Google Earth Engine（GEE）是集遥感影像存储与分析于一体的综合应用平台，能够方便快捷地调用遥感影像与信息提取，因此GEE受到越来越多科研工作者的关注。随着GEE不断扩充和升级，系统平台也愈发复杂。对于一般用户来说，要想快速了解其体系结构和功能算法变的越来越困难。针对这一问题，系统介绍了GEE的技术架构、数据资源、模型算法及计算资源，对GEE在各大领域的应用成果进行总结归纳，以期能为GEE的使用者提供一个快速了解该平台的窗口，帮助其更好地利用GEE平台开展自己的应用研究。

相干斑的存在严重干扰了SAR图像质量，亟需对其抑制处理。传统AD（Anisotropic Diffusion）滤波器边缘检测模型精准度仍有提升空间，且噪声抑制效果往往受限于扩散阈值较难准确估计的问题。针对上述问题，提出了一种融合多方向Sobel算子的相干斑各向异性扩散抑制方法。该方法是SRAD（Speckle Reducing Anisotropic Diffusion）的改进算法，其利用多方向Sobel算子在SAR影像各点处构建了全新的边缘检测模型，并基于此，融合高斯核函数建立了新的AD扩散函数，可有效解决传统AD扩散系数受参数估计限制，提升了相干斑各向异性抑制的准确性。实验选取了3景真实SAR影像进行滤波实验，结果表明：该方法可有效提高边缘检测能力，获取更优相干斑抑制效果。

为探索机载点云与无人机可见光影像在乔木树种识别与分类领域的应用潜力，提出了一种多模态特征与决策混合融合的无人机单木尺度树种分类识别方法。首先使用Kendall Rank相关系数法与排列重要性分析（Permutation Importance， PI）进行特征选择，采用高效低秩多模态融合算法（Low-rank Multimodal Fusion， LMF）融合点云与影像特征。再引入集成学习，将点云、影像及融合特征分别输入Stacking集成的极限梯度提升机（eXtreme Gradient Boosting， XGBoost）、轻型梯度提升机（Light Gradient Boosting Machine， LightGBM）与随机森林（Random Forest， RF）3个基分类器，最后采用元分类器—朴素贝叶斯进行决策融合。实验数据表明：所提方法独立测试精度达99.4%，较传统的特征串联融合随机森林分类器提升了22.58%，Kappa系数提升了0.285 4。与卷积神经网络（Convolutional Neural Network， CNN）对比实验证明：所提算法在小样本训练的优势明显，且具有更好的泛化能力。

全球变暖导致冰川急剧退缩，及时的冰川监测和制图至关重要，而积雪覆盖一直是冰川识别的重要影响因素。以喀喇昆仑区域为例，选择春季Landsat-8 OLI、Sentinel-1和DEM数据，结合其光谱反射率、SAR散射以及地形等特征，基于不同主干网络的U-Net和DeepLabv3+深度学习方法，使用不同样本尺寸，不同特征组合进行冰川识别对比研究。结果表明：①对于256×256、512×512和1 024×1 024像素样本尺寸，训练样本尺寸越大，空间上下文信息越丰富，识别精度越高，冰川末端范围更为精确。②基于MobileNet、VGGNet、ResNet以及EfficientNet主干提取网络的U-Net语义分割网络中，VGG19主干网络识别精度最好，且优于DeepLabv3+网络结果，其F1值（F1-Score）为0.899 6，均交并比（Mean Intersection over Union，mIoU）为0.875 4，总体精度可达0.948 4，在山体阴影、冰雪融水、薄雾覆盖和冰冻湖泊区域识别效果均较好。③随着训练特征数量的减少，精度随之降低，地形特征对于提高冰川识别精确度作用显著，SAR特征则可提升召回率。研究证明了深度学习方法识别积雪覆盖的山地冰川的可行性，为山地冰川快速大面积识别的模型选择和参数设置提供了可靠的参考依据。

利用遥感技术快速、准确地进行冬小麦种植面积提取对农作物估产和粮食安全具有重要意义。由于中高分辨率时序影像受重访周期、云雨天气等影响难以获取，而低分辨率遥感数据在作物种植信息提取上精度低等问题，以河南省长葛市为例，获取2015~2020年间的Landsat 8和MODIS影像为数据集，基于优化后的卷积神经网络时空融合模型对2种数据进行融合，构建30 m分辨率的NDVI时间序列集，采用S-G（Savitzky-Golay）滤波对时序集进行去噪，最后利用随机森林方法对冬小麦种植面积进行提取。结果表明：优化后的融合模型鲁棒性较好，预测影像与真实影像R²均在0.92以上。研究区小麦面积提取与统计面积的一致性为97.3%，结果可靠。因此，优化后的模型能较好地融合出中高分辨率影像，是一种有效的补充缺失影像的技术手段，构建的时序集能较为准确地提取县域小麦种植面积。

