日光诱导叶绿素荧光（SIF）作为植被光合作用的探针，其卫星遥感技术正迅速发展并得到广泛应用。本文系统阐述了SIF卫星遥感的原理、关键进展及前沿科技挑战。首先，系统介绍了SIF遥感反演原理与算法。SIF反演的核心在于从上行辐射中精准分离反射光与荧光信号，当前主流方法包括物理模型算法和数据驱动算法两大类。发展高鲁棒性、对仪器参数低敏感性的高精度算法始终是研究热点，然而红光波段反演仍存在显著不确定性，亟需变革性算法突破；其次，回顾了过去30年SIF卫星遥感发展历程。国产卫星SIF遥感虽然已实现高精度反演的技术突破，但在卫星寿命、数据共享与应用深度方面与国际先进水平仍存在一定差距。我国2026年计划发射的下一代碳卫星（TanSat-2）预计将提供具备2 km空间分辨率、全球逐日覆盖能力，以及红光/远红光双波段观测的SIF数据集，有望从根本上解决现有卫星数据存在的分辨率低、信噪比低以及重访频次低等瓶颈问题；最后，综述了卫星SIF产品时空尺度融合方法与进展。相比机器学习模拟方法，基于空间降尺度算法的卫星SIF产品虽在时空连续性方面稍显不足，但因其保留了观测信号核心特征，从而具有独特优势。因此，尽管“弱信号高精度反演”仍是SIF卫星遥感的根本挑战，但随着载荷技术和反演算法的持续进步，SIF卫星遥感将在植被生态监测、气候变化响应、农业与资源管理等科学应用领域发挥日益重要的支撑作用。

全球约60%的甲烷排放与人为源有关，有效控制人为源甲烷排放对当前温室气体减排具有重要意义。能源部门是人为源甲烷排放的主要来源之一，其甲烷排放事件能追溯到具体的排放设施（即点源分布），且甲烷排放速率呈重尾分布。高分辨率高光谱卫星遥感数据具备从点源尺度监测甲烷排放事件的能力，并可实现对具体排放设施的溯源。在进一步发展高光谱卫星遥感的甲烷点源反演方法的基础上，通过WebGIS平台构建了全球能源部门甲烷排放点源的高分辨率遥感监测系统，其集成了点源反演算法、甲烷排放反演数据库和动态监测平台等模块，截至2024年底，已实现对全球573处能源设施甲烷点源排放事件的有效遥感监测。研究构建的监测系统可对煤矿与油气等的开采及存储导致的突发甲烷排放事件进行动态遥感监测，并针对具体事件进行设施溯源，为能源部门的排放源识别与估算工作提供支持与验证数据，以响应全球甲烷减排的总体目标。

在全球气候变暖和快速城市化背景下，城市热岛效应加剧了人口热暴露风险，准确识别人口热暴露高风险区域对于适应和减缓高温威胁至关重要。以北京市六环内区域为研究对象，基于局地气候区（Local Climate Zones，LCZ）视角，研究采用ECOSTRESS地表温度数据和腾讯宜出行人口数据，分析了不同LCZ夏季地表城市热岛强度（Surface Urban Heat Island Intensity，SUHII）的时空变化特征，并评估了不同SUHII等级下人口热暴露的日动态变化。研究结果表明：①白天，不同LCZ类型的SUHII差异显著，除LCZ 9（零散低层建筑）外的建筑类LCZ以及LCZ E（裸露岩石或人工地面）和LCZ F（裸土或沙地）均表现为热源，其余类型为热汇；夜间，LCZ类间SUHII差异减小，LCZ A（茂密树林）和LCZ B（稀疏树林）的热汇效应减弱，LCZ G（水体）则由热汇转变为热源；②人口热暴露在6—7时最低，10—11时达到峰值。建筑类LCZ（除LCZ 9）以及LCZ E和F普遍存在热暴露风险。四环内建筑密集，人口密度高，热暴露尤为突出；③当SUHII＞2 ℃时，人口热暴露风险显著增加，尤其在高密度建筑区和低绿地覆盖区域，控制SUHII在2 ℃以内能有效降低热暴露风险。研究可为提升城市宜居性、改善人居环境及制定城市热风险调控策略提供理论依据和实践支持。

雪崩是高寒山区主要的自然灾害之一，但与滑坡、泥石流、山洪和干旱等灾害相比，较少被关注。本研究在概述西藏过去主要雪崩灾害事件的基础上，对西藏雪崩灾害的空间分布和主要驱动因素进行分析，同时通过积雪覆盖的空间分布和数字高程模型数据对西藏雪崩易发区进行制图，并利用藏东南雪崩观测数据对制图结果进行验证。结果显示，念青唐古拉山东南部和喜马拉雅山南坡是西藏雪崩灾害发生频次最高的两个区域，高原内陆因降水少，地势相对平坦，雪崩发育受到抑制，仅在高寒常年积雪山区和冰川作用区才有常年雪崩存在。在全球气候变暖背景下，由于人类到高海拔山区的活动日益增多，雪崩灾害造成的人员伤亡呈增加趋势。除了在藏东南川藏铁路和公路等关键区域实施工程防控措施之外，加强监测和早期预测预警服务是西藏高寒山区雪崩灾害防控的重要途径。本研究对全球其他高寒山区的雪崩易发区制图和灾害防控措施同样具有重要借鉴意义。

