冰云对全球气候的显著影响，使得利用毫米波/亚毫米波辐射计探测冰云分布持续受到关注。为从辐射计亮温测量值中反演出冰云粒子参数，完善的辐射传输正演模型起到非常关键的作用。针对即将发射的冰云成像仪毫米波/亚毫米波星载辐射计，建立起了包含粒子散射在内的完整的辐射传输模型。传输模型读取大气廓线及云层粒子微观参数，仿真计算得到辐射计各通道的辐射亮温。给出了辐射传输模型的详细配置，并分析了不同通道对云层粒子的敏感性。结果表明：冰云成像仪各通道对冰云粒子、雪粒子均有很强的敏感性，但只有低频率通道能探测到水云粒子、雨粒子的变化。辐射计通道中，不同的中心频率对冰晶粒子敏感度不同，从而可使辐射计探测不同高度、不同特性的粒子。对于同一中心频率，不同频偏对应不同的大气透明度，使得辐射计可进一步探测到不同高度的云层信息。仿真工作将会为后续的毫米波/亚毫米波辐射计设计、反演算法研究等打下良好的基础。

MODIS日尺度的地表温度受到天气影响，有效像元信息严重缺失， 这对数据稀缺区域尤为重要。以古尔班通古特沙漠为研究区，探索了采用AMSR-2 的垂直极化亮度温度与植被指数对地表温度空间降尺度的方法，并用此方法填补了2018年MODIS的缺失像元。①通过十折交叉验证，对4种机器学习算法（Cubist、DBN、SVM、RF）、10个波段组合、2个空间尺度（5 km、10 km）下的训练模型进行了分析，表明RF算法精度明显高于其他3种算法，C09波段组合的验证精度高于其他波段组合。②构建了2个鲁棒性的随机森林算法地表温度降尺度模型（5 km|RF|09、10 km|RF|09），将AMSR-2亮度温度降尺度到１km分辨率，表明5 km|RF|09模型反演结果更为合理，MODIS与站点验证的R²分别为0.971、0.930，RMSE分别为3.38 K、4.71 K，MAE分别为2.51 K、3.84 K。③降尺度结果填补MODIS地表温度缺失像元，将其应用到古尔班通古特沙漠长时间序列的陆表温度分析，可为数据稀缺区域数据获取提供科学参考。

WRF是近地面风场模拟的重要工具，其中土地利用与土地覆盖信息是WRF的重要输入，是影响WRF模拟精度的重要因素之一。WRF模式默认采用的是USGS或MODIS土地利用与土地覆盖数据，二者时效性差，空间分辨率低，在城镇化快速发展地区常导致近地面风场模拟精度差的问题。土地利用与土地覆盖信息的提取涉及很多地物类型，如果对所有地类进行更新，耗时耗力，无法满足实际应用的需求。在所有地类中，城市建成区的变化最快，对区域气候环境的影响也是最大的，因此，提出综合利用SAR数据和夜晚灯光（NL）数据提取建成区实现土地利用与土地覆盖数据的快速更新，然后利用更新后的WRF进行风场模拟，在京津冀地区的实验表明该方法可以快速准确提取建成区边界，进而使得WRF模拟近地面风速的精度明显提高。

本研究采用HUT模型、DMRT模型和MEMLS模型模拟积雪雪粒子与不同波段（18.7 GHz和36.5 GHz）微波相互作用（吸收和消光），并用于辐射传输模型。而雪粒径的获取一直是一个难点，本研究由Jordan91雪粒径演化模型演化得到雪粒径，并将其作为辐射传输模型的输入参数，基于像元内实测数据进行混合像元18.7和36.5 GHz水平极化亮温模拟。结果表明：采用HUT模型、DMRT模型和MEMLS模型的消光系数在18.7 GHz时模拟亮温的偏差分别为-3.6、-1.8和-0.7 K，在36.5 GHz时分别为4.0、10.4和14.4 K。对于18.7 GHz水平极化和36.5 GHz水平极化，基于有效雪粒径的亮温模拟与基于雪粒径演化过程的亮温模拟精度呈现出很好的线性关系。因此，基于雪粒径演化过程的方法是一种合适的获取辐射传输模型中雪粒径参数的方法。

定量模拟太阳辐射对认识黄土高原区气候变化至关重要，现有研究表明机器学习可以很好地模拟太阳辐射，但不同的机器学习法在不同区域模拟精度不同，为了实现黄土高原区太阳辐射数据的最优模拟，从而为农作物模型、水文模型以及气候变化模型提供精度更高的太阳辐射数据。基于随机森林（RF，Random Forest）、人工神经网络（ANN,Artificial Neural Network）和支持向量机（SVM,Support Vector Machine）3种机器学习法来模拟黄土高原地区的太阳辐射并对这3种算法进行比较研究，选取了2003~2009年14个辐射站点和2010~2016年10个辐射站点的实测数据和对应参数气压、云量、云光学厚度、臭氧、可降水水汽以及DEM、坡度、坡向作为模型的训练数据，随机选取2010~2016年4个辐射站点的太阳辐射实测数据对模拟结果进行验证。验证结果表明：RF模型在黄土高原及周边地区的模拟效果最优，平均偏差(MBE)为-0.17 MJ·m^-2，均方根误差(RMSE)为1.48 MJ·m^-2，拟合优度达到0.96。研究结果表明:RF模型与气象数据及遥感数据结合能够有效解决黄土高原无辐射观测区的太阳辐射模拟问题，对区域太阳辐射的研究具有重要意义。