准确获取冬小麦空间分布和收获面积信息，对产量准确估算、保障粮食安全等具有重要意义。当前，绝大多数研究及统计数据集中于冬小麦种植面积，很少关注其收获面积。以濮阳县为研究区，基于2019年成熟期Sentinel-2遥感影像和随机森林相结合的方法，进行冬小麦收获面积测算研究。首先，根据特征筛选获得最佳特征子集，然后，基于最佳特征子集的J-M距离分析冬小麦与其他地物的可分性，识别提取冬小麦收获面积和种植面积，并实现冬小麦收获面积制图。最后，进一步分析冬小麦收获面积和种植面积差异以及收获面积的影响因素。结果发现：Sentinel-2影像最佳特征子集测算冬小麦收获面积总体精度和Kappa系数分别为94.62%和0.93。2019年提取濮阳县冬小麦种植面积为79.47 khm²，收获面积为76.74 khm²，相较于种植面积，数量上减少了2.73 khm²。研究结果表明：人为活动会造成收获面积少于种植面积，及时监测冬小麦收获面积可以为冬小麦产量预测等相关研究和决策提供一定的科学参考价值。

水储量是全球和区域水文循环的重要组分，借此可分析区域水资源和干旱的时空演变规律。传统的水储量监测方法以地下水位监测为主，但站点布设和分布情况限制了大尺度的研究与探索。GRACE（Gravity Recovery and Climate Experiment）卫星提供了大尺度的逐月地球重力场变化数据，国内外众多学者将其反演的水储量变化数据应用至水文学领域，在一定程度上推动了水文学的进步与发展，但目前系统阐述GRACE数据在反演水储量方面的研究仍不够全面，鲜有研究对基于GRACE数据的监测干旱和插补重建现状进行系统性的总结。该研究简要介绍了GRACE数据的应用领域，探讨了两种数据处理方法的优缺点，分析总结了GRACE数据在反演结果验证和不确定性、陆地水储量变化、地下水储量变化、干旱演变与响应、插补重建等方面的应用现状及存在问题，建议未来在变化环境对水储量变化的影响、降低GRACE数据的不确定性、构建更适合干旱监测的干旱指数、提高插补重建GRACE数据精度和提升GRACE数据时空分辨率等方面进一步开展研究，旨在为利用GRACE数据的相关研究提供借鉴与思考。

近年来全球变暖导致强对流天气日益加剧，冰雹灾害已成为农业生产的主要灾害之一。开展棉花冰雹灾情遥感评估对防灾减损、保险理赔、种植结构调整均具有重要意义。以2019年8月23日新疆准噶尔盆地西南部的奎屯河流域的棉花雹灾为研究对象，基于野外实测样本和雹灾前后多时相Sentinel-2遥感影像数据，分析雹灾前后的多种植被指数的动态变化规律，筛选能有效表征雹灾灾情的敏感植被指数差值特征组合，利用逻辑回归、决策树、梯度提升决策树、随机森林4种机器学习算法自动提取棉花雹灾的受灾范围与灾情等级，并利用野外实测样本进行精度对比分析。结果表明：单一植被指数中NDVI对雹灾的指示效果最佳，总体精度为84.39%，Kappa系数为0.75；多时相植被指数差值组合对雹灾的指示性显著优于单一植被指数；结合雹灾前后的植被指数差值时序特征，8月30日与8月20日差值对雹灾的指示性明显强于8月25日与8月20日的差值，说明雹灾灾情等级遥感监测有必要考虑灾后棉花植株的自我恢复能力，待灾情稳定后监测为宜；利用灾前灾后多种植被指数差值组合和随机森林分类算法的棉花雹灾灾情等级监测效果最佳，总体精度达到了89.51%，Kappa系数为0.83。基于多时相Sentinel-2影像能有效评估棉花雹灾的受灾范围以及灾情程度。

CO₂是大气中重要的温室气体之一，自工业革命以来，大气CO₂浓度不断增加，对全球气候变化起着重要影响。鉴于碳中和、全球CO₂变化研究对高覆盖率及高分辨率大气CO₂数据的迫切需求，对比分析了先后发射的卫星OCO-2、OCO-3之间的差异，并利用两颗卫星形成联合数据集。由于联合数据集仍存在部分区域无观测数据，考虑到不同纬度的CO₂浓度的时空变化特点，将全球划分为6个区域，并选择合适的变异函数，利用克里金插值对无数据区域进行填补。结果表明：在3、8、15、30 d时间尺度上，XCO₂数据覆盖率分别提高了52.32%、46.77%、44.04%、33.81%。通过将月插值数据集与TCCON地基站点数据对比验证精度，得到其平均绝对误差为1.049 ppm，均方根误差为1.024 ppm，决定系数为0.82。该方法实现了对联合数据集空白区域的精确填补，提高了XCO₂数据的精度、覆盖度和时空分辨率，为研究碳源和碳汇的分布提供了新的数据源。

新疆东天山地区气候恶劣，基岩裸露，遥感解译效果良好。已有1∶20万地质图中岩性的圈定较为笼统，出露较小的岩体、岩脉多有遗漏，缺乏高分辨率遥感技术的应用。以新疆东天山昌吉地区为研究区，基于GF-1和Landsat 8两种影像，运用彩色空间变换（IHS）、Gram-Schmidt等方法进行空间分辨率融合，并对影像进行假彩色合成（FCC）、主成分分析（PCA）、最小噪声分离变换（MNF）等岩性信息增强处理，结合DEM数据构建的三维影像图和已有地质记录，建立影像解译标志，进行细致的岩性单元识别和地质填图。通过野外验证、岩石样品薄片鉴定和反射光谱特征分析对解译结果进行修正，形成了研究区1∶5万遥感解译地质图。结果表明：在基岩露头较好的新疆东天山昌吉地区，融合多源遥感数据可识别1∶20万地质图遗漏的岩性单元，对岩性界线进行修正，提高地质填图的工作效率，为后续地质调查、地质找矿等工作提供依据。

