土壤盐渍化作为全球范围内威胁农业生产力和生态环境安全的重大问题，已成为制约土地可持续利用和粮食安全的重要因素。如何实现对盐渍化的高效、准确监测，是当前农业资源与环境研究的重要课题。为厘清不同空间尺度下遥感监测土壤盐渍化的研究格局与技术路径，本研究围绕土壤盐渍化遥感监测的研究进展与趋势展开分析；结合文献计量分析，系统梳理土壤盐分监测领域的发文趋势与研究热点；总结了基于遥感数据源与方法模型的土壤盐渍化监测研究，并对原位、田间、区域三个尺度的应用实践进行了梳理；最后，总结了当前研究面临的挑战，并提出了未来应加强不同尺度模型之间的衔接与转换等方向的研究展望。本研究可为土壤盐渍化遥感监测领域的深入研究与应用提供理论支持与技术参考。
煤火长期燃烧不仅导致矿区资源损失，还可能引发地质灾害与环境污染，精准监测煤火区域至关重要。本研究利用SDGSAT-1热红外数据进行煤矿区地表温度反演，并与Landsat 9的地表温度产品（LC2L2ST）和无人机热红外影像结果进行对比分析，评估SDGSAT-1在矿区煤火监测中的可靠性。结果表明：基于单窗算法的SDGSAT-1反演结果中地表温度最高13.33 ℃，最低-9.46 ℃，高温区域与煤火区高度吻合；相比Landsat 9（100 m分辨率、185 km幅宽），SDGSAT-1（30 m分辨率、300 km幅宽）能更精准识别小范围温度差异，且适合大范围监测；且SDGSAT-1热异常区与无人机热红外高温区空间分布一致，证实了SDGSAT-1热红外数据进行地表温度反演及煤火监测的可行性。SDGSAT-1热红外数据在大范围煤火动态监测、灾害评估、预警及生态保护方面具有较好的应用前景。
本研究以邯郸市矿区重金属镉（Cd）为研究对象，提出一种融合光谱校正、增强与集成学习的土壤重金属高光谱定量反演方法。该方法采用直接标准化（Direct Standardization， DS）算法对卫星影像光谱进行校正，结合多种光谱特征增强方法及其组合策略突出土壤光谱特征，运用Boruta算法筛选敏感波段，并基于Stacking算法集成机器学习构建反演模型。结果表明：DS算法有效降低了卫星光谱噪声，与多数光谱增强方法结合后模型反演精度得到显著提高，R2 最高可提升0.72；组合策略在突出光谱信息方面优于单一方法，SD-SNV方法效果最佳；Stacking集成模型预测精度优于单一模型。结果证实，经DS校正的GF-5B AHSI影像光谱能有效表征矿区土壤Cd空间异质性，集成反演框架可为区域尺度土壤重金属监测提供可靠的技术支持。
植被辐射传输模型的参数敏感性分析是优化遥感反演算法和提高反演精度的重要环节。然而，现有研究在全波段范围内，对参数交互作用机制及其敏感性对观测几何条件的响应规律尚缺乏系统性分析。为此，本研究基于Sobol全局敏感性分析方法，构建了覆盖400~2 500 nm光谱范围及多种观测几何组合的参数敏感性分析框架，系统评估了10个模型参数的独立效应与交互效应，并揭示了太阳与观测天顶角在太阳主平面对参数敏感性的影响规律。结果表明：①生化参数Cab、Cbrown、Cw、Cm在其特征吸收波段表现出显著敏感性；冠层结构参数LAI与ALA在近红外区域具有较高敏感性；土壤参数psoil的敏感性在除可见光波段外的范围内较为一致。相比之下，N、Car与hspot的敏感性极低，在参数反演中可设为固定值以降低模型复杂度；②生化参数普遍具有明显的独立效应，其交互作用主要体现在各生化参数之间及其与叶面积指数LAI之间，其中以Cm与LAI的交互作用最为显著。此外，LAI还与土壤参数psoil和平均叶倾角ALA存在中等强度的交互作用，分别由LAI对土壤背景曝光面积及叶倾角特征显现程度的影响所引起。这些复杂的参数交互关系是导致OAT与Sobol方法分析结果差异的关键原因；③在太阳主平面内，后向散射下参数敏感性主要受热点效应支配；前向观测下，tts和tto通过改变辐射传输路径，影响冠层和土壤散射分量强度，以影响参数敏感性；两种散射条件下，参数敏感性在tts-tto空间呈现对称分布，这种观测几何的互易特征，为多角度遥感观测方案的设计与优化提供了可行依据。本研究揭示了PROSAIL模型参数的协同效应与角度响应机制，为多角度数据反演与波段优化提供了理论支撑。