中高分辨率气溶胶信息对于高精度地表反射率反演以及城市空气环境质量监测具有重大意义，但在城市及稀疏植被等高亮地表区域，气溶胶光学厚度（AOD）的高精度反演一直是定量遥感领域的难点之一。以北京城市区和包头沙漠区为例，利用MODIS地表反射率产品构建先验知识约束条件，基于深蓝算法实现了13景Sentinel-2高亮地表的AOD反演。为验证算法精度，将反演结果与全球气溶胶自动观测网(AERONET) 站点实测值、Sentinel-2官方插件Sen2Cor处理结果、Landsat-8反演值作对比。结果表明：①采用深蓝算法反演的AOD值与AERONET实测值具有显著的相关性（R² >0.9，RMSE=0.056）；②无论是沙漠高亮区还是植被较少的城市高亮区，Sen2Cor插件反演的AOD值整景均为固定值，无空间分布，不符合实际情况；③Sentinel-2深蓝算法反演结果与准同步过境的Landsat-8反演的AOD产品在空间分布上具有高度一致性，较好地反映了人类活动特征。相比于目前官方产品，深蓝算法适合Sentinel-2数据高亮区域的气溶胶反演，在绝对精度和空间分布趋势方面均具有明显优势。

海表面盐度遥感是海洋遥感研究的重要内容之一。针对大气对海表面盐度遥感的影响，根据大气辐射传输理论，对大气影响进行仿真分析及修正，进而通过神经网络模型反演了海表面盐度。研究结果表明：大气对海表面盐度遥感存在一定的影响，需进行校正；当大气温度和压强精度分别达到2 ℃和10 hPa时，可以去除大气影响；训练样本集选取数量的不同将对神经网络反演精度造成一定的影响；SMAP卫星海表面盐度遥感反演结果相对误差较小，残差基本集中在0.6以内，但在盐度值低于34.4‰的区域误差较大。

水文预报是水资源优化配置的重要前提，而传统预报方法普遍存在预测精度低的问题，为提高水文预报的准确性，提出了一种混合数据驱动模型用于月径流预测，即奇异谱分析—灰狼优化—支持向量回归（SSA-GWO-SVR）模型。该模型通过SSA对径流数据进行去噪处理来提高径流序列的平稳性和可预测性，采用GWO对SVR模型的参数进行联合选优，从而增强模型的泛化能力。通过黑河正义峡的月径流预测进行模型验证，以平均绝对误差（MAE）、均方根误差（RMSE）、相关系数（R）和纳什效率系数（NSEC）为模型评价标准。实验结果表明该模型的预测精度明显高于自回归积分滑动平均模型（ARIMA）、持续性模型（PM）、交叉验证-SVR（CV-SVR）和GWO-SVR模型，并且它能很好地预测径流峰值，说明该模型是一种可靠的径流预测模型，能够更深入地捕获水文径流的内在特性，为基于数据驱动模型的水文预报提供了一种新方法。

搭载多个遥感应用载荷的天宫二号空间实验室（TG-2）于2016年9月发射，其中多角度偏振成像仪共设置12个观测通道（565~910 nm），是国内首个应用于空间探测的多角度偏振仪器。该仪器的数据质量对气溶胶和云的光学、微物理特性参数的精确反演至关重要，而高精度的影像地理定位是观测数据得以定量应用的基础。根据多角度偏振成像仪光学几何设计参数和航天器的姿态信息，基于参数法建立了影像观测像元与地面空间位置之间的关系模型。首先分析地球自转和航天器姿态偏差对像移造成的影响，进行相应的偏流角和安装矩阵初步订正，接着采用海岸线拐点法探测初步订正结果在沿轨和交轨方向的误差，并使用焦点纠正法直接在焦平面坐标系中补偿了两个方向上的地理定位误差。最终的定位误差评估表明，沿轨和交轨方向的平均误差保持在一个像元以内。

南海海水表面温度对中国陆地的气候变化具有显著的影响。以南海南部海域为例，首先对MODIS基础数据进行几何校正及影像去云等预处理，利用辐射传输模型MODTRAN计算大气透过率，利用MODIS数据第31和32波段辐射亮度值计算亮度温度，采用劈窗算法反演南海南部海域海表温度，反演结果与产品及实测数据进行回归分析，采取决定系数（R ²）、误差平方和（SSE）及均方根误差（RMSE）进行拟合情况评价。决定系数（R ²）大于0.8，SSE、RMSE较小，其中反演结果与实测数据的SSE为1.025，RMSE为0.158，说明反演精度良好。研究表明:温度具有明显的区域和季节变化特征，秋冬较低，春夏较高，在空间上从离近岸向中心海域方向递减，海盆中心温度低。温度受气候的影响，与厄尔尼诺现象呈正相关，与拉尼娜现象呈负相关。