森林冠层高度是评估森林结构与生态系统功能的核心参数，对于森林资源管理与碳储量监测具有重大意义。星载激光雷达因其高精度的垂直穿透能力被广泛应用于森林冠层信息的提取，然而国内基于自主星载全波形激光雷达数据的相关研究仍较为有限。我国森林资源丰富，且多处于地形复杂区域，不同的植被覆盖和复杂地形会给全波形激光雷达信号的特征提取带来不同程度的影响。为此，本研究利用我国首颗陆地生态系统碳监测卫星句芒号获取的多波束全波形激光雷达数据，通过对原始光斑波形进行滤波和特征点提取，并分类设定阈值，优化了波形信号起始和截止点位置；随后以优化后的信号截止点位置结合激光雷达回波模型，校正了地形坡度效应，并在东北虎豹国家公园和海南热带雨林国家公园两个典型示范区进行了森林冠层高度反演和验证。结果表明，在坡度≤15°的地形条件下，优化后的句芒号激光测高数据所得的森林冠层高度与样地CHM参考数据的最大冠层高度一致性良好，相关系数（r²）均在0.85以上，RMSE在东北虎豹国家公园与海南热带雨林国家公园两个区域分别由4.52 m降至2.56 m、5.51 m降至3.20 m，估测精度显著提升，进一步证明了句芒号卫星在激光足印尺度上的森林冠层高度估测中具有较大的应用潜力。

互花米草（Spartina alterniflora）作为我国滨海湿地典型的入侵物种，其快速扩张已对生态系统结构与功能造成严重威胁，亟需构建高效、精准、可业务化的大尺度监测体系，以支撑生态风险评估、入侵防控与湿地保护决策。面对传统监测手段效率低、大尺度应用困难以及遥感监测在复杂环境下精度受限等挑战，本研究系统梳理了互花米草入侵遥感监测研究进展，重点从识别手段、时空分析与生态影响评估3个方面展开。遥感识别主要依托互花米草特有的光谱与物候特征。传统机器学习与深度学习方法的应用显著提高了识别精度，而基于物候特征的识别策略有效抑制了“异物同谱”现象的干扰。多项研究表明互花米草在我国沿海经历了从零星分布到快速扩张的阶段变化，空间格局具有明显地域差异。其入侵对盐沼、滩涂及红树林等湿地生态系统造成系统性破坏，显著压缩原生植被生存空间、降低生境质量、缩小水鸟栖息范围，并改变滩涂沉积过程，导致生物多样性下降与土壤退化，对湿地生态系统稳定性与服务功能造成破坏。总体来看，尽管当前研究在识别精度和入侵机制解析方面取得重要进展，但仍存在小斑块识别困难、模型普适性不足、多源数据协同应用不充分等挑战。未来研究需融合高时空分辨率与多源遥感数据以提升监测能力，发展迁移学习与小样本学习以增强模型泛化性，深化物候、光谱与纹理等多特征融合，并进一步解析入侵的驱动机制与生态效应，从而为滨海湿地入侵防控与生态安全维护提供科学支撑。

平流层飞艇近场高云特性与平流层飞行安全密切相关。针对常见的地基、空基以及天基云探测方法，研究分析并评估了各方法在高云探测中的优势与局限。为弥补现有探测方法的不足，本研究提出了基于平流层飞艇的近场探测和艇载下投探测两种云探测方法，初步分析了其可行性并介绍了相关气象类艇载探测载荷以及艇载下投设备的研究进展。总体而言，为保障平流层飞艇飞行安全，需要建立地、空、天协同的云探测系统，以提供全面的云特性数据支持，确保平流层飞艇平台的稳定可靠。同时，鉴于我国在高云探测领域的数据缺口与现有技术的不足，亟须加速平流层飞艇技术的研发，研制更为精确和可靠的气象探测设备，以提升我国的自主技术水平和数据采集能力。

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。

冰湖遥感监测是当下冰冻圈科学研究热点之一。作为我国自主研发的SDGSAT⁃1卫星，多光谱波段具有高分辨率成像能力，是否能为该研究方向提供新型数据源非常有必要进行研究。本文以珠穆朗玛峰地区近2 000个冰湖为研究对象，设计针对SDGSAT⁃1多光谱数据的冰湖自动提取方法，并与Sentinel⁃2 MSI和Landsat-8 OLI的冰湖数据进行对比，获得SDGSAT⁃1多光谱提取冰湖的精度，进一步结合波段配准和卫星间影像配准，量化冰湖误差的影响因素。研究结果表明：以NDWI为基础的决策树方法获取SDGSAT⁃1多光谱影像的冰湖矢量数据平均误差为16.6%，精度高于Landsat-8 OLI，低于Sentinel⁃2 MSI；大气校正后的SDGSAT⁃1多光谱影像提高了阴影区域冰湖的识别能力，但识别精度较其他冰湖低10%~14%；冰湖面积误差主要由SDGSAT⁃1多光谱波段配准误差引起，代表重叠度的Jaccard系数受波段配准和定位误差共同影响。总体而言，SDGSAT⁃1多光谱波段是冰湖研究的可靠数据源，也是冰面湖变化研究的潜在数据源，可为冰湖溃决预警、季节性水量变化监测提供高时效数据支撑。