传统的水储量遥感估算方法受限于区域适应性与数据连续性，难以支撑资料缺乏水库长期、连续且可靠的水储量监测需求。因此，亟需一种可靠的水储量反演遥感方法，用于刻画资料匮乏区域水资源变化特征及调节规律。本研究以澜湄流域6个典型水库为研究对象，在光学影像基础上采用改进的水体面积提取方法，并结合已有的水库面积—水位（A-E）模型反演的水位数据，构建面积—水位—水储量模型（A-E-S），实现水库长时间、高频率的水储量反演。结果表明：改进的面积提取方法使影像可用率提升逾30%；构建的A-E-S模型反演的日尺度水储量与实测值高度一致，相关系数（R）达0.98，相对均方根误差（RRMSE）为6.43%；反演水库水储量频率平均14.5 d，且相对均方根误差低于10%。研究表明，该方法为资料匮乏水库的水储量反演提供了可行途径，揭示了各水库“雨季蓄水削峰、旱季下泄补水”的调控特征，为跨境流域水资源的动态监测与精细化管理提供了数据和技术支撑。
柽柳灌丛沙丘（Tamarix nebkha）是由柽柳灌丛阻沙堆积形成的特殊生物地貌，作为优势群落对防风固沙起着关键作用。针对柽柳灌丛沙丘遥感识别研究关注不足的现状，以青海省柴达木盆地诺木洪地区的柽柳灌丛沙丘为研究对象，基于无人机高分辨率影像，首先采用多尺度分割进行对象划分并优化分割参数；提取光谱、植被、纹理和地形等特征变量后，分别采用逐步法和LASSO算法筛选最优特征集；随后结合随机森林（Random Forest，RF）、支持向量机（Support Vector Machine，SVM）和K近邻（K-Nearest Neighbors，KNN）3种机器学习方法构建识别模型，探索多特征变量与机器学习相融合的遥感识别方法。研究结果表明：多尺度分割参数设置为尺度150、形状权重0.4、紧致度0.5时分割效果较优，总体精度为91.00%，Kappa系数为0.728 0；与多尺度分类方法相比，随机森林、支持向量机和K近邻机器学习模型的分类精度和稳定性表现更优，纹理特征和地形因子被优先保留，表明其在干旱环境下区分柽柳灌丛沙丘与裸地的识别能力较强；不同特征选择方法与分类算法显著影响模型分类精度，其中基于逐步法选择特征集构建的RF模型分类效果最佳，总体精度达95.80%，Kappa系数为0.916 0，F1分数分布较集中，分类结果边界清晰。研究结果可为干旱区典型灌丛沙丘的系统监测、分类建模及生态恢复评估提供参考依据。
高分辨率遥感影像为地块尺度的耕地精细提取提供了重要数据支撑，但复杂农业场景中耕地地块破碎、形状不规则且尺度差异显著，现有方法难以兼顾内部语义一致性与边界定位精度，导致提取结果常出现区域不完整与边界粘连现象。针对上述问题，本研究提出一种边缘引导与自适应语义聚合相结合的耕地提取网络JEGA-Net。该网络以Res2Net-50为骨干提取不同尺度的耕地表征，并引入自适应多尺度融合模块AMFM，通过级联空洞卷积与动态空间注意力机制聚合不同感受野下的上下文信息，缓解地块内部语义破碎问题；同时构建联合边缘引导模块JEGM，采用全局与局部双路融合策略，并结合高频细节增强、不确定区域响应和语义边界校准，对复杂背景中的非耕地边缘干扰进行抑制，实现耕地轮廓的精细化重构。实验在FGFD与IFLYTEK两个高分辨率耕地数据集上开展，结果表明，本研究方法相较7种代表性对比方法取得了更优的定性和定量结果。研究表明：JEGA-Net能够有效缓解多尺度地块的语义不一致问题，提升复杂高分辨率场景下耕地地块的区域完整性、边界定位精度和结构保持能力。