大气灰霾污染是我国近年来面临的重大环境问题之一。灰霾监测是灰霾污染治理体系的重要组成部分，而遥感手段可实现大范围、长时序的动态监测，在一定程度上弥补了传统地面站点监测手段的不足。基于MODIS/Terra数据，以华北平原七省市为研究区域，利用大气灰霾的光谱和空间特性搭建10维特征空间，并使用随机森林算法构建灰霾区域识别模型。该模型不仅实现了灰霾区域的识别提取功能，同时还实现了轻、重霾区域的区分功能。经地面站点PM_2.5浓度监测数据的验证，灰霾区域识别的总体精度为87.82%，Kappa系数为0.75。轻、重霾区域识别的总体精度为86.81%，Kappa系数为0.73。研究结果表明：该模型针对卫星影像中的灰霾区域具有较好的识别效果，可为大气污染监测提供数据支撑，且对其他大气污染物的监测研究也具有一定的借鉴意义。

互花米草地上生物量（Aboveground Biomass， AGB）估算可为滨海湿地生态系统稳定性评价与区域碳汇监测评估提供重要依据。以浙江滨海湿地为研究区，利用48个实测互花米草地上生物量数据，基于Landsat-8 OLI影像提取反映植被地上生物量信息的植被指数和波段特征，采用单变量回归、多元线性回归、多尺度地理加权回归和偏最小二乘回归方法分别构建互花米草地上生物量估测模型，并通过最优模型反演互花米草地上生物量。结果表明：①互花米草地上生物量与所选取的29个遥感变量呈显著相关，相关系数均介于0.5~0.8（P<0.01）；②偏最小二乘回归构建的模型为浙江滨海湿地互花米草AGB反演最优模型（R²=0.767），均方根误差和平均绝对误差分别为130.576 g/m²和100.801 g/m²；③浙江滨海湿地互花米草平均地上生物量为6 607.01 g/m²，AGB总量为1.36×10³ t；浙江滨海地区互花米草AGB总体呈南高北低的分布格局。本研究可为滨海湿地资源合理开发利用、碳汇监测评估和生态系统功能评价提供科学支撑。

海岸线的变化影响着沿海居民的生产生活和国家军事战略部署，快速、准确地检测海岸线变化有着重要意义。导航X波段雷达可以连续、实时检测近岸海洋环境，研究提出了一种利用导航X波段雷达图像检测海岸线的方法。首先，对导航X波段雷达图像进行平均、对比度增强和高斯滤波等预处理，降低海杂波噪声对雷达图像的影响；然后，将预处理后的图像与边缘检测算子进行卷积运算获得梯度图像，建立了基于直方图双峰法的自适应阈值估算方法，从梯度图像中自动提取出目标岛屿的边界；最后，利用边缘膨胀、空洞填充和去噪提取完整的岛屿，并估算岛屿的面积和周长等参数。利用实验观测的导航X波段雷达图像对提出的方法进行验证，与电子海图和Google Earth地图中的海岸线相比，根据Sobel算子和Prewitt算子提取的目标岛屿的边缘精度较高，提取岛屿的面积和周长随潮汐高度、海况等而变化。结果表明：导航X波段雷达能有效监测到岛屿海岸线的实时变化。

高分一号卫星的发射进一步增强了我国对地观测能力。相比于Sentinel-2，GF-1 WFV数据具有16 m的高空间分辨率，但缺少红边波段和短波红外波段，对两者估算植被生理参数的精度差异进行分析以及探讨估算方法的适用性具有重要意义。本研究使用线性回归方法和基于PROSAIL辐射传输模型的查找表法（LUT）估算友谊县地区玉米和大豆叶面积指数（LAI），并对两类数据的估算精度进行对比分析。结果表明：①在植被指数一元线性回归模型中，GF-1植被指数中EVI的估算精度最高，R² 为0.81；Sentinel-2植被指数中表现最好的是MNLIre指数，R² 为0.86；②采用多元线性回归方法，GF-1的估算精度（R² = 0.90，RMSE = 0.54，bias = 0）与Sentinel-2（R² = 0.89，RMSE = 0.54，bias = 0）具有高度一致性；③使用基于PROSAIL辐射传输模型的LUT估算LAI时，GF-1数据的最优波段组合为：B2和B4（R² = 0.76，RMSE = 0.81，bias = 0.03），Sentinel-2数据的最优波段组合为：B3、B6、B7、B8、B8a和B12（R² = 0.87，RMSE = 0.61，bias = 0.01）。综上所述，GF-1号卫星具备精准监测农作物叶面积指数的能力，本研究为该数据在农业遥感领域的应用提供了理论依据。

区域目标分解是遥感卫星对大区域覆盖成像任务规划的关键环节，对快速获取大区域有效数据具有重要意义。基于对卫星大区域拍摄任务的规划经验，总结了大区域拍摄实际业务中的主要影响要素，包括卫星轨道过境、窗口区域云量和底图实时更新，提出了基于多要素叠加的大区域拍摄分解方法。该方法通过将云量要素应用到每个过境窗口的拍摄条带的分解中，基于贪婪算法的思想获得每次卫星过境中成像条件较优的拍摄条带，可提升卫星对大区域拍摄的单次数据获取有效率和整体覆盖效率。该方法已应用于“国产中高分辨率宽波段多光谱卫星数据集构建和高效国际化服务”项目，为吉林一号光谱星快速获取“一带一路”沿线区域数据提供支持。对比该方法使用前后两期区域覆盖数据获取情况，数据覆盖效率提升约44%。

