上，利用耦合随机森林模型与SHAP（SHapley Additive exPlanations）方法测算驱动因素的重要程度，探究其变化响应特征。结果表明：2000—2020年间陕西省灯光基尼系数经历了从2000年时普遍偏高到2000—2010年间的缓慢下降，再到2010—2020年间快速均衡化的动态演化过程。陕西省经济发展均衡性的多尺度差异性与联动特征显著，超过93%的县级行政区灯光基尼系数呈下降趋势；关中城市群内各市均衡性明显优于陕南、陕北，西安市、咸阳市等平均灯光值较高、发展活力强的地市内部经济发展均衡性较强，且市际差异逐步缩小；三大区尺度方面，关中和陕北均衡性较强，陕南分布仍偏离均衡状态；另外，陕西省经济发展均衡性对驱动因素呈非线性响应特征，路网密度是影响陕西省经济发展最主要的驱动因素。研究结果为实现区域均衡发展和促进共同富裕提供新的研究视角与科学依据。
城市空间结构是城市地理学与城市规划领域的核心议题，深化其研究对促进城市可持续发展具有重要的理论与实践意义。为探究西安市近10年的城市空间结构演化特征及驱动机理，本研究采用Black Marble夜间灯光数据与POI数据的空间耦合分析方法，通过对2012年与2022年两期数据进行网格化处理、核密度估算与耦合协调度建模，系统解析了西安市城市空间扩展模式与功能布局的动态变迁。研究结果表明：①Black Marble夜间灯光数据与POI数据的耦合分析方法在表征城市空间结构方面效果较好；②西安市整体为单中心城市空间结构，并逐渐向外环形扩张，北部地区发展迅速；③两类数据的耦合协调度呈现中心向外围逐级递减的变化态势；④高—高、高—中等耦合类型区主要分布于中心城区并向外扩散，而高—低、中—低等类型则典型分布于城乡过渡带，反映出城市功能与经济活动强度的空间匹配关系。除中—高类型外，其余各类耦合区面积在10年间均有所增加，印证了城市空间的持续扩张与内部重构。本研究揭示，西安市城市空间结构的演变是宏观政策引导、社会经济发展与产业空间调整共同作用的结果。本研究验证了多源地理大数据耦合分析方法的有效性，可为西安及同类城市的国土空间规划与可持续发展策略提供科学依据。
大气二氧化碳柱平均干空气混合比（XCO2）长时间监测对于准确估算碳排放量及研究气候变化有着重要意义。“嗅碳”卫星是目前能大面积覆盖且获得长时间序列数据的最佳来源，但卫星产品因多以轨道表示导致全球分布极不均匀且有大面积空白区域，迫切需要采用合适的方法将其网格化，才能充分发挥卫星探测的优势。因此，研究以OCO-2的Level2产品数据V11.1版本（OCO2_L2_Lite_FP）为基础，同时考虑XCO2时空变化特征规律，采用时空插值映射方法，对残差数据的经验半方差建立积和函数变异模型并拟合模型参数；利用通用克里格插值原理，对5°纬度带分别插值，得到2015—2022年55°S~60°N范围的陆地1°×1°经纬度网格XCO2数据集。与TCCON站点数据作对比，二者具有显著的线性关系，相关系数高达0.980 6，平均绝对误差在1 ppm之内。结果表明该数据集具有较高的精度，可为评估碳排放、实现“双碳”目标提供数据支持。
地表温度（Land Surface Temperature， LST）作为表征区域和全球尺度下地表与大气之间能量交换的关键物理量之一，被国际地圈、生物圈计划列为优先测定的参数之一，其高分辨率产品对于地物刻画具有重要意义。本研究在充分挖掘可持续发展科学卫星1号（Sustainable Development Science Satellite 1，SDGSAT-1） 热红外传感器（Thermal Infrared Spectrometer，TIS）高空间分辨率（30 m）数据优势的基础上，结合光谱响应函数特性，探索了基于改进后单窗算法的SDGSAT-1卫星LST反演方法。为验证其可靠性，对4个区域9期SDGSAT-1 TIS数据进行了LST反演，并采用3个SURFRAD（Surface Radiation Budget）站点的直接验证与不同LST产品的交叉验证方法综合评价了SDGSAT-1 LST反演结果。