星载微波湿度计观测的天线温度是场景亮温与天线方向图的卷积，需要进行天线方向图订正（Antenna Pattern Correction，APC）才能得到观测亮温。针对星载微波湿度计在非均匀场景下的定标与观测需求，本研究提出一种基于临近像元分布的天线方向图订正方法，通过计算交轨扫描连续采样序列中临近像元的天线增益权重，构建独立于观测场景的APC系数矩阵。在非均匀亮温场景中的比对分析表明，该方法相比传统基于均匀或单调变化场景的订正方法具有更高精度。针对方法对于随机误差的敏感性，通过引入最优化比例因子，结合通道噪声建立显著性筛选机制，实现了天线方向图效应订正与观测噪声控制的有效平衡。对MWHS-Ⅱ多通道对地观测数据的订正结果表明：通道1与通道8~15的订正亮温的均方根误差相比订正前的天线温度有明显降低，证明该方法在提升非均匀场景APC精度方面的有效性。该方法也可为宽波束、低波束效率的微波辐射计在非均匀场景下实施天线方向图订正提供有效的技术参考。
洪涝灾害是我国发生频率高、影响范围广、破坏性强的自然灾害，其快速、精准的动态监测与灾情评估，对于应急抢险决策、防灾减灾部署及保障人民生命财产安全具有重要意义。当前，单源遥感影像在洪涝灾害分析中具有易受云雾干扰、时空连续性不足及水体识别精度受限等局限。本研究聚焦2024年洞庭湖决堤事件，协同光学与SAR两类卫星影像，基于S1S2-Water数据集优化训练后的WatNet与GMNet深度学习模型，利用Sentinel-1、Sentinel-2及Landsat-9多时相影像，提取灾前、灾中与灾后3期地表水信息，结合数字高程模型（DEM）开展洪水水量反演，并采用随机森林监督分类统计各地类淹没状况，以实现洪涝灾害的评估。结果表明：优化训练后的模型性能提升显著，在水体提取中展现出较高的综合精度；本研究区洪水背景下的提取结果与实测数据吻合，精度稳定可靠，监测到的洪水高峰期最大淹没面积为45.08 km²，水体总面积较灾前增加约18倍，最大水量达157 502 160 m³，较灾前增长约25倍，耕地为主要受淹地物类型且占比超80%。本研究证实，光学与SAR影像协同的深度学习洪水提取方法，可有效弥补单源遥感的技术短板，提升洪水信息提取的及时性、时空连续性与稳定性，为今后洪涝灾害的高效分析和智能监测、洪水提取模型的改进提供了实例参考。
大规模电力基础设施已成为社会经济发展的核心支柱，然而却日益面临着极端自然灾害的严峻威胁与挑战。在气候条件恶劣地区，冻雨、暴雪等天气易导致输电线路表面凝结覆冰，引发断线、倒塔等事故，严重影响电网安全稳定运行，因此开展输电线路覆冰检测相关研究具有重要现实意义。为应对上述挑战，本研究提出一种基于计算机视觉的输电线路覆冰轮廓提取方法，构建融合困难样本检测与语义分割增强的覆冰轮廓提取模型。该模型针对覆冰图像分割中背景复杂、覆冰导线与背景边界模糊、覆冰类型多样的关键难点，在DeepLabV3+网络基础上引入Transformer 结构与通道注意力机制，构建多级特征聚合网络（MFANet），并通过优化损失函数增强对导线边缘区域的建模能力；同时构建专业覆冰图像数据集，将 MFANet 与 U-Net、DeepLabV3+、HRNet、SETR等主流模型进行对比。结果表明：MFANet在导线交并比上达到90.86%，计算量为42.07 G FLOPs，能够有效缓解复杂背景、边界模糊和类内差异带来的识别困难，显著降低漏检与误检情况。该模型展现出优越的工程适用性，可为输电线路覆冰检测提供有效技术支撑，助力保障电网安全稳定运行。