研究土地利用景观格局的地形分异特征及其驱动机制，对于土地利用优化及景观动态管理具有重要意义。选择地形复杂、覆被类型多样、以旅游干扰为主的张家界市永定区为研究对象，将研究区多个年份的景观类型图与高程、坡度、坡向分级图逐个叠加并进行分类统计；从景观水平指数和类型水平指数中选取斑块密度（PD）、聚合度指数（AI）、蔓延度指数（CONTAG）等8个景观指数，计算指数年份变化，探讨其地形分异规律和驱动机制。结果表明：①研究区土地利用景观类型具有明显的海拔梯度特征，80 %以上的土地面积集中于海拔300~800 m与坡度6°~35°的区域；②无论是景观水平指数还是类型水平指数，其地形分异特征明显，且高程与坡度的分异明显高于坡向分异；③地形梯度较大区域（高海拔陡坡区）的土地利用景观格局演变以自然生态演变导向为主，而地形梯度较小区域（低海拔缓坡区域）的演变受社会经济因子干扰较明显。

GNSS-InSAR数据融合进行监测地表形变是目前地表形变监测领域研究的热点问题，传统GNSS-InSAR数据融合方法融合简单、不能动态地反映地表形变特点，导致数据使用不充分、形变特征精度低等后果。提出了一种新的基于InSAR校正值和卡尔曼滤波的GNSS-InSAR融合方法。根据时间序列的GNSS观测值和InSAR校正观测值的时空相关性，通过卡尔曼滤波对两种数据进行融合，得到更精确的地表三维形变结果。利用2018年11月15日至2022年6月3日103景Sentinel-1A数据和同期13个GNSS点位数据进行处理，实验结果表明：校正后的InSAR观测值与GNSS观测值经卡尔曼滤波融合结果比未校正的InSAR观测值与GNSS观测值融合结果精度高45%，比InSAR观测值精度高57%。因此，基于InSAR校正值和卡尔曼滤波的GNSS-InSAR融合模型提高了InSAR变形监测的精度，拓展提升InSAR应用范围的广度和深度。

获取农作物高分辨率影像特征，探究多特征学习训练对实际作物分类效果的影响，对农业部门掌握作物种植精细化结构信息，高效实施生产管理具有重要意义。针对无人机获取的高分辨率可见光遥感影像，提出一种基于面向对象多特征学习的农作物精细分类方法。首先借助HSI（Hue， Saturation， Intensity）模型对RGB图像进行色彩空间变换，以进一步挖掘影像中潜在色彩结构信息，然后利用ESP（Estimation of Scale Parameter）算法和CART（Classification And Regression Tree）决策树分别确定影像最佳分割尺度及构建最优特征学习空间，最后采用面向对象随机森林（Random Forest）分类算法对多特征空间进行学习训练，以实现作物精细分类，并结合验证数据集进行精度评价。结果表明：该方法对研究区作物的分类总体精度达到90.18%，Kappa系数达到0.877，均大于像素级和单特征学习的分类精度，能够有效区分出不同的作物类型；所构建的最优特征学习空间对研究区内棉花、玉米、西葫芦、葡萄的分类效果较好，各作物类型的生产者精度均大于89%。研究结果可为农业精准管理和作物种植结构优化提供参考。

真菌毒素（mycotoxin）是影响我国粮食与食品安全的重要威胁，准确预测可以为有效管控和降低其所造成的损失提供支撑。在总结作物真菌毒素对食品、粮食、农业等影响的基础上，从气象统计模型、机理模型及机器学习模型3个方面分析了目前真菌毒素预测的研究进展。通过对目前作物污染真菌毒素的影响因素进行分析，结合遥感技术在作物及其生长环境监测方面的研究进展，讨论了利用卫星遥感监测技术开展大范围作物真菌毒素含量预测的可行性。同时指出，分析遥感的作物真菌毒素主要影响因素及其变化规律，发展生育期内相关因素结合的真菌毒素遥感估算方法，将面向农田尺度动态预测的遥感技术与多种模型耦合将成为该领域的研究重点。

植被作为陆地生态系统的重要组成部分，常被用作评估气候变化和生态恢复成效的指标。以石羊河流域为研究对象，基于Google Earth Engine （GEE） 平台采用Theil-Sen趋势分析和Mann-Kendall检验（TS-MK）、Hurst指数揭示植被覆盖变化特征；采用偏相关分析、残差分析和地理探测器探究植被覆盖变化的影响因素。结果表明：2001~2020年间石羊河流域植被NDVI呈现波动增长趋势，增长率为0.023/10 a；呈显著增加趋势和显著减少趋势的面积占比分别为72.32%和2.40%。未来植被NDVI变化趋势保持一致（Hurst>0.5）的面积占比为63.84%，其中持续性显著增加的面积占比最大，为47.37%。偏相关分析结果表明降水对植被生长的影响较强，而温度、太阳辐射和饱和水汽压差的影响相对较弱。残差分析结果表明气候要素和人类活动影响下植被NDVI呈显著增加趋势的面积占比分别为21.59%和60.07%，石羊河流域的植被变化主要受人类活动的积极影响。此外，地理探测器的结果表明植被NDVI的空间分布主要受水热条件分布特征的影响。该研究结果有助于深化对植被覆盖变化影响因素的认识，为石羊河流域生态保护提供借鉴。