土壤作为最宝贵的自然资源之一，正面临着全球性、区域性和地方性退化的挑战，从质量退化到盐渍化等问题，已导致大规模的优质农田流失。这些问题影响农业生产和粮食安全，破坏生态平衡与可持续发展。因此，及时监测和准确绘制盐渍化过程至关重要，特别是在气候变化影响已经达到惊人水平的半干旱和干旱地区。随着遥感技术的迅速发展，土壤盐渍化制图技术开始展现出巨大的潜力，因此本文系统综述了遥感技术在土壤盐渍化评价中的应用前景，并通过对WOS数据库中相关文献的关键词检索，分析了近几年土壤盐渍化的研究热点。结果表明美国和中国对土壤盐渍化遥感技术的研究最为深入，研究热点为基于机器学习和人工智能的盐碱化遥感监测。裸土与植被信息在目前土壤盐渍化监测中得到广泛应用，并引入了光谱指数的概念，通过对可见光（VIS）、近红外（NIR）与短波红外（SWIR）等光谱反射率的研究，监测土壤盐分的变化情况，目的是将多源、多尺度、多平台的遥感数据与地面信息相结合，建立一个综合的“天—空—地”一体化监测系统，在土壤盐渍化监测中，与多源多模态遥感数据相匹配的地面调查数据的高效获取，多模态数据中有效的盐分响应变量提取，以及维度的（一维、二维、三维）多模态信息有效融合，构建盐渍化土地的多个表征参数反演模型，并将研发的遥感产品应用于农业生产与生态环境保护实践中是目前亟待深入研究的问题。

在城市化与气候变暖的背景下，极端高温天气频发，危及城市居民的健康。公园降温效应（Park Cooling Effect， PCE）对于缓解这种影响至关重要。然而在土地资源紧缺的城市中，不受限制地扩大公园规模是不现实的，如何最大限度地提升公园的单位面积降温效果，是目前亟需解决的问题。本研究以中国最热的“火炉城市”福州为研究区，采用降温幅度（∆T_max）、降温距离（L_∆max）和降温梯度（G_temp）3个指标量化PCE，计算其内部50个城市公园的PCE指标，并从公园外部形态与内部景观斑块特征两个角度分析降温效应的影响因素。研究表明：①50个公园中有42个存在PCE，其余8个不存在PCE；②公园并非越大越好，同时要注重外部形态和内部斑块特征；③从公园外部形态特征来说，简单和规则的公园边界轮廓有利于公园的降温效应；④从公园内部斑块特征来说，低不透水面比例、高水体和植被占比以及复杂的斑块形态会增强PCE，而边缘密度过高与景观破碎化则会削弱PCE。因此，要注意保持植被、水体覆盖的连续性和完整性，设计多样化多层次的植被边界结构，或利用地形变化增加不透水面边界的纵向层次，以最大化公园的降温效果，缓解城市热岛效应。

在“双碳”背景下，黄河流域作为我国重要的能源基地及沿黄全国生态长廊，研究其碳排放时空演变特征，对于黄河流域生态治理和协调发展至关重要。本研究以黄河上游城市为例，基于夜光遥感数据构建碳排放估算模型，采用引力模型、标准差椭圆模型及热点分析等方法开展为期21年的碳排放时空格局分析，通过CA-马尔可夫预测模型对黄河上游城市2030年碳排放强度进行预测。结果表明：2000—2020年黄河上游地区碳排放量整体呈上升趋势，碳排放量从0.52×10⁹ t增长至1.78×10⁹ t；碳排放引力分异显著，总体呈现“东北强引力，其他区域弱引力”，碳排放重心向鄂尔多斯等工业型城市偏移；黄河上游地区市、县级尺度莫兰指数相对稳定，包头市、呼和浩特市、石嘴山市等城市为高高聚集区域，陇南市、西宁市等城市为低低聚集区域；碳排放冷热点空间分布聚集程度变化显著，河源区向东逐渐扩展，峡谷区较为稳定，冲积平原区呈波动变化；2030年黄河上游城市碳排放强度变化不明显。黄河上游碳排放空间异质性明显，工业型城市高排放，未来减排应聚焦其东北部及工业区，通过清洁能源替代、区域协同减排与完善监管实现流域碳减排，推动城市绿色可持续发展。

蓝藻水华会对水生态系统和人类健康造成严重威胁，开展蓝藻水华卫星遥感业务化监测，针对管理需求进行快速响应，具有重要的科学意义和实践价值。目前，蓝藻水华遥感监测相关研究主要集中于自动化提取算法和时空变化分析，高精度、规范化、业务化的时空快速响应方法研究较少，导致蓝藻水华遥感监测结果不能有效地服务于国家和地方水环境管理需求。针对这些问题，本研究基于蓝藻水华卫星遥感业务化监测需求分析，提出了一套符合科学性、可操作性和可比性的蓝藻水华卫星遥感业务化时空快速响应方法。该方法涵盖卫星遥感影像选择、常规和应急监测的监测频次与响应时间、蓝藻水华分布提取及提取结果质量控制等。在此基础上，本研究构建了蓝藻水华卫星遥感业务化时空快速响应方法产品体系。这套方法和产品体系可以有效提高蓝藻水华卫星遥感监测结果的准确性、一致性和时效性，为国家和地方水环境管理部门的水环境管理决策提供重要支撑。