现阶段基于机器视觉深度学习目标识别的公共数据集均为大目标样本集，尽管在遥感影像的目标识别中取得了不少研究成果，但在处理复杂背景下的检测微小目标时具有较高的误检率与漏检率，原生训练模型仍存在一定的局限性，开展利用超大影像对微小目标智能识别与精准定位的研究，对林业、军事和国土等领域具有重要的理论与实践意义。本研究在YOLOv9n模型原有C3、C4、C5深层网络的基础上，增设C2浅层网络P2小目标检测头，通过影像特征上采样，融合浅层特征信息，将原模型8~32像素的目标识别精度优化至4像素，同时运用渐进式模型训练方法，经冻结全部骨干网络、解冻骨干网络中间层、全局特征微调等3个阶段，有效缓解了过拟合风险。此外，针对极小目标易被大尺度目标所淹没的问题，本研究提出了“超大影像瓦片切割策略”，进一步增大了小目标的影像特征，提高了微小目标的识别精度。利用该方法在某林业幼树精准调查项目中进行了测试与消融实验，结果表明：①在极小目标探测上，改进模型结合渐进式训练方法，mAP@0.5与mAP@0.5：0.95模型指标分别达0.887、0.538，较原生模型分别提升了25.4%、12.6%；②渐进式训练通过分阶段优化，能更高效地平衡全局与局部特征学习，增强对小目标的检测能力；③单木幼树得到了精准识别与空间定位。该深度学习模型改进结合低空遥感等方法策略，可为农、林种植业的精准监测提供智能解决方案，也是对我国“低空经济、数字化建设及人工智能”发展战略的有效落地与实践。
针对复杂地表导致高寒湿地真实淹没范围难以精准量化的局限，本研究开展若尔盖花湖开放水域与植被覆盖水域的协同提取及动态分析，旨在为高寒湿地水文动态精细化管理与生态保护提供科学支撑。本研究基于2019—2024年Sentinel-1雷达遥感影像，利用最小误差阈值法提取若尔盖花湖开放水域；结合灰度共生矩阵方差纹理特征，构建高寒湿地典型雷达散射端元，并采用线性解混方法获取不同散射端元的时空分布特征，从而实现植被覆盖水域的自动提取。在此基础上，将开放水域与植被覆盖水域进行整合，获取花湖有效水域数据，并结合精度验证、时序变化分析和环境因子相关性分析，系统揭示2019—2024年花湖有效水域的时空演变特征及其环境驱动机制。结果表明：结合灰度共生矩阵（GLCM）方差纹理特征与线性解混方法可有效识别花湖植被覆盖水域。本研究提取的花湖有效水域总体精度≥89%，开放水域精度高达95%；2019—2024年花湖有效水域年际变化呈先降后升、整体缓慢下降趋势，季节上表现为4—8月扩张、9—10月收缩，其中植被覆盖水域变化幅度更剧烈；降水和气温是影响花湖有效水域变化的主要环境因子，降水通过调节地表径流补给调控植被覆盖水域，使有效水域面积峰值相对于降水峰值滞后约1个月，气温升高引起的蒸散发增强则可能对有效水域扩张产生一定抑制作用。本研究利用雷达遥感影像纹理特征实现了高寒湿地有效水域的高精度提取，系统解析了花湖有效水域的时空特征及其对环境要素的响应规律，为高寒湿地水文过程监测、生态保护和类似湿地区域的精细化管理提供了科学依据。
高时空分辨率地下水埋深数据是揭示干旱内陆盆地地下水动态变化、开展生态水文过程研究和支撑区域水资源管理的重要基础。受监测井分布稀疏及观测序列不连续等因素限制，柴达木盆地区域尺度地下水埋深数据长期存在空间覆盖不全和时间连续性差的问题。本研究基于2018—2024年柴达木盆地108眼监测井实测数据，利用ERA5-Land气象再分析资料、地形因子和土壤属性等多变量，对多种机器学习与深度学习模型的地下水埋深反演性能进行了对比分析。结果表明，随机森林（RF）模型在多种对比模型中综合性能最优，测试集决定系数（R²）为0.974。基于该模型，本研究构建了柴达木盆地2015—2024年逐月、1 km空间分辨率地下水埋深时空连续数据集。独立监测数据验证结果显示，反演值与实测值具有较高一致性，决定系数为0.932，平均绝对误差为4.22 m，均方根误差为8.04 m；区域平均地下水埋深年际变化与观测序列高度一致，相关系数为0.96。该数据集具备较高的时空连续性与模拟精度，可为干旱区地下水动态监测、水文生态过程分析和区域水资源精细化管理提供连续、可靠的数据支撑。