遥感影像由于目标角度各异且普遍密集、小目标占比高、背景复杂等特点，检测精度低。针对水平框算法不再适用于遥感旋转目标，以及主流五参数法存在角度回归的周期性与边缘互换性问题，提出VR-CenterNet，采用向量表示法来进行旋转目标的检测与损失设计，规避角度回归的根本性问题，优化细长目标的偏移高敏问题；针对浅层特征融合的高冗余问题，引入自适应通道激活过滤杂质信息，为强化关键点信息，在主干输出部分引入改进后的全局上下文自适应层激活注意力块。首先在HRSC2016与UCAS-AOU数据集上进行不同算法的性能比较；再在两数据集上进行方法消融实验，以验证各改进方法的有效性。实验结果表明：在HRSC2016与UCAS-AOU数据集上分别取得的了88.48%与90.35%的精度。改进算法能够提升遥感旋转目标的检测精度，为遥感旋转目标的准确检测提供了另外一种解题思路。

随着城市区域的职能日趋复杂化，科学准确地识别城市土地的具体功能类型对于科学城市规划、实现可持续发展具有关键意义。提出了一种时序动态的城市功能区识别方案，以北京市六环内区域作为研究区，利用出租车轨迹数据，采用动态主题模型从海量出行数据中提取出行模式高发区域，并基于主题模型对城市地块进行聚类，使用POI语义标注聚类结果识别出城市功能区。研究评价了6 a内主题地块分布的变化趋势，探讨了地块活动语义的动态变化情况，结果表明：①动态主题分布具有空间扩散性，地块语义强度分布呈现明显圈层扩张性。②基于出行活动的聚类簇空间边界随时间逐渐与研究区区级行政区划吻合，功能标注结果与区域的具体职能匹配程度较高。③主题变化度高值主要分布在外环区域，且与地块建设用地占比呈负相关关系。该研究表明动态主题模型在出行数据挖掘场景下具有适用性，为时序数据挖掘的应用提供了新的方案参考。

在TensorFlow框架下，有对多维数组进行GPU或CPU并行加速运算的特点，选择使用合适的经纬度投影模式，结合FY-3D MERSI L1数据自身带有高精度同分辨率的定位数据，按分辨率生成将经纬度数据对齐的张量（多维数组），计算生成新的像元映射位置信息，直接逐点映射对MERSI数据进行几何校正，同时可消除中分辨率极轨卫星因扫描观测和地球曲率带来的BowTie效应，再使用卷积运算计算反距离加权插值点数值，对几何校正后无数据像素点进行填充。使用这种方法，在TensorFlow框架下用Python语言实现了整个几何校正过程，并与ENVI软件的几何校正结果，对误差和校正精确度进行了对比测试，并且对几何校正的整体处理速度也进行了测试。结果表明本文算法与ENVI软件几何校正一致性高，5%绝对误差百分比以下的精确率大于0.92，结构相似SSIM指数在0.95左右，全部通道使用GPU并行加速完成几何校正的加速比大于36倍。这种方法既保证了几何校正的精度，而且整个数据处理过程快速高效。

高精度以及高时空分辨率的卫星降水产品对于区域或流域尺度的水文气象研究至关重要。以长江流域为研究区，以IMERG和GSMaP卫星降水产品为研究对象，在充分评价两种产品的适用性后，对表现更好的产品进行空间降尺度分析。考虑到降水与地理特征（DEM）、植被指数（NDVI）、地表温度（LST）等可能存在的相关性，基于随机森林回归分别建立了DEM、DEM+NDVI、DEM+NDVI+LST等多种统计降尺度模型，并以研究区内133个地面站点的实测降水数据对各模型的降尺度效果进行检验。研究表明：IMERG和GSMaP两种产品在长江流域均具有较高的观测精度，且以GSMaP表现更优；在多年平均、年等时间尺度上，DEM+NDVI+LST统计降尺度模型始终表现最佳，在提高降水产品空间分辨率的同时（从0.1°到0.05°），对于产品的观测精度也有一定程度提升，且在月尺度上依旧表现理想。该研究可为卫星降水产品的空间降尺度提供一种新的思路。

无人机遥感技术可快速获取测区冠层高度模型（CHM），如何从CHM中更加准确识别树顶点，是树高提取的关键。分析了不同窗口类型、窗口大小以及林分郁闭度对树顶点提取的影响，以高校校区为研究区，根据郁闭度选取密集林地和稀疏林地2块局部区域，分别利用GIS矩形邻域分析、GIS圆形邻域分析和局部最大值算法提取树顶点。结果表明：树顶点提取精度不仅受窗口大小、林分郁闭度影响，而且和窗口类型密切相关，且GIS矩形邻域分析提取树顶点的结果更加稳定，精度更高，其F测度值在密集林地最高为78.13%、稀疏林地为96.94%。将基于该结果得到的树顶点对应的提取树高与实地测量的树高值对比，密集林地的均方根误差为37 cm，稀疏林地的均方根误差为39 cm。结果证明了基于小型无人机可见光遥感技术提取较高郁闭度阔叶林树高的可行性，为后续基于冠层高度模型识别树顶点提供方法借鉴，提高树高提取精度。

