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。

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。

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。

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。

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。

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。

相较于同源遥感影像地表覆被变化检测，异源影像能综合不同卫星传感器间数据特征和现势性等优势，更好满足应用需求。针对异源遥感影像变化检测中存在的光谱差异和特征空间不一致问题，研究提出编码对齐生成对抗网络实现异源影像的高精度变化检测。考虑到异源影像间通道和数据类型上存在差异，难保持重构前后影像空间结构的一致性，研究通过添加自编码器和构造编码对齐损失，约束编码器输出特征的空间结构变化，使重构前后影像空间结构一致，有效减少信息丢失；在跨域映射过程中为减少源域与目标域间影像的色彩差异，采用循环一致对抗生成网络在无成对影像情况下进行色彩迁移，实现两时相异源影像的相互跨域映射，生成能与原始影像直接对比的无色偏重构影像；利用设计的变化概率权重使网络在训练过程中自动选择样本，有效提取覆被变化信息。实验结果表明：该方法与CGAN、SCCN等方法相比能更充分提取影像特征，降低跨域映射函数的随机性；在4组公开数据集的检测精度分别达到0.93、0.96、0.97、0.88，精度最高；变化检测结果与参考图的一致性、检测差异图质量均最优。因此，该方法在异源遥感影像中能够进行高精度变化检测。

陆表比辐射率（Land Surface Emissivity，LSE）是衡量物体表面以热辐射形式释放能量相对强弱能力的物理量，是影响遥感陆表温度（Land Surface Temperature， LST）的重要基本参数之一。为了分析不同条件下LSE对遥感LST反演结果的影响，基于Himawari 8 AHI （Advanced Himawari Imager， AHI）的分裂窗通道热红外遥感数据，采用Wan 及Dozier的分裂窗算法，研究陆表温度反演结果对LSE的敏感性。首先，对LSE产品分别加入不同均值和标准差的高斯噪声，以此代表LSE不同的误差水平；然后，在其他条件不变的情况下，将带不同噪声的LSE和不带噪声的LSE分别输入分裂窗算法进行LST的反演；最后，分析不同时间、不同水汽、不同观测角度和不同下垫面条件下，LSE对LST的影响。结果表明：①无论白天、夜间还是日均LST，输入添加噪声的LSE较输入原始的LSE反演所得的LST数值总体略低，而且随着所添加噪声标准差的增大，所得LST差值的标准差增大。当LSE的噪声标准差为0.01时，所得白天、夜间和日均LST差值的标准差分别为0.48 K、0.52 K和0.34 K；而当LSE的噪声标准差为0.03时，所得LST差值的标准差则分别升高到1.46 K、1.57 K和0.88 K。②不管水汽和观测角度条件如何，总体上，输入添加噪声的与输入原始LSE反演所得的LST相关系数随着所加噪声标准差的增大而减小，均方根误差和标准差则随着所加噪声标准差的增大而增大，偏差为负值，其绝对值随所加噪声标准差的增大而减小。③对于不同的下垫面，随着所加噪声标准差的增大，LSE添加噪声与不添加噪声反演所得的LST差值的标准差增大，当所加噪声标准差为0.01时，多树草原、开放灌木和草原LST差值的标准差分别为0.52 K、0.51 K和0.53 K。而当所加噪声标准差为0.03时，三者LST差值的标准差分别升高到1.58 K、1.53 K和1.6 K。

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。

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。

随着全球城市化进程的不断推进，地表城市热岛（Surface Urban Heat Island， SUHI）效应日益加剧。厘清SUHI面积时空格局对于全面了解SUHI效应时空变化规律至关重要。基于MODIS （Moderate-resolution Imaging Spectroradiometer）地表温度数据，结合高斯模型和地表温度日内循环模型（Diurnal Temperature Cycle， DTC）计算了全球504个主要城市2000~2019年的SUHI面积比例（SUHI Ratio， I_R）——即SUHI面积与城区面积的比值，并在不同时间尺度上（日内逐时、季节对比、年际变化）分析了全球及不同气候区城市的I_R变化特征。结果显示：就空间特征而言，全球城市多年I_R均值在白天和夜间分别为0.85和0.75，其中寒带气候区城市的多年平均I_R（日夜分别为0.94和0.86）显著大于干旱、热带和温带气候区城市。就时间特征而言，日内尺度上全球及各气候区城市I_R的变化趋势呈现相同规律，均在日出后先下降后上升，分别于日出后3 h和7 h达到最小和最大值，而后波动下降并渐趋稳定；季节尺度上全球城市夏季I_R（日夜分别为0.86和0.76）略高于冬季（日夜分别为0.81和 0.72），干旱、寒带和温带气候区I_R季节变化与此一致，热带气候区则呈现相反规律；年际尺度上白天54%的城市年均I_R呈增大趋势，夜晚则有62%的城市年均I_R呈减小趋势。本研究填补了对全球尺度下SUHI面积时空格局的认识，详细揭示了SUHI面积比例在不同时间尺度和不同气候区之间的变化特征，研究结果有助于加深对SUHI效应的理解。