现有业务化遥感叶绿素a浓度数据存在不同程度空间不完整、时间不连续的数据缺失问题，严重制约了遥感叶绿素a浓度数据的应用潜力，数据重构是解决该问题的主要手段。依据近年来国内外水色遥感数据重构方法的研究成果，研究总结了水色遥感数据重构方法的理论基础和发展历程，重点讨论了叶绿素a浓度数据重构研究的热点方向、常用的数据、常用方法和主要研究区域等内容，总结了叶绿素a浓度数据重构研究存在的问题，进一步揭示了叶绿素a浓度数据重构研究亟待解决的数据极端匮乏区的数据重构、短时间尺度数据重构方法构建、多变量结合的重构方法、经验正交函数数据插值法的改进以及遥感与数值模拟相结合的数据重构方法等关键难点，并展望了未来研究的方向。

城市非正规居住区是快速城市化进程中的一种全球普遍现象，其光学遥感识别研究对于实现可持续发展目标第11个目标可持续城市和社区具有重大意义。本文在统计2001—2024年国内外相关文献基础上，梳理和分析了城市非正规居住区光学遥感影像数据源及空间分辨率、单类特征分类和多源特征融合分类、识别方法和优缺点。结果表明：数据源按照空间分辨率分为超高/高、中、低3类；将单类特征或数据源分为光谱、纹理、几何和上下文等光学影像特征，GIS数据等辅助数据特征，并将多源特征融合分为特征级、数据级和决策级3种；与深度学习相比，基于像元法、面向对象法等传统识别方法存在适应性弱、识别效率低等局限，深度学习法以其强大的特征提取能力和较好的泛化能力，在大范围、长时序的非正规居住区遥感识别中具有广阔前景。本文可以为未来城市非正规居住区遥感识别提供参考，推进可持续城市建设和发展。

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 \mathrm{g}/{\mathrm{m}}^{\mathrm{2}}，RPD为2.30，返青期次之，灌浆期最低。基于FD光谱并结合CARS算法，采用GPR构建的冬小麦地上部生物量估算模型具有较高精度与稳定性，适用于不同生育时期冬小麦地上部生物量的定量估算，为冬小麦生长监测及精准农业管理提供了可靠的技术支持。

叶面积指数（Leaf Area Index， LAI）是反映作物生长的重要参数，准确获取对农业监测和产量评估至关重要。Sentinel-2卫星具备多红边与短波红外波段，在LAI反演中具有潜在优势，因此比较不同模型与波段组合的反演能力，对提升玉米LAI估算精度具有重要意义。本文以位于甘肃省张掖市的黑河遥感试验研究站大满观测场为研究区，基于PROSAIL模型敏感性分析，筛选对LAI敏感的波段组合和关键参数，构建模拟数据库，并采用查找表法（Look Up Table， LUT）、遗传算法（Genetic Algorithm， GA）和随机森林（Random Forest， RF）回归模型3种方法反演LAI，结合Sentinel-2影像及实测数据进行精度验证。结果表明：①异常数据对反演精度影响显著，LUT对异常值最敏感（ΔR²=0.20~0.26），RF相对稳定（ΔR²=0.14~0.20），LUT加入红边波段RE₂（B，R，RE₂，RE₃，NIR，RE，SW₂）可在提高精度的同时保持抗干扰性（均值ΔR²=0.18）；②移除异常数据后，LUT反演精度最高（R²=0.88，RMSE=0.31），GA次之，RF加入RE₂波段表现显著提升（R²=0.65~0.79，RMSE=0.64~0.53）；③3种模型在高LAI区间（2.5~5.0；LUT：R²>0.84；GA：R²>0.71；RF：R²>0.57）反演精度均显著优于低LAI区间（0.5~2.5），其中RF结合RE₂波段R²从0.57提高至0.82。综上所述，物理模型反演方法以及RE₂波段在提升玉米LAI反演精度方面作用突出，能够为玉米的LAI反演工作和生长监测提供有益参考。

准确反演林区积雪面积比例（Fractional Snow Cover， FSC）对于水文过程模拟、气候变化预测以及生态系统管理具有重要意义。基于随机森林（RF）算法与辐射渐进传输（ART）模型，提出RF_ART混合机器学习模型，旨在提高林区积雪面积比例（FSC）的反演精度。模型集成了光谱、植被、地形、角度、地温和积雪粒径等多环境变量，并在北疆阿勒泰和天山中东部林区进行了实验。结果表明，RF_ART在训练影像中的均方根误差（RMSE）平均值约为0.048 0，在测试影像中的RMSE平均值约为0.096 6，与NDSI_FSC和NDFSI_FSC方法相比显著降低。此外，RF_ART与RF_FSC的误差相近，但RF_ART引入了物理约束，提升了模型的稳健性，因此被认为是反演林区FSC的最佳算法。特别是在占主要部分的落叶林区，随着各类型变量的加入，RF_ART模型的RMSE逐渐降低，同时在数据稀缺的情况下，RF_ART模型也表现出极强的鲁棒性和应用潜力。通过混合机器学习模型与多源遥感数据，为林区的积雪面积比例反演提供了重要参考。