结果表明：该方法反演的SDGSAT-1 LST可靠性高，在3个SURFRAD站点数据的R2为0.91，与Landsat C2L2的一致性为0.98；该方法反演的SDGSAT-1 LST在不同地表覆盖类型上有一定的差异性，其中水体温度的反演差异最小，与Landsat C2L2 ST和MOD11A1平均误差分别为-1.62 ℃、-1.49 ℃，植被、耕地与人造地表次之。裸地最差，与Landsat C2L2 ST和MOD11A1平均误差分别为-1.51 ℃、3.23 ℃，但优于Landsat C2L2 ST和MOD11A1的平均误差（4.29 ℃）；该方法反演的SDGSAT-1 LST能更精确地反映不同地物的温度差异，更好地分辨地物内部细节，更准确地刻画地物边界。研究提出基于SDGSAT-1热红外数据LST反演方法可满足热红外遥感数据生产LST产品的应用需求，有效地提升LST精细化刻画能力，对未来推动全球气候变化和全球碳平衡等领域研究的发展具有重要意义。
热红外遥感地表温度（LST）是监测土壤水分（Soil Moisture，SM）变化的重要手段之一，然而由于云层影响，LST数据往往存在大量缺失。为突破LST数据缺失的局限，学者们提出了“时空插值”和“多源数据融合”两大类填补方法。现有填补方法评估多依赖地面实测温度验证，然而鲜有研究从土壤水分监测角度评价，限制了基于LST的SM监测技术的发展。因此，本研究基于机载与站点实测SM数据，比较分析了基于时空插值方法的填补产品（LST_Zhang、LST_Shiff）以及基于多源数据融合的填补产品（LST_Gao、LST_Yu）在土壤湿度监测中的应用性能。研究利用遥感地表温度与植被盖度两阶段梯形空间计算的土壤蒸发效率（Soil Evaporation Efficiency，SEE）作为土壤水分监测指标，设计了不同LST填补产品和4种气象再分析资料（ERA5-Land、GLDAS、MERRA-2、NLDAS-2）组合计算SEE的方案，以机载和站点实测SM作为分析依据，以SEE与SM之间的一致性作为分析标准。研究结果表明：①对比时空插值的方法，基于日内LST变化的填补产品LST_Zhang性能优于基于年内LST变化的填补产品LST_Shiff。对比多源数据融合的方法，基于时空分辨率与原始LST相近的辅助数据的填补产品LST_Gao性能优于基于时空分辨率较粗糙的辅助数据的填补产品LST_Yu；②与不同气象再分析资料组合计算时，LST_Zhang、LST_Gao性能分别优于LST_Shiff、LST_Yu，并且与MERRA-2组合计算的SEE效果优于其他组合方案，与机载SM之间的相关系数R均值达到0.39，p<0.01，与站点实测SM之间的时间变化趋势一致性较高；③面向土壤水分监测需求，建议未来LST填补算法同时考虑LST的日内、年内时空变化，以及选择时空分辨率与原始LST相近的可靠多源辅助数据。本研究提出的匹配方案可以获得高精度空间连续的SEE数据，并为用于土壤水分监测的LST填补产品的生产提供参考。
总悬浮物（TSM）是评价内陆水体常规水质的重要指标之一。本研究基于鄱阳湖的4个典型研究区采集共计92个样点（涵盖多个季节）的水体TSM浓度和现场水面反射光谱，利用实测光谱数据模拟Landsat-8影像波段数据构建估算鄱阳湖TSM的反演模型。结果表明：基于Landsat-8的波段反射率B4、B5和B4/B3分别构建的反演模型精度较好，其中各自最优拟合系数R2分别为0.87、0.90和0.86。基于B4、B5和B4/B3建立的三项最优反演算法应用于现场采样准同步的Landsat-8卫星影像，提取鄱阳湖TSM浓度并做验证评价，验证精度最高的反演算法是基于B4波段的指数模型，TSM均方根误差（RMSE）为9.92 mg/L，百分比均方根误差（%RMSE）达36.60%。本研究利用B4波段的指数模型反演2022年鄱阳湖TSM时空分布特征。空间上，鄱阳湖TSM浓度较高的区域为北部通江河道、松门山至中心湖面区域；时间上，枯水期TSM浓度明显高于丰水期。鄱阳湖TSM的时空变化也间接反映人类活动对湖泊水质的影响。本研究评估并论证了Landsat-8卫星影像对鄱阳湖TSM的有效监测潜力，可为鄱阳湖水环境动态监测提供数据和模型支撑。