水体光谱信息微弱，常用的基于辐射传输模型的大气校正方法在水体中校正精度较差。基于覆盖太湖水体的2016年4月29日的高分一号宽幅相机影像（GF-1/WFV）和同步的实测光谱数据，对6S辐射传输模型的输入参数进行敏感性分析，逐像元计算观测几何，使用分区气溶胶类型、分区暗像元和Spline插值确定的气溶胶光学厚度（Aerosol Optical Depth，AOD）进行6S逐像元大气校正。实验结果表明:气溶胶模式对6S大气校正结果的影响最大，与FLAASH方法相比，逐像元计算观测几何和气溶胶参数的校正方法对大气校正精度有改进作用,4个波段的平均相对误差分别降低了1.84%、7.78%、4.79%和17%。结合精确大气参数输入的6S逐像元大气校正方法可以改进水体表面遥感反射率的大气校正精度。

地表反照率数据对地表能量平衡和全球变化研究具有重要意义。基于2014年FY-3C卫星250 m分辨率的反射率数据和角度数据，选取非洲及北美洲的4个区域作为研究区，采用RossThick-LiSparseR模型作为BRDF(Bidirectional Reflectance Distribution Function)核模型反演了地表窄波段反照率，得到250 m分辨率的4个窄波段黑空、白空反照率。将反演得到的FY-3C地表窄波反照率产品与MODIS反照率产品（MCD43A3）数据进行了交叉验证，结果表明：FY-3C窄波段反照率与对应MODIS窄波段反照率对比的均方根误差在0.01~0.04，平均偏差(MBIAS)为0.09，FY-3C窄波段反照率与对应的MODIS窄波段反照率在可见光波段、近红外波段有较好的一致性。本研究提升了国产风云极轨卫星的应用范围，可为FY-3C地表反照率业务化产品提供算法支撑。

随着我国经济的快速发展和城市化进程的加快，大气细颗粒物PM_2.5已经成为影响我国大气环境污染的主要因素之一。利用静止卫星数据可以获取大范围的面状PM_2.5信息，为我国大气环境的监测、治理、预测等提供了不可替代的数据源。以江苏省为研究区，利用静止卫星GOCI数据，在反演逐时气溶胶光学厚度（AOD）的基础上，结合气象因子，利用多元统计分析进行了研究区PM_2.5的遥感反演研究。结果表明：基于AOD的多元统计模型，在估计的PM_2.5浓度和观测值之间表现出良好的一致性，拟合度R ²为0.665 2。在对AOD进行湿度订正后得到的dry AOD进行多元统计建模，预测的PM_2.5浓度与观测值之间的拟合度R ²达到了0.702 6，证明了经过湿度订正后的“干”AOD与PM_2.5之间建立的关系更加可靠。使用GOCI反演的AOD计算PM_2.5浓度，在空间分辨率和时间分辨率上充分体现了GOCI作为静止卫星监测PM_2.5的优势。在空间分分辨率上，基于GOCI卫星获取AOD的空间分辨率为500 m，优于MODIS 10 km的AOD产品；时间分辨率上，基于GOCI获取AOD实现每日自9:00~16:00逐小时监测，优于MODIS每日两次的AOD产品。

叶面积指数（Leaf Area Index,LAI）是生物地球化学循环中重要的植被结构参数。针对目前基于我国GF-1 WFV卫星影像的夏玉米多生育期LAI反演研究较少的问题，基于不同隐含层构建BP神经网络模型（BP1模型和BP2模型），对比分析BP1模型、BP2模型和6种统计模型（NDVI、RVI、DVI、EVI、SAVI、ARVI）反演之间的精度差异，并根据实测数据绘制BP1模型和BP2模型的夏玉米多生育期LAI动态变化图。结果表明:LAI与6种常用的统计模型均有良好相关性，其中NDVI指数方程式回归模型拟合度最优；BP神经网络模型整体R ²略小于统计模型，而RMSE则小于统计模型，取得了与实测值差异更小的结果，统计模型与BP神经网络模型各有优劣之处；BP2模型在R ²和RMSE均优于BP1模型，能获得更为精确的反演值，BP2整体预测精度更高；基于BP神经网络模拟夏玉米生育期反演，LAI值呈现缓慢升高—快速增长—逐渐减小的S型变化过程，基本符合作物生长规律。该研究结合不同隐含层建立的BP神经网络模型，为GF-1卫星在作物叶面积指数多生育期反演的应用推广提供了方法支撑。