探究如何在多源遥感数据支撑下科学刻画生境因子作用机制，并实现高精度生境适宜性制图在生态保护和管理中具有重要意义。本研究以大熊猫国家公园王朗片区为研究区，构建了多模型可解释评估框架，融合红外相机监测与多源遥感数据，选取关键生境因子并量化其对栖息地适宜性的贡献；在此框架下，遴选出遥感易表征、遥感产品可获取及可空间化的关键因子，结合随机森林（RF）、支持向量机（SVM）、极端梯度提升机（XGBoost）、轻量梯度提升机（LightGBM）和多层感知机（MLP）5种机器学习模型开展对比分析，选取了最优模型预测变量相对重要性排序，并结合SHAP（SHapley Additive exPlanations）方法解析了各环境因子在栖息地适宜性评估中的作用机制。结果表明：RF算法表现最优（AUC=0.94），其次是LightGBM（0.90），SVM（0.88），XGBoost（0.86），MLP（0.85）；变量重要性分析显示，主食竹分布、最高温度、海拔、距道路距离、NDVI和树高在多模型中均表现出较高贡献率，是决定大熊猫栖息地适宜性格局的关键因子；从空间格局看，高适宜性区域占18.93%，中高适宜性区域占23.36%，中等适宜性区域占21.12%，低适宜性区域占22.51%，非适宜性区域占14.08%；高适宜性和中高适宜性区域主要集中在研究区中部、东南部及长白沟、大窝凼和竹根岔沟两侧，与已知的大熊猫活动痕迹高度吻合，构成核心生境区域，而边缘区域的适宜性则明显降低。本研究所提出的可解释、多模型对比的栖息地适宜性评估方法不仅适用于王朗片区，也可推广至其他大熊猫分布区域，为跨区域栖息地优化与生境质量空间管理提供科学依据。
土地利用通过改变植被覆盖与生态系统结构，直接驱动生态系统在碳源与碳汇之间的转化，深刻影响区域碳循环。脆弱型高植被覆盖区因高碳汇潜力与强干扰敏感性，其土地利用变化的碳汇响应机制是当前研究的关键议题，但现有研究对该特殊区域的关注度尚存不足。本研究以典型脆弱型高植被覆盖区凉山彝族自治州为研究区，基于GlobeLand30数据与InVEST模型探究该区域2000—2020年土地利用变化及其碳汇响应机制。结果表明：凉山州土地利用以林地、草地减少，耕地、建设用地增加为核心特征，但总体变化速率呈放缓趋势；碳储量呈先升后降趋势，其中2010年的峰值与林地扩张相关，2020年的下降与林地缩减及建设用地扩张有关；林地是碳储量的主要贡献者，使得西部高、中东部低的碳储格局与林地分布高度一致。本研究可为区域生态保护与“双碳”目标推进提供科学支撑。
在全球气候变化与“双碳”目标背景下，深入认识农业生态系统碳循环具有重要意义。本研究以黄河流域耕地区为研究对象，基于2001—2023年净生态系统生产力（NEP）、气象和地形数据，采用趋势分析、波动性分析、相关性分析及结构方程模型，探讨耕地季节性NEP的时空变化特征及驱动机制。结果表明：2001—2023年黄河流域耕地区NEP整体上升，夏季NEP最高且增幅最大，春秋季次之，冬季虽较低但仍有提升；空间分布春季呈“东南高、西北低”格局，夏季为碳汇峰值期，秋冬季碳吸收减弱。变异系数显示，夏季波动性最高，秋冬季稳定；春季水分驱动、夏季温度制约、秋季植被主导、冬季地形与气温共同维持碳循环稳定。本研究为黄河流域农业碳汇评估与耕地管理提供科学依据。