中国第二次冰川编目的部分数据用第一次冰川编目替代，这些数据集中分布在藏东南地区。该地区地形陡峭、气候恶劣，常年多云层覆盖，无法获取有效的光学影像，缺乏系统性的冰川调查。针对传统阈值分割方法受噪声影响大、标准Unet计算量大导致运行缓慢等问题，对Unet模型进行压缩，通过修改样本尺寸、卷积核数量和优化器等模型参数，提升模型训练效率以及冰川提取精度。利用冰川的极化特性和地形特征，选用45景ENVISAT ASAR影像和NASA DEM，基于Unet及其压缩网络进行深度学习，参考光学影像和其它辅助数据对误分和漏分的冰川逐个进行人工目视判读，完成了未更新编目的冰川边界提取及修正，并对属性进行了更新。结果表明：基于SAR影像和地形特征的深度学习可以有效识别云层覆盖区域的冰川。在第二次冰川编目未完成的地区，共有冰川8 374条，总面积5 622.65±303.58 km²，误差占总冰川面积的5.4%，整体呈退缩状态，冰川碎片化现象居多。该数据集更新了中国第二次冰川编目中的替代数据，可为探讨藏东南冰川变化和物质平衡等相关研究提供可靠的数据支撑。

基于珞珈一号夜间灯光数据和西安市能源统计数据，结合ArcGIS空间分析方法，运用高—低聚类模型，分区县对2018年西安市碳排放量进行空间化模拟，并对全市各区县碳排放强度进行计算和分类，研究西安市各区县碳排放量分布特性。结果表明：珞珈一号灯光数据与碳排放量存在较好的相关性，线性相关系数为0.720 3，四次函数多项式的相关系数最高，为0.843 5；在年度碳排放量上，西安市碳排放量呈现中心主城区高、周围县区低的空间分布特点，为聚类状态分布，且聚类结果在高值区域内聚类；全市低碳排放强度区县较多，存在少量高碳排放强度区县，对实现绿色发展模式还需要进一步调整产业结构。

为了揭示海南岛植被覆盖长期变化趋势以及进一步确定影响海南岛植被变化的主要气候驱动因子，为海南岛植被应对气候变化以及植被的良性发展提供科学指导。基于GIMMS NDVI数据，采用趋势分析法，探究1982~2015年海南岛植被的时空变化趋势；利用偏相关分析和主成分回归分析研究34 a里温度、降水和太阳辐射对海南岛植被变化的影响。研究表明：①空间上海南岛植被在北部和沿海地区呈明显增加趋势，而三亚及周边地区存在多处植被退化区域；②时间上海南岛植被整体以缓慢增长为主，增速为0.019/10 a，年际变化明显；③温度和太阳辐射显著主导海南岛88%地区的植被生长，其驱动因子存在如下关系：太阳辐射作用>温度作用>降水的驱动作用；④温度主导海南岛北部及西部地区植被的生长，太阳辐射主导驱动岛屿南部的植被生长，而降水是岛屿中部植被的主导气候驱动因子。综上所述，海南岛植被总体呈现良性发展的趋势，温度和太阳辐射是促进植被生长的主要气候因子。

吉林一号光谱星的发射提高了我国对地观测能力，并且在农业定量反演方面具有较大的潜力，为了准确、有效地反演农作物关键参数，分析吉林一号光谱星影像的反演能力具有重要意义。以内蒙古乌拉特前旗、正蓝旗、科尔沁右翼前旗的农田为研究区，基于吉林一号光谱星影像，使用优化后的PROSAIL模型和曲线匹配算法，对不同物候期内的玉米和水稻叶面积指数（LAI）进行了反演，并结合实测LAI数据进行了精度验证。结果表明：优化后的PROSAIL模型其参数范围和参数步长更适用于农作物LAI反演，在保证精度的前提下精简了查找表的容量；基于特征值的曲线匹配算法在空间分布高度一致、误差绝对值均值为0.41的情况下，计算效率平均提高了41.43 %；研究区不同物候期内的玉米和水稻LAI反演精度R²为0.72~0.9，RMSE为0.32~0.49。其中，玉米开花期精度最高（R²=0.9，RMSE=0.4），玉米成熟期精度最低（R²=0.72，RMSE=0.47）。综上所述，基于吉林一号光谱星影像反演农作物LAI具有精度高、误差小的特点，研究结果可为该数据在农作物LAI精准反演方面提供科学方法和依据。

以中国气象局发布的逐小时网格降水数据集（CMPA）为降水参考，采用多种极端降水指数系统地评估了GSMaP（NRT、MVK、Gauge）和IMERG（Early、Late、Final）共6种GPM时代卫星降水数据对四川极端降水的监测精度。结论如下：①四川多发生局部短历时强降水，降水空间异质性强，在盆地和盆地周边的极端降水频率和强度明显大于其他地区，在盆地与川西高原接壤地区形成一条明显的极端降水分界线。②IMERG能够较为精确地探测到暴雨、持续性降水事件和干旱事件，其中Final产品精度最高，IMERG产品的极端降水指数精度明显优于GSMaP。③IMERG-F的降水概率密度函数（PDF）与CMPA的PDF特征最为相似，其次为GSMaP-Guage，但经过站点校正的GSMaP-Gauge产品完全改变了NRT和MVK的PDF特征，忽略掉了较多大雨、暴雨事件，将极不利于对极端降水的监测。总体上，GPM降水产品对极端降水的探测精度存在较大的地域性差异，IMERG较GSMaP表现出更高的极端降水探测精度，在地形复杂的川西高原地区IMERG和GSMaP均存在较大的降水误差。