准确获取滨海湿地的长期演变信息对生态保护与资源管理具有重要意义。本研究以盐城珍禽自然保护区缓冲区与核心区为研究对象，利用1996—2024年Landsat遥感数据，借助Google Earth Engine云平台，融合连续变化检测模型（CCDC）、植被物候特征与马尔可夫随机场（Markov Random Field）分类后处理的优化方法（CCDC-MRF）监测湿地演变过程，探究湿地演变的时空异质性。结果显示：所构建方法分类精度较高，湿地识别的平均总体分类精度为86%以上，Kappa系数超过0.85，有效抑制椒盐噪声；研究区湿地演变呈现阶段性特征，经历“围垦—稳定—退围还湿—互花米草治理”的演化过程，缓冲区人工湿地变化幅度较大主要转向芦苇湿地。核心区变化较小，以自然植被的相互演替为主，近年变化主要受互花米草治理行动的影响；水体与植被的增益损失动力机制存在空间差异，缓冲区水体的增益损失主要受退养还湿的影响，而核心区植被大面积损失则与互花米草治理直接相关。研究表明，连续变化检测优化算法能提升滨海湿地识别的精度。盐城珍禽自然保护区的滨海湿地变化由于政策调控、自然过程与互花米草入侵的不同而呈现出差异化的演变特征。研究深化了对滨海湿地演变机制的理解，可为滨海湿地的精准监测与分区管控提供技术支撑。

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。

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。

单木是构成森林的基本单元，是森林资源调查与生态系统监测的关键因素。随着无人机技术与深度学习方法的发展，单木参数的高效提取逐渐成了可能。基于此，本研究以四川省乐山市夹江县的桉树人工林为研究区，通过无人机可见光影像，利用单阶段目标检测算法（SSD）和两阶段目标检测算法（Faster R-CNN）两种深度学习模型对影像进行单株立木识别及冠幅分级，并对两个模型进行验证集精度、测试集精度、训练时间等多维度的对比。结果表明：两个模型验证集精度均在83%以上，拟合效果较好，其中Faster R-CNN模型在测试集中平均精确率为95.13%，平均召回率为88.62%，平均F1分数达91.76%；SSD平均精确率为91.03%，平均召回率为82.66%，平均F1分数达86.64%。Faster R-CNN在精度和稳定性等方面优于SSD；而SSD模型在训练时间和检测效率方面具有明显优势。综合对比两种模型识别结果后，将Faster R-CNN模型结果用于后续分析。Faster R-CNN模型共识别129 045棵桉树，以四分位距法将所有桉树的生长状况分为三级，正常生长林木（Ⅱ级）占比为96.07%，生长旺盛林木（Ⅰ级）占比约为3.84%，生长缓慢林木（Ⅲ级）占比仅为0.09%。研究结果验证了深度学习算法对于无人机可见光影像在单株立木识别的良好应用潜力，证实了冠幅分级对于指导林业生产、制定抚育措施的重要实践意义。

积雪在青藏高原生态系统中发挥着关键调节作用，对碳储存和碳循环有着深远影响。作为碳循环的关键变量，地表植被总初级生产力（GPP）的时空变化特征及对积雪参数的响应机制，直接关系到高寒草地生态系统的碳收支。然而，当前对于青藏高原积雪变化对GPP影响的研究仍存在不足，尤其是积雪物候（如积雪开始和结束日期等）对GPP的调控作用尚未厘清。本研究基于2000~2018年GPP数据集和积雪物候数据等多源遥感数据，分析了青藏高原高寒草地GPP和积雪参数的时空分布特征，并结合近地面气温、地表向下短波辐射、降水量等气象数据，探讨了积雪参数与气象因子对高寒草地GPP的影响机制。结果表明：青藏高原年均GPP值在空间上呈现为西北低、东南高的分布特征，且整体呈现增长趋势；积雪开始日期和积雪结束日期均呈现提前趋势，积雪持续天数呈现减少的趋势；年均GPP随着积雪开始日期的推迟，积雪结束日期的提前与积雪持续天数的减少而增加；影响GPP变化的主导因素依次为近地表气温、积雪持续天数、降水量、地表向下短波辐射、积雪开始日期、积雪结束日期；尽管气象因子对GPP的影响更大，但积雪参数对GPP的影响不可忽视，尤其是对春季GPP的影响；GPP的变化受积雪参数和气象因子空间分布以及它们相互作用的综合影响。本研究揭示了积雪动态对高寒草地GPP的调控作用，并明确了积雪参数与气象因子对GPP的相对贡献。研究结果有助于深化对青藏高原高寒生态系统碳循环过程的理解，并为预测气候变化背景下的GPP动态变化提供科学依据。