精准绘制优势树种空间分布图对森林碳汇评估与生物多样性保护至关重要。针对当前研究多直接采用分类器默认参数、缺乏系统优化，以及高光谱卫星数据在省市级尺度树种分类中应用不足的问题，本研究以云南省香格里拉市为研究区，基于GF-5高光谱数据，结合CHM、DEM等多源数据，构建涵盖光谱、纹理、地形及高度特征的337维特征集。进一步引入贝叶斯优化算法对RF、XGBoost、AdaBoost、CatBoost、LR、LightGBM及GaussianNB共7个分类器进行超参数自适应寻优，并在此基础上分别构建Voting与Stacking集成模型。结果表明：①特征筛选结果显示，以冠层高度和地形因子为主的特征贡献约58.8%，在模型判别中占主导地位；高光谱红边、近红外和短波红外相关波段及植被指数是重要补充，贡献约41.1%，二者共同构成优势树种分类的关键判别信息来源；②优化后的XGBoost在7个分类器中表现最优，其F1分数与Kappa系数分别达到0.70和0.73，可较好地实现优势树种制图；贝叶斯优化对多数分类器性能具有显著提升作用，综合P、R、F1和Kappa四项评价指标，不同分类器的平均提升幅度为1.5%~8.2%；③不同树种分类难度差异显著，云南松、冷杉、高山松具有良好可分性，F1分数最优达0.72~0.79，而云杉和栎树分类精度较低，F1分数集中于0.42~0.51；④集成模型的精度优于多数单一模型，但提升幅度有限，总体精度仅提高1.45%，而各树种分类精度提升约1.3%~6%。研究结果证实了GF-5高光谱数据结合系统性参数优化在复杂山区树种分类中的有效性，可为省市级尺度森林精细监测提供技术参考。
高速公路作为城市区域重要的交通枢纽，其安全稳定运营对保障城市交通与区域发展意义重大。近期，甘肃省兰州市城关区G30连霍高速公路兰州段K1694+410~K1694+480区间病害问题突出，其中上行线发生了路基沉降，下行线在路基沉降基础上出现了道路贯穿裂缝病害。为了精准重现该区域路基变形情况，本研究基于差分干涉合成孔径雷达测量技术（Differential Inter-ferometric Synthetic Aperture Radar，DInSAR）获取了该路段视线向（Line of Sight，LOS）时序形变量与形变速率，进而开展了长时序路基沉降监测分析与变形演化识别研究，旨在揭示强降雨致沉、振动载荷和极端气温致沉等因素的作用规律和叠加影响。结果显示：2024年8月—2025年8月，研究区形变速率在-45~59 mm/a之间，累积形变量最大量达-53 mm；降水是导致研究路段沉降的主导因素（70%），强降水易使路基土体湿陷，破坏边坡稳定性；重型运输车振动载荷为重要影响因素（20%），车辆长期振动会引发路基土体累积压缩变形，并加速路面损伤；极端高温与极端低温的综合影响相对较小（10%），极端温变通过“冻融—干缩”循环来削弱路基承载能力。因此，参照如上影像大地测量技术的精细结果与致沉机制研究，可以为后期高速公路路基沉降修复工程的实施和灾害防控工作的开展提供科学参考。
在气候变化背景下，森林火灾与热浪之间的相互作用日益增强，凸显了复合灾害研究的紧迫性。然而，由于昼夜持续型热浪对森林火灾的影响涉及多尺度气象条件、可燃物状况与人类活动等多重因素的复杂耦合，其间的动态过程与主导机制尚不明确。本研究基于MCD14ML火点数据、ERA5再分析资料等多源数据，识别了昼夜持续型热浪—林火复合事件，并运用事件重合分析与时空统计方法，系统揭示了该类热浪对我国夏季林火的影响机制。结果表明：①昼夜持续型热浪—林火事件在我国分布广泛，部分重点林区呈现聚集特征，且年际波动显著；②热浪对林火的平均即时触发率为0.12，南岭等区域高达0.47；③热浪对林火的触发存在4~5 d滞后效应，并显著增强火势，且增强效应在昼间与夜间均存在；④在更大空间尺度上，热浪对日间林火的触发作用更强，但复合事件中夜间林火比例由18.3%上升至28.2%，相对增幅显著；但日间林火触发率（0.11）仍高于夜间（0.05），表明热浪对日间林火的直接触发作用更强，而对夜间林火的促进作用主要表现为相对占比的提升。未来研究重点应关注热点区域的形成机制与热浪—林火互馈过程，以支撑针对性防控策略制定，提升生态与公共安全韧性。