随着全世界航天事业的不断壮大，卫星成像业务已经向多星协同覆盖大区域目标转型发展。在此过程中需要同时优化如最大覆盖面积、最小卫星资源利用等多个目标函数。围绕地球观测卫星区域覆盖调度及数传规划全流程，首先总结了典型区域分解技术，其作为卫星区域覆盖计划制定的前期准备步骤，在卫星调度中发挥着重要作用。随后分析评述了近年来多目标算法在卫星区域覆盖调度及数传规划领域的代表性工作。最后进行总结并对未来研究提出几点展望，以期为相关任务的多目标算法应用提供可靠参考。

低温冷害是影响水稻产量主要气象灾害之一。开展低温冷害胁迫下的水稻产量遥感监测对于水稻优良品种推广、农艺救灾防灾以及农业保险精准理赔具有重要意义。以南方多熟水稻低温冷害为研究对象，在多时相遥感影像的支持下，结合地面实测水稻单产样本数据，构建多时相协同的多熟水稻产量监测模型，实现地块尺度的低温冷害影响下水稻产量遥感监测与空间制图。研究结果表明：低温冷害发生时所处水稻的生育期不同，对产量影响程度具有较大差异。中稻在灌浆中期遭遇低温冷害后的影响相对较小，平均产量约6 637 kg/hm²，减产幅度近20%；早熟晚稻在抽穗期遭受低温冷害后产量明显低于中稻，平均产量4 143 kg/hm²，减产幅度近45%；晚熟晚稻在拔节期遭受持续低温冷害后产量影响最大，平均产量仅1 541 kg/hm²，远低于往年产量水平，减产幅度近80%。利用实割实测样本单产数据与哨兵数据多个关键物候期NDVI构建回归模型，R²均大于0.75，并利用实测样本单产数据进行精度交叉验证，MAPE均小于10%。该方法借助少量地面资料，可以较高精度地测算多熟水稻在遭受低温冷害的情况下的单产信息，为复杂条件下水稻低温冷害灾情评估提供了新的思路。

南迦巴瓦峰地区位于东喜马拉雅构造结的构造变形核心地带，地质构造环境复杂，地质灾害频发，加强对该地区的地表形变监测研究对当地防灾减灾和经济可持续发展有着重要意义。研究利用Sentinel-1卫星数据在该区域开展地表形变监测，通过PS-InSAR技术获得雷达视线方向（Line-Of-Sight， LOS）的形变速率分布与形变时间序列数据，并对地表形变的分布情况和2017年米林M6.9地震的同震形变情况展开分析与讨论。结果发现南迦巴瓦地区地表形变受新生代构造变形影响较大，研究区内的构造形变主要有同震、震后松弛形变和板块边界带的俯冲形变。雅鲁藏布江两侧变形差异较大，北侧呈缓慢的负形变趋势，南侧由于受到俯冲断裂的影响以较高的速率正形变。米林地震的同震形变呈现出西南盘负形变，北东盘正形变且西南盘形变量更大的空间分布特征。研究结果表明：InSAR监测技术可为青藏高原灾害监测和科学研究提供高时空分辨率的地表形变数据。

火烧迹地是全球变化和碳循环等研究所需的主要参量之一，准确监测火烧迹地对于提高火险预警及风险评估的准确性具有重要意义。研究基于3种MODIS产品数据，对2001~2016年蒙古高原东部火烧迹地面积进行了年际变化趋势分析，并以2013~2015年全球30 m分辨率火烧迹地产品为参考数据集，对3种MODIS火烧迹地产品监测精度进行验证与评估。结果发现：①MCD45A1、MCD64A1、FireCCI51产品在2015年监测到的场次依次为327、160、71，共同监测到的仅40场；监测面积依次为：27 082.46 km2、17 227.62 km2、19 526.47 km2，3种产品累加监测面积为37 373.82 km2，但其交叉面积仅6 896.99 km2。②与全球30 m分辨率火烧迹地产品对比分析发现，3种产品复合精度F1得分最高为0.96，最低只有0.03，监测率参差不齐。③在2013~2015的3年尺度上，3种产品平均复合精度为0.70、0.62、0.60，即MCD45A1＞FireCCI51＞MCD64A1。在多年（2001~2016）尺度上，3种产品监测率为61%、59%、50%，即MCD64A1＞MCD45A1＞FireCCI51。

植被覆盖度（Fractional Vegetation Cover，FVC）是评价生态环境质量和表征地表植被覆盖与生长状况的重要指标。目前国内外已有不少FVC产品，然而不同的FVC产品在时间和空间上存在一定的差异。为了准确的认识FVC产品差异及差异产生的原因，研究选取GEOV3和GLASS两种全球FVC产品，通过重采样、差值分析等方法，评估其在中国西南区域的时空差异，结合地形和土地利用数据，分析地形和土地利用类型对FVC产品的影响。结果表明：①GLASS与GEOV3两种产品存在着明显的时空差异并带有季节特征，在春夏两季GLASS FVC值略低于GEOV3 FVC值，秋季二者值差异最小，而冬季GLASS FVC值明显高于GEOV3 FVC值；②两种产品的值在不同土地利用类型上差异明显，差异大小依次为：灌木>林地>耕地>草地>其它，且冬季差异最大；③两种产品的值在不同坡度和海拔上差异也较大，且坡度的变化对产品的影响更明显。本研究揭示了导致FVC产品间不一致性的影响因素，可为山区FVC产品生成算法的改进提供参考。