受复杂气候与地形条件制约，梅里雪山地区的光学及微波遥感应用存在显著局限性。本研究基于大疆Mavic 3E无人机和海星达iRTK20 GNSS系统，分别于2023年10月1日与2024年10月1日对共森龙巴冰川末端开展了两期高精度摄影测量。利用U-Net深度学习模型，实现了冰川微地貌的自动化提取。研究结果表明：U-Net模型在冰川微地貌提取中表现出较高的精度和较强的泛化能力；观测期内（2023年10月~2024年10月）冰川末端表面高程平均降低2.37 m，变化显著；冰面湖塘呈现持续扩张趋势，且空间分布相对均匀；冰崖广泛发育，并持续向冰川退缩方向扩张，其中以末端中、上部区域最为显著；冰裂隙主要集中分布于3 910~4 000 m和4 110~4 200 m两个高程带，其余区域分布稀疏。本研究结合无人机影像与深度学习，建立的冰川微地貌智能提取技术体系，可为高精度监测冰川动态变化及其与气候变化的响应关系提供有效的技术支撑。

伴随新一代静止气象卫星的发射，其高频次、高时空分辨率的观测特性为动态火点监测提供了独特优势。本研究利用我国新一代静止轨道气象卫星FY-4A的AGRI数据，系统对比分析了时序法与上下文法在森林与草原火灾不同发展阶段的监测性能与适用性；并通过计算同一像元相邻时次的亮温变化率（时序法）及构建局部背景窗口统计亮温均值与方差（上下文法），分别对四川省与内蒙古自治区多起典型的森林和草原火灾进行了火点识别精度分析。研究结果表明：在火灾前期，时序法对亮温突变敏感，能有效捕捉火点，森林与草原火灾的识别准确率达到80%~89%；在火灾中期，火势蔓延导致空间热异常显著，上下文法表现更优，准确率达82%~88%；在火灾后期，火源减弱，单一方法识别能力下降，而采用时序法与上下文法的联合判识策略能显著提升监测能力，森林和草原准确率最高分别达到93.56%、90.36%。研究证实，针对火灾发展的不同阶段采用针对性的判识方法，可有效减少漏判与误判。

利用雷达遥感技术对滑坡隐患区进行大范围的识别及监测，是当前防灾减灾的重点。高压输电线作为国家电网的重要组成部分，其周围一旦发生滑坡，可能会造成巨大的经济损失。本研究采用SBAS-InSAR技术和光学遥感影像，对福建省龙岩市滑坡隐患以及影响因素进行了深入研究，特别关注了输电线附近的滑坡隐患区。研究结果表明：龙岩市滑坡灾害主要集中于斜坡和陡坡区域，高程多在200~600 m之间，与季节性降雨和人类活动等因素密切相关；重点识别的距输电塔不足2 km的7个显著沉降区，其年形变速率主要在-0.158~0.570 m之间，对输电设施构成了直接威胁。经过野外实地验证，该方法在保障输电线路安全运行方面具有重要作用。

大通河流域地处甘青两省交界处，是湟水流域最大的子流域，同时也是祁连山地的重要组成部分，流域中下游河谷狭窄纵深、山体陡峭，水资源与森林资源丰富。森林资源对该流域及其周边地区涵养水源、调节气候变化及水土保持等方面起着至关重要的作用。本研究基于GEE（Google Earth Engine）云平台，获取了研究区1987—2023年Landsat卫星长时序影像，逐年合成生长季（6—9月）的无云影像。研究采用改进的VCT（Vegetation Change Tracker）算法结合森林样本自动提取方法，对流域近37年森林时空变化及其干扰进行了监测研究。结果表明：森林主要集中分布在流域中下游的河谷两岸及其山体两侧；改进的VCT检测算法在森林、非森林与森林干扰3种类别的识别中，总体精度达到90.63%，Kappa系数达0.85，证明该方法在长时间序列森林变化监测中的有效性和可靠性。1989—2000年森林扰动较为集中，而2000—2023年扰动相对较少。研究结果可为该流域森林资源管理与生态保护提供数据支撑。改进的VCT检测算法结合GEE平台被证明是一种有效的森林干扰和动态变化监测手段。

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。

整合无人机与手持LiDAR点云数据可显著提升森林单木参数估测的精度与效率。本研究采用区域生长结合阈值判断算法（Point Cloud Segmentation，PCS）对无人机LiDAR点云进行单木分割，基于密度的噪声应用空间聚类算法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）对手持LiDAR点云进行树干分割，再利用迭代最近点算法（Iterative Closest Point，ICP）进行点云整合。结果表明：手持与拼接点云的单木检出率达到96.15%，较单独使用无人机LiDAR（93.28%）显著提高；树高提取精度方面，拼接点云的决定系数R²为0.961，均方根误差RMSE为0.898 m，平均绝对误差MAE为0.726 m，平均绝对百分比误差MAPE为7.01%，优于单独使用无人机LiDAR（R²=0.942，RMSE=0.946 m，MAE=0.754 m，MAPE=6.8%）和手持LiDAR（R²=0.867，RMSE=1.447 m，MAE=1.224 m，MAPE=11.6%）；胸径提取精度方面，拼接点云的R²为0.979，RMSE为1.373 cm，MAE为1.155 cm，MAPE为11.87%，与手持LiDAR（R²=0.967，RMSE=1.286 cm，MAE=1.000 cm，MAPE=10.25%）相当；冠幅提取精度方面，拼接点云的R²为0.733，RMSE为0.894 m，MAE为0.752 m，MAPE为35.78%，高于单独使用手持LiDAR（R²=0.561，RMSE=1.131 m，MAE=0.935 m，MAPE=42.42%）。拼接点云能有效克服单一数据源局限性，为森林资源精准监测提供高效技术手段，推动森林资源管理科学化和精细化。