借助植被辐射传输模型，利用遥感观测数据估算LAI是一种较为可靠和稳健的反演方法。然而，地表的复杂性、遥感观测的有限性以及自相关性导致遥感数据包含的信息量不足，不能完全支持LAI等地表参数的估算，易造成“病态”反演。在遥感反演过程中引入先验知识能够有效地解决该问题。研究基于遥感数据提取LAI先验信息，并将其用于代价函数的构建，利用PROSAIL辐射传输模型和遗传算法，分别在500 m和250 m尺度反演LAI。将高空间分辨率LAI分别升尺度到500 m和250 m，验证对应尺度LAI结果，评价引入先验信息对于提高LAI反演精度的作用。研究表明，引入先验信息有助于提高不同分辨率下LAI反演精度，且先验信息的质量一定程度上也影响着LAI反演结果。与未加入先验信息的LAI反演结果相比，以MODIS LAI产品作为先验信息反演的500 m尺度LAI结果精度R²由0.55提高至0.65，RMSE由1.29下降至0.38。在250 m尺度，以500 m LAI反演结果作为先验信息反演的叶面积指数，其精度优于以MODIS LAI产品为先验知识的估算结果，验证精度R²增加了0.08，RMSE减少了0.18。研究使用的先验信息主要来自遥感数据本身，没有地面实测数据的参与，在此基础上发展的多分辨率LAI反演方法具有估算大区域尺度LAI的应用潜力。

微波遥感可以获取大范围的地表土壤水分信息，以及由此得到全球尺度的土壤水分产品。但由于传感器观测配置和反演方法等诸多因素的影响，使得不同的土壤水分产品在精度和可靠性方面存在差异。基于Triple-Collocation（TC）方法，在青藏高原那曲地区的0.25°×0.25°和1.0°×1.0°两个空间尺度上对AMSR2、SMAP和SMOS 3种土壤水分遥感产品进行不确定性分析，开展基于随机误差的数据融合算法研究。研究结果表明:不同遥感产品间的随机误差在空间分布上存在显著的不一致性，使得应用传统的算术平均方法进行数据融合不具有普适性。基于此不确定性，对3种产品配赋相应的权重进行融合，相比于3种土壤水分原始数据集，融合产品不仅具有更丰富的数据量，也会对数据精度有所改善。当遥感产品间的随机误差接近时，等权重和优化权重的融合结果非常接近；当遥感产品间的随机误差差异较大时，基于不确定性的数据融合方法相比等权重方法可以明显的提高融合数据的精度。

遥感影像受大气的吸收散射以及地形起伏变化的影响，使得传感器接收到的辐射信号既包含了地物的信息，同时也包含了大气以及地形的信息。为了提高地表反射率的反演精度，需要去除遥感影像中大气和地形的影响。提出了一种基于查找表的Landsat8-OLI遥感影像的大气校正方法，该方法由6S辐射传输模型生成查找表，其中输入的参数包括大气水蒸汽含量、臭氧浓度和气溶胶光学厚度等MODIS大气参数产品。利用传统方法建立的大气参数查找表通常只考虑一部分因素，这对于以MODIS产品为输入参数的大气校正是不适用的。本文建立了一个包括大部分输入参数的高维大气校正查找表，对于Landsat-8 OLI传感器具有很高的通用性，通过进行光谱分析、与USGS地表反射率产品交叉验证等方式来验证模型的精度。验证结果表明该方法能有效地反演精确可靠的地表反射率。最后，采用目视解译、统计分析将校正结果与SEVI做对比分析，比较地形影响消减的效果。结果表明该模型与SEVI在地形消减的效果上作用相当。

锂是重要的新兴战略资源，四川甲基卡矿田是中国乃至于世界上锂矿资源最集中的地区之一。运用美国ASD FieldSpec-4便携式红外波谱仪，通过对甲基卡最大的矿脉X03号脉钻孔ZK1101孔的波谱测量，对比分析了含锂辉石伟晶岩、不含锂辉石伟晶岩及围岩的波谱特征，得出锂辉石具有1 413、1 900、2 207 nm三处吸收特征，区分含锂辉石伟晶岩、不含锂辉石伟晶岩及围岩的波谱吸收特征主要位于1 900 nm处，并通过1 900 nm吸收谷的吸收深度与锂含量的相关分析，建立了锂含量定量反演模型。本研究开启了对锂辉石这一标志性找矿矿物波谱特征的新认识，同时为今后锂含量定量评估奠定了高光谱理论基础。

为探究高光谱数据估算土壤重金属铜含量的可行性，以石家庄市水源保护区褐土为研究对象，对不同光谱变换数据与重金属铜含量做了相关分析，建立了土壤重金属铜的单光谱变换指标偏最小二乘模型和多光谱变换指标偏最小二乘模型。结果表明：光谱反射率（R）经倒数一阶微分（RTFD）变换后与铜含量的相关性有所提高；光谱敏感波段为418、427、435、446、490、673、1 909、1 920和2 221 nm，基本位于土壤氧化铁、粘土矿物的特征吸收区域；对土壤重金属铜含量估算效果最好的单光谱变换指标偏最小二乘模型为RTFD模型，其模型决定系数（R²）为0.649，均方根误差（RMSE）为1.477；多光谱变换指标偏最小二乘模型R²和RMSE分别为0.751和1.162，建模效果优于单光谱变换指标模型。研究结果可为北方地区褐土类型土壤重金属铜的高光谱估算提供借鉴。