基于不同植被指数提取物候参数是分析长时间物候变化的重要基础。以多云雾的重庆地区为例，使用2010~2019年MODIS NDVI/EVI/EVI2共3种长时序的植被指数数据，通过D-L 滤波方法分析了不同植被指数特征；并使用动态阈值法和趋势分析法，对比研究了基于3种植被指数提取的物候参数结果及其随不同地形因子的分异规律，结果如下：①EVI和EVI2的时间序列拟合曲线比NDVI的拟合曲线更加平滑，3种植被指数原始值与拟合值的差值主要分布为NDVI（0.05~0.18）、EVI（0.03~0.11）、EVI2（0.03~0.1）。②基于3种植被指数提取的物候参数在空间分布和变化趋势上呈现一致性，其中EVI和EVI2提取的植被指数参数皆相近，相差5d之内占比79%以上，SOSEVI2变化显著性区域所占比面积最高（16.36%），SOSNDVI最低为12.37%。③SOS随海拔升高而推迟，EOS随海拔升高先延后再提前，LOS随海拔升高先延长后缩短，且EOSNDVI、 LOSNDVI随着海拔增加分别与EOSEVI/EOSEVI2、LOSEVI/LOSEVI2差异增大，不同植被类型上，EVI提取的物候参数与EVI2相近，变化趋势具有一致性。与NDVI相比，EVI和EVI2能更好提取对云雾地区物候参数，结果相近；基于EVI和EVI2提取的物候参数的地形效应更明显。

大区域数据快速拍摄获取是遥感卫星任务规划领域的重要研究课题，依托“国产中高分辨率宽波段多光谱卫星数据集构建和高效国际化服务”项目，使用吉林一号光谱01/02星开展了对“一带一路”沿线65个国家和地区三年两期的有效覆盖。总结了项目大区域数据获取的策略方法和经验，重点介绍了数据获取相关的星地资源等各类影响因素、大区域按时相划分策略、以及基于云量预报有效成像条带的大区域动态规划流程，即在卫星单次过境范围内，结合云图选取最大概率获取有效数据的成像条带。该研究已为项目提供常态化支持，相关方法和项目经验可为一般卫星遥感大范围、广区域数据获取任务提供参考借鉴。

基于合成孔径雷达（SAR）图像的海冰分类已经成为海冰监测的重要基础，但现有方法往往利用图像空间特征，很少考虑时间特征。提出了一种融合时空特征的SAR图像海冰分类网络SE-ConvLSTM。首先使用ConvLSTM对HH和HV极化图像分别提取时空特征，然后将提取的不同层次和通道的时空特征进行拼接，并利用SE通道注意力进行通道特征响应的自适应重新校准，最后利用SoftMax函数进行图像分类。将SI-STSAR-7数据集6个时间步长的图像块作为输入对所提方法与其他分类方法进行了对比实验。结果显示：SE-ConvLSTM在总体情况和分类困难的厚一年冰上分别达到了97.06%和90.01%的精度，表明加入时间信息有助于提高分类准确率。同时，所提网络在生成海冰分布图时对主要冰类型密集度较低的区域和SAR影像的边界位置都具有更好的识别能力。

海陆空图幅数据是一种遥感研究常用数据，但现有的海陆空数据都是基于矢量管理，在直观性、便捷性、统一性、高效性等方面存在问题。本研究利用全球离散格网无投影依赖、存储结构简单、全球无缝无叠等特点，提出基于六边形全球离散格网的海陆空图幅整合算法以解决上述问题。首先根据六边形剖分方法，将正二十面体投影到地球表面生成20个基三角形，并剖分组合成30个基六边形，其次确定比例尺与格网层级对应关系，递归剖分出对应比例尺层级格网数据，接着以直线段为最小单位，将海陆空图幅解析为多线段集—多线段—直线段的嵌套结构，利用格网邻接搜索算法将直线段格网化，最后生成以六边形全球离散格网形式表达的海陆空图幅数据。实验采用中国1∶50万和1∶25万海陆空图幅矢量数据和六边形全球离散格网数据，实验结果表明基于六边形全球离散格网的海陆空图幅整合算法可以完美地将图幅矢量数据转化为图幅格网数据。综上，基于六边形全球离散格网的海陆空图幅整合算法可以有效集成海陆空图幅数据，使海陆空图幅管理和显示更加便捷、高效，拓扑关系更加明确，为海陆一体化协同应用及利用全球离散格网进行数据集成与管理提供参考。

在非洲，铁皮屋顶的分布能够反映居民的生活水平，对其时空变化分析能够反映当地经济发展状况。采用Sentinel-2研究非洲肯尼亚埃尔多雷特市Munyaka地区铁皮屋顶的光谱特征、遥感指数特征以及纹理特征，利用归一化植被指数和归一化建筑指数与铁皮屋顶的差异剔除农田，构建归一化表面指数且分析纹理特征分别剔除荒地和裸地；建立了多特征决策树提取模型，通过混淆矩阵进行精度评定得到Kappa系数为0.922 3，用户精度和制图精度分别为97.79%和91.10%。同时结合埃尔多雷特市政道路工程，对2016~2020年工程前后铁皮屋顶变化进行研究，2018~2020年阶段比2016~2018年阶段，铁皮屋顶面积增加一倍，平均年增长率提升近3%。研究表明该方法能够实现对铁皮屋顶的动态监测，同时说明了“一带一路”建设为解决非洲贫困问题起到推动作用。