人类活动高度密集的珠江三角洲区域的悬浮泥沙陆源输出是南海近岸生态环境的关键因素，其精准遥感监测对区域环境管理与污染治理具有重要意义。本研究基于辐射传输原理，考虑有机污染物的影响，建立了一种反演机理清晰、参数意义明确的悬浮泥沙浓度遥感反演模型。对2021—2023年珠江三角洲的悬浮泥沙浓度反演与时空变化进行分析，研究结果表明：考虑有机污染物的影响，悬浮泥沙浓度遥感反演值与实测的拟合决定系数R2达0.741，均方根误差RMSE为5.969 mg/L，平均绝对值误差MAE为4.951 mg/L，模型反演精度较高，结果可靠；通过目视解译，发现东江三角洲中堂水道、寒溪河、西江三角洲中上游区域存在悬浮泥沙浓度较高的现象，这可能与工业区的陆源污染输入和下游河道淤积有关；珠江三角洲区域的悬浮泥沙浓度存在季节性差异，春季浓度较高、秋季浓度较低。本研究可为珠江三角洲及类似河口海岸区域的水环境遥感监测与陆海统筹治理提供科学依据。
针对遥感影像超分辨重建任务中出现的影像退化效果不符合现实场景、模型对多尺度特征信息感知能力较差等问题，本研究提出一种结合降质网络与多尺度特征融合的遥感影像超分辨率重建算法。首先，考虑到现实场景中多种降级因素对影像质量的影响，提出一个新的降质网络；其次，针对多尺度条件下特征信息捕捉能力不足的问题，设计了有效的生成网络和判别网络。在生成网络中，作为网络关键的密集多尺度特征提取结构（DFEMS）采用密集连接自适应特征增强块（AFEB）形式，旨在减少模型计算负担，同时增强了网络对多尺度特征信息的感知能力。在判别网络中，对UNet网络进行结构优化，提高了模型对全局结构与局部细节的辨识能力。基于UCMerced和WHU-RS19数据集，进行了消融实验和对比实验，实验结果表明：该方法在遥感影像超分辨率任务中表现出了优越的性能和良好的泛化能力。
光谱—空间信息的高效提取是高光谱遥感影像分类的核心问题。Transformers框架能有效表征高级语义特征的优势，同时卷积神经网络（CNNs）能有效提取局部特征，二者在高光谱影像分类领域潜力巨大。为了充分提取光谱—空间特征，本研究通过融合Transformers与CNNs网络的优势，提出一种基于Transformers的高频光谱—空间信息增强的高光谱图像分类方法（HFSST）。首先，通过3D-CNN和2D-CNN协同提取低层空—谱特征；其次，在跨层变换器编码器（TE）中嵌入CAB注意力机制，实现通道和空间信息平衡；最终，在TE模块输出特征后添加局部卷积分支，实现更好地恢复高频信息。实验在Indian Pines、Pavia University和Houston 2013数据集上进行验证，分类性能优于当前几种最先进的方法，表明本研究方法通过增强高频光谱—空间信息，可强化类间特征的可分性。此外，可以证明高光谱影像分类问题向局部高级语义分类问题推广的正确性。
遥感图像的全色锐化融合技术旨在将高分全色图像的空间纹理细节注入到低分多光谱图像中，合成具有精细光谱特征的高分辨率多光谱融合图像。在现有基于深度学习的全色锐化方法中，监督学习依赖降分辨率构建真值样本，不可避免地导致原始特征信息损失；非监督方法虽然可在全分辨率条件下训练，但在空间纹理细节保持方面仍存在不足。为此，研究提出一种结合空谱滑动特征的密集残差非监督全色锐化融合生成对抗网络模型。该方法首先在空间域和光谱域引入滑动窗口机制捕捉空谱特征；其次，结合密集残差实现空谱特征融合与重建；最后设计联合损失函数对模型训练进行整体约束。在两个不同数据集上的主、客观评价验证了该方法在空间纹理细节保持与光谱一致性方面的表现，消融实验分析了网络结构组成及联合损失对融合效果的影响。结果表明：该方法在非监督全色锐化任务中具有较为稳定的表现，为相关模型的结构设计与训练约束提供了参考。