为准确分析中国地区气溶胶空间分布与时间变化特征规律，首先利用中国地区9个AERONET（Aerosol Robotic Network）地基站点观测资料对新一代静止气象卫星Himawari-8气溶胶光学厚度（Aerosol Optical Depth， AOD）产品数据进行一致性验证，并在此基础上选取2015年7月至2018年4月Himawari-8逐小时AOD数据分析了中国地区气溶胶光学厚度时空变化特征。结果表明：①Himawari-8 AOD与AERONET AOD之间相关性很高，9个站点的相关系数R在0.64 ~ 0.91之间，拟合曲线斜率k的范围为0.57 ~ 0.68。②Himawari AOD产品与AERONET AOD的相关性在中午时段较其他时段相对较低；北方地区Himawari-8 AOD冬季反演效果与夏季相比较差，南方地区则相反。③中国地区年平均AOD呈东高西低分布，春、夏两季AOD明显高于秋、冬两季，其中夏季最高，春季次之；地区间AOD月变化差异也较大；大部分地区AOD日变化呈现先下降后上升再下降的趋势，AOD最高值出现在午后14 ~ 16时，最低值出现在18时。研究结果为了解中国地区大气气溶胶的时空变化规律和全天时的大气污染监测方法提供新的参考。

镁铁质―超镁铁质岩的遥感岩性识别研究一直是遥感岩石学领域的热点之一，其岩石信息对于岩浆型铜镍硫化物矿床的预测十分重要。提出一种综合利用Landsat 8、ASTER和PALSAR-2数据的镁铁质―超镁铁质岩石全谱段遥感识别模型：通过对野外采集岩石样品及光谱库中相关岩石矿物的可见光―热红外谱域的光谱测试与特性分析，结合岩石表面微波散射特性，应用特征空间，贝叶斯线性判别分析、逐步偏最小二乘回归分析等方法，创建镁铁质―超镁铁质岩性指数，并利用提出的岩性指数进行镁铁质―超镁铁质岩的初步提取，再经过基于贝叶斯决策理论的融合处理得到最终的镁铁质―超镁铁质岩石信息。结果表明：该模型能够对镁铁质―超镁铁质岩进行精准定位，识别精度达到94%以上。此外，根据遥感岩性、构造特征的解译与区内已知铜镍硫化物矿床的成矿岩体比较，推断出位于赤石山―小长山―中坡山一带以及小青山附近岩体具有一定的成矿潜力。

土壤光谱是遥感监测的物理基础，盐渍化土壤光谱特征研究对于盐渍化土地的监测有着重要的意义。以黄河三角洲地区的滨海盐渍土为研究对象，通过野外土壤样品采集和高光谱测量，研究在去除水分以及剔除土壤质地影响后，不同盐渍化程度的滨海盐渍土在350~1 100 nm区间的高光谱反射和吸收特征，并且试图构建光谱预测模型。结果表明: 平滑后的光谱曲线能更准确有效地描述光谱的反射特征及吸收峰。不同盐化程度的土壤光谱曲线形态一致，但反射率大小差异较大。连续统去除后，490 nm处轻度盐化土吸收最小,在760~920 nm区间重度盐化土的吸收更强烈。原始光谱不能预测土壤盐渍化信息，但是二阶微分变换能够提高波段敏感性，建立的光谱预测模型能够基本满足预测要求。

地表温度在干旱监测和模拟地表热通量中有重要作用。在干旱半干旱地区，双源能量平衡模型(TSEB)通常用于计算地表的热通量。以黑河中游典型灌区为研究区域，选取4个时相的Landsat-7 ETM+遥感影像，通过植被指数与TSEB模型结合的方法反演土壤表面温度和植被冠层温度，并重点讨论土壤表面温度和植被冠层温度的分解算法。结果表明：土壤表面温度和植被冠层温度具有较好的时空一致性；土壤表面温度与植被冠层温度的反演精度通过地表净辐射与地表热通量得到了间接验证。地表净辐射与地表热通量的计算值与观测值相关性好，相关系数大于0.92。地表净辐射与地表热通量的线性回归分析表明拟合精度高。通过地表温度分解的方法获得的土壤表面温度和植被冠层温度，对监测典型区域的干旱和模拟地表热通量是可行的。