估算高空间分辨率作物耗水量，是实现农业用水精细化管理，推动农业生产向高效与可持续方向转型的关键。本研究运用Ball-Berry气孔导度模型耦合双叶光能利用率模型与Penman-Monteith方程，构建基于碳水耦合理论的作物耗水量遥感估算模型，同时采用蒙特卡洛方法进行参数优化；在此基础上，基于高分六号（GF-6）卫星遥感数据、CLDAS V2.0气象数据及土地利用等多源数据，实现衡水市作物耗水量的16 m高空间分辨率遥感估算。结果表明：①2019年5月2日（冬小麦生长季内），全市作物耗水量均值为3.81 mm/d，景县、深州市、冀州区、阜城县和故城县高于全市均值；②2019年9月18日（夏玉米生长季内），全市作物耗水量均值为4.45 mm/d，景县、阜城县、武邑县、深州市、武强县、枣强县和冀州区高于全市均值。综上所述，利用双叶碳水耦合模型，基于GF-6卫星遥感数据，可实现对区域作物耗水量的高空间分辨率遥感估算，为精细化农业水资源管理提供可靠技术支撑。
准确量化评价生态脆弱区生态环境质量变化，对维持区域生态安全与可持续发展至关重要。本研究融合Landsat 8与Sentinel-2多源遥感数据，构建高分辨率遥感生态指数（RSEI），采用多元回归模型，开展了2013—2021年贺兰山自然保护区生态环境质量时空变化特征评价，并从植被质量变化、水源涵养量变化、土地荒漠化、地表温度变化等多角度开展机制解析与归因分析。结果表明：①研究区生态环境质量整体呈下降趋势，RSEI均值显著降低；②生态环境质量空间异质性显著，相对稳定区域占比67.94%，退化区域占比24.98%，改善区域占比7.08%；③绿度因子（NDVI）对生态质量的改善起决定性作用，而干度（NDBSI）和热度（LST）是主要的退化驱动因素。研究结果可为贺兰山及其所处生态脆弱区关键生态环境因子优化管理，系统提升生态环境质量，维护区域生态安全提供参考。
商洛市是全国唯一全域位于秦岭腹地的地级市，作为秦岭生态系统的核心载体，其生态环境质量演变对维护秦岭生态安全、推进陕西省生态文明建设具有不可替代的战略意义。传统遥感生态指数（RSEI）模型存在指标单一、对生物多样性与生态系统功能表征不足的局限，难以适配秦岭山地生态系统的复杂性。为实现更全面、精准的评价，本研究以商洛市行政辖区为对象，基于Google Earth Engine（GEE）平台的Landsat数据集，选取2001、2005、2011、2016和2024年影像，创新性构建综合遥感生态环境指数（IRSEI），耦合绿度、湿度、干度、热度、生物丰度、植被净初级生产力和PM2.5共7项指标，实现对生态系统“结构—功能—环境”的多维覆盖；结合MK-Sen趋势分析、Hurst指数计算与空间自相关分析，系统探究近23年生态环境质量的时空演变规律；采用参数优化的地理探测器模型，量化分析绿度、湿度、热度、干度、人类活动强度（HAI）、土地利用类型、夜间灯光强度、降雨量及海拔9个自然与人为影响因子的作用强度及交互特征。研究结果表明：①商洛市生态环境质量整体良好，2001—2023年IRSEI值持续维持在0.650以上，空间上呈现“中部低、四周高”格局，中部城市密集区为低值聚集区，四周山地丘陵区为高值聚集区；②时间维度上，IRSEI均值从2001年0.675波动增长至2023年0.764，增长率13.19%，78.19%的区域实现生态改善，其中显著改善区域占比52.61%，集中于中部区域；但Hurst指数预测显示，未来76.16%的区域将由改善转为恶化，生态保护面临潜在压力；③绿度和人类活动强度分别是自然因素和人为因素的核心因子，绿度与干度的交互作用对生态质量空间分异的解释力最强。本研究构建的IRSEI指数有效弥补了传统RSEI的不足。研究成果可为秦岭生态保护、区域生态治理及可持续发展战略制定提供科学依据，也为同类山地城市生态环境评价提供方法参考。
甘公网安备 62010202000685号