气溶胶作为一种重要的大气成分，通过改变地表辐射特性和微气候条件，对植被光合作用和生态系统碳循环产生重要影响。气溶胶与植被之间的交互作用在不同地区和气候条件下呈现显著异质性，其机制尚未充分阐明。本研究以中国东北地区为研究对象，结合2000—2023年的高分辨率气溶胶光学厚度和太阳诱导叶绿素荧光数据，采用非线性格兰杰因果分析方法，系统探讨了气溶胶光学厚度（Aerosol Optical Depth， AOD）对植被光合作用的影响及其气候依赖性。研究结果表明：AOD通过增强散射辐射对我国东北森林植被的光合作用产生显著正向驱动作用，特别是在高叶面积指数和复杂冠层结构的植被类型中表现尤为突出；低温和适中降水条件进一步放大了AOD对植被光合作用的驱动效应，而极端气候条件则可能削弱或掩盖其作用。本研究不仅揭示了我国东北地区AOD与植被生态系统交互作用的复杂性，还为气溶胶治理和区域生态保护策略的制定提供了重要的科学依据。
PS-InSAR 技术广泛应用于地表形变监测，但其结果易受空间噪声干扰。为提升监测精度，本研究引入区域叠加滤波方法，基于0.1°×0.1°格网构建残差栅格，并结合ISODATA空间聚类，有效剔除共模误差（CME）。以2014年10月—2024年1月藏东南地区的PS-InSAR数据为基础，结果表明：去除CME后拟合精度显著提升，RMSE平均降低约45%，R²提高约25%。形变速率结果显示，藏东南西北部和中东部存在明显抬升（>5 mm/a），主要受断裂带活动控制；而沉降区集中在比如县周边，与安多南断裂带及2021年Ms6.1地震密切相关，形变分布与构造活动高度一致。此外，本研究提取了该次地震的LOS向同震形变场及震前后形变速率变化，发现震区整体呈现最大达23 mm的下沉，局部区域表现出明显同震突变，反映出断层破裂特征。震前形变速率相对平稳（<5 mm/a），震后出现约-10 mm/a的负向加速形变。结合震源机制解与InSAR 反演结果，证实地震由走滑—倾滑复合型正断层活动引发。本研究有效提升了PS-InSAR数据精度，揭示了藏东南地表形变的时空分布及成因，为地质灾害监测和雅鲁藏布江流域水电开发提供科学支撑。
镁铁—超镁铁质小岩体是岩浆型铜镍矿床的赋矿载体，但岩体因规模较小而易被野外工作所遗漏，因此利用遥感快速提取镁铁—超镁铁质小岩体对找矿勘查具有重要意义。以新疆东天山地区为研究区，利用ASTER和可持续发展科学卫星1号（SDGSAT-1）热红外数据，将卷积神经网络和Vision Transformer深度学习模型结合提取镁铁—超镁铁质岩体，并对两种数据提取的结果进行对比及野外验证。结果表明：以黄山地区已知镁铁—超镁铁岩为训练样本，在研究区内成功识别出主要镁铁—超镁铁岩体，证明以小范围作为训练区进行学习进而对周边大面积区域进行测试识别具有一定的可行性；ASTER热红外数据的空间分辨率为90 m，对于出露面积较小的岩体识别效果较差。同时，ASTER数据幅宽较小，进行大范围提取时需对多景影像进行镶嵌，在一定程度上降低了识别准确率；SDGSAT-1热红外影像空间分辨率为30 m，对于研究区内镁铁—超镁铁岩体识别效果较好，且该影像幅宽较大，更适合开展大范围应用。
生态系统服务价值评估旨在量化生态系统为人类社会提供的各类服务与功能的经济价值，为生态保护、环境治理及可持续发展政策制定提供决策依据，已成为推动可持续发展的重要基础。黄河流域作为中国重要的生态屏障和经济带，面临严重的水土流失和生境质量下降等挑战，流域生态环境退化问题影响了数亿人生态福祉。研究以人口密集的黄河流域中下游作为研究区域，基于InVEST（Integrated Valuation of Ecosystem Services and Tradeoffs）模型，融合2000、2010和2020年3期土地覆盖、年降水量、高程等数据，从省域尺度和用地类型角度评估产水量、碳储量、土壤保持和生境质量4类生态系统服务的时空演变特征，并揭示生态系统服务之间的相互作用。结果表明：两个研究时段内，产水量和土壤保持两类服务呈现逐步上升的趋势，碳储量逐步下降，生境质量表现出先上升后下降的动态变化；省域尺度下各生态系统服务表现存在差异；林地和草地的生态系统服务功能较突出；生态系统服务之间总体呈现协同关系，且空间维度呈现出显著的异质性。研究不仅提供了高精度的生态系统服务动态评估成果，还结合省域差异提出了因地制宜的生态保护策略，为黄河流域中下游区域的生态管理与可持续发展提供了参考。
甘公网安备 62010202000685号