天然森林具有冠层和林下植被(即灌丛、草地)的垂直立体结构，准确、定量地分离林下植被对于改善森林冠层叶面积指数反演精度具有重要的科学意义和实用价值。传统被动光学遥感数据由于在直接获取三维信息方面存在局限性，联合主被动的航空激光雷达(ALS)和高光谱数据(HyMap)，以美国华盛顿州植物园为重点研究区，首先在单木分割的基础上实现了森林的垂直分层(即森林冠层和林下植被层)。在此基础上，利用森林冠层激光点云数据对光学影像数据进行林下植被信息剔除。通过对比利用航空光学影像和地面实测得到的森林有效叶面积指数结果发现：①森林郁闭度对于ALS数据的穿透性具有显著影响；②去除林下植被信息能够有效改善森林冠层有效叶面积指数(LAIe)估算精度。通过剔除林下植被信息，植被指数(NDVI)与地面实测有效叶面积指数的相关性由0.087提升到0.591。此外，基于剔除林下植被信息的光学遥感影像，与简单比值植被指数(SR)(相关性由0.209提升到0.559)和简化简单比例植被指数(RSR)(相关性由0.147提升到0.358)相比，归一化植被指数(NDVI)对冠层叶面积指数的变化最为敏感(相关性提高0.5)。本研究所提出的联合主被动遥感数据定量分离林下植被的方法能够有效地改善森林冠层叶面积指数的反演精度，为准确定量地估算森林生物物理参数和研究碳、水循环过程提供坚实的基础。

 

结合灰色系统理论，基于3期(2013年、2015年和2016年)鄱阳湖湿地植被物理参数数据和Radarsat-2极化SAR影像数据，分别建立植被生物量、极化分解分量与鄱阳湖植被物理参数的关系模型，并分析不同植被物理参数对生物量积累的贡献和对极化分解分量的影响。结果表明：在植被生长旺盛初期阶段到旺盛稳定阶段，对植被生物量积累贡献较大的主要是植株参数和下垫面参数，对极化分解分量影响较大的主要是下垫面参数和茎秆参数，并根据各阶段较大关联度数据合理的分析和确定了野外采样参数。

采用欧空局ENVISAT先进合成孔径雷达(Advanced Synthetic Aperture Radar，ASAR)宽幅模式(Wide Swath Mode，WSM)数据，基于多普勒频移理论模型去除地球和卫星相对运动产生的频移，并用C波段经验模型CDOP(C Band Doppler Frequency)和双尺度辐合散射模型分别去除海面风场和布拉格散射的影响，从而实现高分辨率海表流场的反演，并将反演结果与AVISO(Archiving，Validation and Interpretation of Satellite Oceanographic Data)高度计流场和GLD(Global Drifting Buoy)漂流浮标流场进行精度验证。分别选取有陆地覆盖的厄加勒斯海域和无陆地覆盖的台湾东北部黑潮流域进行反演研究。研究结果表明：厄加勒斯海表流速范围约-1.8~1.8 m/s，流向与AVISO流场较为一致；在黑潮流域，反演的ASAR流场能够明显地揭示黑潮的路径和流向，且与AVISO流场匹配较好。综合反演结果表明ASAR流场与AVISO流场的均方根误差为0.17 m/s，与漂流浮标GLD流场的均方根误差为0.11 m/s。可见此流场反演方法切实可行，同时适用于近岸和开阔海域，且反演精度较高。

For the estimation of annual Gross Primary Productivity(GPP)，it is proposed an estimation method with simple parameters and small errors.By taking each type of vegetation in the area of Three-North Shelterbelt Program(TNSP) as the research subject，the MODIS vegetation indices were obtained，and the seasonal variation curve of vegetation indices were built.Then，the fitting relation between the integral of time series vegetation indices(ΣVIs) and GPP products of MODIS was established，so as to realize a simple GPP estimation method and study the applicable ΣVIs for estimating the GPP of all vegetation types.The results show that：(1) ΣVIs is suitable for estimating the annual total GPP in research area and significantly correlated with MODIS GPP at the confidence level of p<0.01;(2) ΣEVI2 is applicable to estimate the GPP of evergreen needleleaf forest，decidious needleleaf forest，decidious broadleaf forest，mixed forest，woody savannas，savannas，permanent wetlands，croplands，croplands/natural vegetation mosaic，while the effect of ΣNDVI for estimating the GPP of closed shrublands，open shrublands，grasslands，croplands，and barren or sparsely vegetated is superior to ΣEVI andΣEVI2;(3) Since the NDVI itself is saturated in the area of high Leaf Area Index(LAI)，the error of estimating the GPP of high LAI vegetation type by ΣNDVI is larger，while using ΣEVI and ΣEVI2 to estimate them has better accuracy，and the limitation from blue band of EVI2 reduces compared with EVI，which can be applied to the GPP research of long time series better.

以东北黑土区某农场为研究区，在光谱积分定义的基础上，提出一种新的光谱特征参数——反向光谱吸收积分，建立偏最小二乘回归模型对土壤中铬元素含量进行反演研究。与传统的光谱特征参量，包括微分变换、倒数变换、对数变换等11种光谱变换以及吸收面积建立的土壤铬含量高光谱反演模型进行对比分析，结果表明：在光谱变换特征中，平方根一阶微分模型能够较好地定量预测铬含量；吸收面积模型稳定性略差，只能对样本进行初略估计；针对反向光谱吸收积分模型，其建模样本的调整决定系数为0.73，均方根误差为2.63 mg/kg；验证样本的调整决定系数为0.77，均方根误差为2.36 mg/kg，相对偏差为3.21，表明此模型具有极好的预测能力。因此，反向光谱吸收积分能够明显改善铬含量反演模型的精度和稳定性，为土壤铬污染监测提供了新的思路。