黄河流域水资源丰富，流域内水利枢纽深刻影响着居民的生活和区域经济发展。该流域地质环境脆弱，多数大坝运营时间久，开展大坝健康诊断具有重要价值和意义。本研究采用星载InSAR技术研究黄河流域典型大坝时空形变特征。为了获得高精度坝体形变，实验采用网络优化辅助InSAR相位解缠方法。研究区域为黄河上游公伯峡大坝和黄河中游小浪底大坝，实验数据采用2017—2024年的Sentinel-1A。研究结果显示公伯峡水电站大坝部分区域形变速率超过2 mm/a，小浪底水利大坝部分区域形变速率20 mm/a，库区水位波动引起大坝周期性形变特征。InSAR网络优化方法提升了相位解缠绕精度。该研究对黄河流域水利枢纽安全运营起到关键支撑，对于其他黄河流域水利大坝健康诊断具有重要借鉴意义。

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。

研究吉林省耕地资源利用状况，可为耕地资源可持续发展提供理论支撑。本文采用人均耕地面积模型、EF-NPP模型评估吉林省2001~2021年耕地生态盈亏和供需盈亏状况，再通过可持续利用指数、灰色预测模型预测2022~2031年耕地可持续利用趋势，最后提出合理的管控分区。结果显示：①粮食安全视角下，耕地供需盈亏系数由0.532增加至0.710，呈现“盈余为主、逐渐优化”的趋势，空间上呈现“中、西部盈余、东南部亏损”的特征；②生态安全视角下，耕地生态盈亏系数由-0.201增加至-0.118，呈现改善趋势，空间上呈现“西部亏损，东部盈余”的特点。可持续利用指数从0.455增加至0.472，预计2022~2031年耕地为弱不可持续利用状态（IIIa），即耕地资源的可持续利用水平尚未达到理想状态；③以综合盈亏值和相关政策为导向，将耕地资源利用等级划分为稳固提升、潜力开发、整改优化3种类型进行分区管控，提升可持续利用水平，促进耕地可持续发展。研究结果划定的管控分区可助力实现可持续利用目标。

全球变暖导致极端气候事件频发，中国西南地区作为重要的生态屏障和经济区，近年来干旱事件频发，对水资源安全、农业生产和生态环境构成了严重威胁。因此，系统探究西南地区干旱事件的时空演变规律及未来趋势，对于深刻理解区域干旱发展动态、建立有效防灾减灾策略具有至关重要的理论与现实意义。本研究利用GRACE/GRACE-FO数据探究西南地区2002—2022年间陆地水储量和地下水储量的时空演化特征，并基于干旱指数（Drought Severity Index， DSI）诊断西南地区干旱特征及未来发展趋势。结果表明：①基于GRACE数据重构的水储量和干旱指数结果可靠，可为干旱定量评价提供科学依据；②西南地区陆地水储量与地下水储量均存在明显的季节波动并持续增长，以贵州、重庆最为显著；③20年间共发生15次干旱事件，以春冬季频率最高，最烈干旱为2010年的冬春连旱；④云南西南部、四川西部以及广西南部的干旱在过去20年间明显加剧，四川东部、重庆、贵州以及广西北部等区域在未来将面对更严峻的干旱。研究表明，尽管西南地区水储量总体增加，但干旱频发且空间分布不均，未来需加强对高风险区域的水资源监测与干旱防控，为区域防灾减灾提供科学依据。

针对X波段双偏振一维相控阵天气雷达，研究提出了一种“窄发窄收”业务运行模式下的系统性标校框架。首先，针对被标雷达进行静态测试，包括机内外仪表测试、天线远场测试与金属球标校，获取雷达在较为理想情况下的性能；其次，针对被标雷达展开动态测试，包括降水数据收集与分析、不同仰角波束差异评估；最后，使用一种基于多距离库加权的一致性比对算法，利用长沙气象雷达标校中心的标准S波段天气雷达进行雷达一致性比对，直接比较被标雷达与标准雷达的性能差异。测试结果表明：被标X波段双偏振一维相控阵天气雷达整体表现良好，不同仰角下合成的波束探测性能较为稳定，但是可能存在灵敏度不足、反射率因子偏低等现象，需要后续继续排查问题以保证满足业务需求。

系统评估不同时空融合方法在湖泊动态监测中的适用性对于优化监测方案具有重要意义。基于鄱阳湖典型区，本研究选取5种主流时空融合方法（STARFM、OL-STARFM、FSDAF、OL-FSDAF、OL-FSDAF 2.0），设计动态过渡组与水体极端组两类实验方案，分别在4个不同地貌特征子区开展融合实验，并通过水体提取进行应用验证。结果表明，在动态过渡组中，FSDAF融合影像的光谱精度最高，OL-FSDAF2.0的融合影像在结构保持上表现最佳；在水体极端组中，FSDAF模型表现稳健，适合处理碎片化水体，OL-FSDAF2.0模型则在局部边界增强方面突出。水体提取实验显示，融合影像总体能够为湖泊水体提取提供有效数据支撑。研究揭示了水文阶段与地貌条件对时空融合模型表现的协同影响，弥补了现有文献关于时空融合方法在动态环境中应用的不足，为不同监测场景下最优融合模型的选择提供了理论依据。多源时空融合影像有效弥补了单一数据源的局限，可为水资源管理、生态保护和洪水监测提供高频率、高精度的数据支持。