叶面积指数Leaf Area Index(LAI)是表征植被冠层结构的一个重要参数，因大气条件等因素影响，使MODIS LAI数据产品中存在数据缺失、质量较低等问题，严重影响LAI数据集的应用。以江西省为研究区，综合利用像元质量分析、S-G滤波和年序列异常值检测滤波技术对2009~2013年MODIS LAI时序产品数据集进行重建研究。结果表明：阔叶林高质量像元占比最低，仅为51.76%，各类别低质量与反演失败像元整体占比达到20%~30%。针对数据集质量偏低的问题，提出了综合滤波方法。相较于S-G滤波法，重建后的高质量像元的LAI均值与原始均值更趋一致，中高质量像元重建后与原始数据的相关系数达到0.97，具有更好的保真性。对中低质量像元重建的异常值进行了滤波，填充了空值区，降低了标准偏差，较好地识别和修复了低值区或异常点，整体稳定性更好，能有效地拟合时序变化曲线。

遥感反演土壤水分(SM)产品越来越多地应用于农业、气象、水文等研究，而微波土壤水分数据产品的区域适用性分析是其合理使用的必要前提。使用MERRA-2(Modern Era Retrospective-analysis for Research and Applications，Version 2)模拟土壤水分为参考数据，运用传统统计方法(原始数据相关性、距平相关性、偏差以及无偏均方根差)和TC(Triple-Collocation)不确定性误差模型分析的方法，对亚洲区域2012年7月~2016年7月两种被动微波土壤水分SMOS-L3-SM(Soil Moisture and Ocean Salinity，L3)和AMSR2-LPRM-SM(The Advanced Microwave Scanning Radiometer 2，Land Parameter Retrieval Model Product)进行对比评估。结果表明：①空间上SMOS-L3较AMSR2-LPRM数据与参考数据MERRA-2土壤水分的相关性较好，表现为SMOS-L3-SM具有较好的空间连续性，且在亚洲大多数地区有较小的无偏均方根差;②湿季条件下遥感土壤水分与参考值的相关性比干季条件下的相关性更好，且干季出现高纬地区(约>55°)缺失值较多的情况;③两遥感土壤水分的TC误差呈现相似的分布，区域TC平均误差两者均为0.076 m³/m³。总之，SMOS-L3-SM和AMSR2-LPRM-SM在空间相关性及TC误差评价方面都具有合理性，为遥感土壤水分在农业、气象、水文等方面的应用提供参考。

森林覆盖度是能够勾描出林分边界的森林覆盖率，定量化的覆盖度信息可体现其水平尺度的时空分异特性。像元分解模型在覆盖度遥感估算中得到了广泛应用，但仍然有很多问题，如很难找到一种树冠覆盖度的纯光谱端元，从而难以高精度地估算树冠覆盖度。为此，基于像元分解模型，结合使用土地利用和土壤类型数据，提出利用直方图法确定模型中不同类型植被——土壤端元参数，对区域尺度森林覆盖度进行估算，并利用三峡库区的历史野外161个样点的实测覆盖度数据进行验证，发现R²达到0.74~0.85，计算结果比较满意。该方法将为区域尺度高分辨率森林覆盖度的遥感估算提供借鉴。

针对传统地基辐射定标方法效费比低、单次定标不确定性大，难以满足卫星载荷高频次、高精度辐射定标等问题，发展了一种面向常态化运行需求的光学载荷地基自动辐射定标方法，并基于内蒙古包头附近的科技部“国家高分辨遥感综合定标场”（下简称“包头场”）对Landsat-8/OLI相应通道进行了自动辐射定标试验及交叉验证分析，分析结果表明：2016~2017年过境包头场的11次Landsat-8/OLI自动辐射定标结果一致性较好；对于Landsat-8/OLI的蓝、绿、红、近红外4个波段表观反射率，地基自动定标结果与星上结果之间的平均相对偏差分别为0.83%、-0.21%、-0.20%、-1.37%，标准差则分别为2.78%、2.89%、2.94%、2.20%。进一步地，还对地基自动辐射定标过程中各项误差来源进行了量化分析，其在Landsat-8/OLI蓝、绿、红、近红外4个波段的不确定度分别为5.06%、4.65%、4.80%、4.98%。由此可见所发展的地基自动辐射定标方法除了可以很大程度上提升陆地卫星外场定标的频次，定标结果亦具有较好的稳定性与可靠性，对于陆地卫星光学载荷辐射性能的动态监测及数据质量保证具有重要意义。

在全球范围长时间序列LAI遥感产品反演算法中，植被冠层反射率模型仅使用少量叶片光谱特征代表全球植被全年的典型植被光谱特征，叶片光谱的不确定性导致LAI遥感产品存在一定的误差。目前全球已经构建了多个典型植被叶片波谱数据集，这些数据集包含多个植被物种、不同空间地域及多时相叶片光谱数据，为定量分析叶片光谱特征提供了数据支持。主要利用LOPEX’93、ANGERS’03、中国典型地物波谱数据库和野外实测的叶片光谱数据，以黄边参数、红边参数和叶片光谱指数作为分析指标，探讨不同植被物种、不同气候区和不同物候期的叶片光谱特征差异，及其对植被冠层反射率、LAI反演的影响，为发展考虑现实叶片光谱差异的LAI反演算法提供研究基础。结果表明：植被叶片光谱存在多样性，叶片光谱特征差异主要影响MODIS传感器近红外波段和绿波段反射率值，其中，绿波段反射率值对叶片光谱变化最为敏感；在LAI反演算法中，如果只考虑植被类型而不考虑物种叶片光谱差异，可能会给LAI反演带来大于3的误差。
  

森林地上生物量（AGB）是评价森林生态系统功能的重要参数，遥感是获取区域尺度AGB的有效手段。以内蒙古根河市为研究区，利用TM遥感影数据和33个森林样地调查数据，基于四尺度几何光学模型的森林AGB遥感估算方法，首先，基于样地观测数据建立树冠面积（SA）估算AGB的方程；再利用四尺度几何光学模型建立由冠层反射率反演SA的查找表，由TM影像反演SA，进而估算AGB。在全部33个样地，估算的AGB与观测数据的一致性（RMSE=20.8 t·hm^-2，R²=0.45）明显优于基于差值植被指数（DVI）（RMSE=27.7 t·hm^-2,R²=0.09）和混合像元分解（SMA）（RMSE=27.6t·hm^-2  R²=0.02）方法建立的统计模型的估算结果。利用19个针叶林样地的观测数据验证表明，估算的AGB的RMSE和R²分别为20.8 t·hm^-2和0.53，利用DVI估算的AGB的RMSE和R²分别为31.5 t·hm^-2和0.18，利用SMA方法估算的AGB的RMSE和R²分别为31.8 t·hm^-2和0.14；对于14个阔叶林样地，估算的AGB的RMSE和R²分别为20.9 t·hm^-2和0.47，利用DVI估算的AGB的RMSE和R²分别为21.4 t·hm^-2和0.01，利用SMA方法估算的AGB RMSE和R²分别为20.6 t·hm^-2和0.11。结果表明：通过反演与AGB紧密联系的SA，进行AGB的遥感估算是一种有效可行的技术方法。

针对影响数据同化系统性能的数据同化方法中多参数优化问题，设计了一种耦合多目标优化非支配排序遗传算法(Non-dominated Sorting Genetic Algorithms，NSGA-2)的优化框架。以Lorenz-96模型为研究对象，局地化集合转换卡尔曼滤波(Local Ensemble Transform Kalman Filter，LETKF)为实验算法，对影响其同化性能的分析膨胀因子和协方差膨胀因子进行联合优化实验。同时针对计算时间过长问题，对该框架进行并行改进。研究结果表明：该框架针对变量范围较大的参数空间，具有良好的多变量寻优效果，鲁棒性较强，并行设计节省运行时间，耦合多目标遗传算法的数据同化方法整体寻优框架设计实现简单，进一步将验证其在陆面数据同化中的应用前景。

利用地基Ka波段云雷达和无线电探空仪数据进行云边界识别和对比分析研究。结果表明，8毫米波云雷达探测的云底高度比无线电探空仪观测偏低约300 m，大多数情况下二者识别的云底高度接近；而判定的云顶高度偏差较大。雷达与探空云底高度判别偏差较大时，在云下常存在大气“干层”，此时雷达探测更为灵敏；探空仪水平漂移及其湿度传感器的探测误差随高度增加是造成两者偏差的主要原因。通过计算和对比雷达反射率的时空变化率，给出了云雷达确定云底和云顶高度的一个可信度判据。

总悬浮物浓度是水环境重要参数之一，二类水体光谱特征复杂，光谱特征与悬浮物浓度之间关系不能用简单的线性模型来表示。利用2017年7月12日~13日2 d间对闽江40点位进行水质采样和光谱测量，结合光谱响应函数模拟GF-1 WFV1各波段遥感反射率，分析遥感因子与总悬浮物浓度相关性。利用相关系数较高的波段及组合b3、b3/b2和b3/b1，构建PSO-RBF和传统RBF神经网络总悬浮物浓度反演模型，同时建立以b3/b2为自变量的经验比值模型。结果表明：与传统RBF神经网络和经验模型相比，PSO\|RBF神经网络模型效果更佳，R²=0.890，RMSE=3.01 mg·L^-1。基于训练好的PSO-RBF模型，应用GF-1 WFV1遥感影像对闽江下游水体总悬浮物浓度进行反演，影像反演的总悬浮物浓度RMSE=3.65 mg·L^-1，MRE=14.11%，遥感影像反演结果精度明显高于克里金空间插值结果。分析其空间分布特征，从上游方向往下游方向呈现增加趋势，马尾至闽江入海口河段总悬浮物浓度增加明显。