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。

海岸线时空变化研究对沿海生态环境保护和资源规划有重要的指示作用。本文基于谷歌地球引擎（Google Earth Engine，GEE）平台筛选2000~2023年Landsat遥感影像，结合修正归一化水体指数（Modified Normalized Difference Water Index，MNDWI）、增强植被指数（Enhanced Vegeta-tion Index，EVI）和归一化指数（Nominalized Difference Vegetation Index，NDVI）识别水像元，在计算水边缘频率后以目视解译的方式对照高精度遥感影像选取分割阈值，提取胶东半岛海岸线，并利用数字海岸线分析系统（Digital Shoreline Analysis System，DSAS）分析海岸线时空变化规律。研究结果表明：2000~2023年胶东半岛海岸线长度整体增加285.77 km，平均增长12.42 km/a，向海推进126.58 m，速率8.53 m/a；以2005年为节点，2000~2005年海岸线长度及移动速率均低于平均水平，2005年以后海岸线迅速增长且向海移动加快，其中2010~2015年海岸线长度增长速率最大，达47.55 km/a；海岸线向海移动速率同样在2005年以后迅速加快，2005~2010年为移动速率最快的时期，净移动距离（Net Shoreline Movement，NSM）69.56 m，线性回归变化速率（Linear Regression Rate，LRR）14.81 m/a。空间尺度上，烟台市海岸线扩张程度最大，NSM 212.81 m，LRR 10.92 m/a；威海市海岸线NSM、LRR最低，变化程度最小；青岛市海岸线变化与全区平均水平基本持平。由于沿海城市海岸主要受人类活动影响，对胶东半岛沿海区域人类活动强度进行分析，发现自2005年高强度人类活动区域面积明显增大，初步认为2000~2023 年胶东半岛海岸线整体向海推进，2005 年为变化关键节点，此后速率显著加快，人类活动是其主要驱动因素。

森林冠层高度是计算和衡量森林生物量、碳汇的重要指标，陆地生态系统碳监测卫星植被系统全波形激光雷达数据（简称句芒号全波形数据）能够获取森林垂直结构参数等信息，如何利用句芒号全波形数据准确提取森林冠层高度至关重要。以根河市为研究区，对句芒号全波形数据和无人机激光雷达数据进行预处理得到光斑和冠层高度模型（Canopy Height Model，CHM），通过数据筛选得到位于CHM范围内的光斑，并计算光斑范围内的平均CHM（简称光斑平均CHM）；其次，对筛选过后的全波形数据进行滤波去噪、滤波评价、阈值处理后得到位于波峰区域的全波形数据并提取波形特征；最后，将波形特征与光斑平均CHM分别构建XGBoost模型、AdaBoost模型、CatBoost模型、GBRT模型，利用十折交叉验证法进行预测，将R²、RMSE、MAE、ME、Acc作为评价指标。结果表明：筛选得到的108个高质量光斑含有201个全波形数据，每个全波形提取出109个波形特征，模型总体精度按高到低分别为XGBoost模型 、CatBoost模型、GBRT 模型、AdaBoost 模型，最优模型精度为：R²=0.67、RMSE=3.13 m、MAE=2.31 m、ME=0.12 m、Acc=68.54%。研究发现通过数据筛选、滤波去噪和评价、阈值处理、波形特征提取、模型构建能够准确地从句芒号全波形数据中获取森林冠层高度，为森林碳汇估算、生物量监测提供了新的技术路径。

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。

海上油气平台是用于海洋油气资源勘探、开采和运输的重要设施。监测海上油气平台对于海面溢油监测、温室气体排放估算、海洋生态保护等具有重要意义，卫星遥感影像已经广泛用于海上油气平台的监测。然而，现有研究采用的动静分离策略忽略了船舶经过海上油气平台邻近位置的情况，同时难以反映移动式海上油气平台的短时期动态变化。为此，研究提出了一种考虑目标时空重合度的动静分离策略，基于时序Sentinel-1合成孔径雷达 （Synthetic Aperture Radar， SAR）影像开展海上油气平台动态变化监测。该方法使用时序Sentinel-1遥感影像和Faster R-CNN深度学习模型提取海上亮目标，测算目标包围框在时序影像中的空间重合度，并结合停留时间去除移动目标，设定目标面积阈值去除小目标得到海上油气平台提取结果，进一步根据平台出现时间和消失时间监测典型区域油气平台动态变化。研究采用该方法监测了2015—2025年涠洲油田中心区域海上油气平台的动态变化，使用高分系列卫星影像和Sentinel-2卫星影像验证提取结果，得到提取准确率为98.6%。在研究区共识别出80个海上油气平台，其中监测期内始终存在的固定平台13个，新建平台4个，位置发生变化的移动式平台63个，变化平台中54个平台的停留时间在30 d以内，说明该区域海上油气平台活动频繁，存在较多的短时间钻井勘探作业。因此，研究提出的方法能够较为准确精细地监测海上油气平台的动态变化，尤其能够反映移动式海上油气平台的短时期动态。