日光诱导叶绿素荧光（Solar-Induced Chlorophyll Fluorescence， SIF）与植被光合作用关系密切，能够揭示植被真实生理状况，准确获取SIF信息对陆地生态碳循环和全球植被监测具有重要意义。以3FLD算法的SIF反演结果和NIRvR为参考，开展了基于塔基平台的数据驱动SIF反演算法性能评价研究。首先利用塔基连续冠层光谱观测数据，分析了SVD算法在不同大气窗口的SIF反演效果；其次利用大气校正前后的实测数据，探究大气因素对SVD算法反演SIF的影响程度；最后，将实测数据按照光照条件区分，对比了天气稳定与天气波动条件下，基于SVD算法的SIF反演结果的稳定性。结果表明：（1）SVD算法在735~759 nm（不包含大气吸收波段）、745~780 nm（包含大气吸收波段）窗口的SIF反演精度较高；（2）SVD算法的SIF反演精度受大气影响远小于3FLD算法；（3）当光照条件剧烈变化时，使用SVD算法可以有效克服FLD类SIF反演算法对同步太阳光谱观测的依赖；即使光照迅速变化，基于SVD算法依旧能够得到稳定可靠的SIF反演结果。综上所述，SVD算法对于塔基SIF反演来说具有非常大的应用潜力。

异质遥感影像变化检测是一个重要且具有挑战性的研究课题。针对直接比较异质数据进行变化检测导致检测精度低的问题，提出了一种图像回归与关联关系特征融合（Image Regression and Association-based Feature， IRAF）的异质遥感影像变化检测方法。首先基于信息熵理论量化异质数据的信息量差异并确定回归方向，采用多输出多层感知器图像回归得到与原始影像特征空间分布相近的回归图像；其次，得到差异图像并基于模糊局部信息C均值（Fuzzy Local Information C-Means，FLICM）算法找到部分显著样本对用于后续检测。为了考虑不同特征间的关联关系并充分利用数据中潜在的高阶信息，采用基于关联关系特征的融合算法（Association-based Fusion，AF）对原始遥感数据进行增强，最后利用融合后的特征训练分类模型得到最终的变化二值图。为验证该方法的有效性，采用Sardinia、Yellow River和Texas这3组真实数据集进行实验，K_a 分别达到了0.796 1、0.827 1、0.958 1。与相关方法进行对比的实验结果表明该方法在不同数据集上均得到了最优的检测结果，能够抑制噪声的影响且有效提升变化检测精度。

三维激光扫描技术具有扫描快、对树木无损害、高度还原树木原形等优势，为三维样木重构、树木冠层结构研究及森林资源连年监测研究提供精确的数据。以马尾松为对象，利用三维激光扫描仪获取30株单木点云数据，运用体素化、平面投影和凸包算法等，计算单木冠层孔隙度。结合分层理论，通过与树木生长参数（冠幅、冠体积和冠高度）的相关性分析，构建全冠与不同分层方式提取的冠层孔隙度建立多元线性回归模型，以决定系数（R²）、均方根误差（RMSE）、相对分析误差（RPD）和总体精度（TA）确定冠层孔隙度提取的最佳体素边长和最佳分层方式。结果表明：冠层孔隙度提取的最佳的分层方式为冠层形态三分层（R²为0.74）；冠层形态三分层、冠层形态三分层五分层结合、冠层高度三等分层提取的冠层孔隙度与树木生长参数的影响最为稳定；根据冠层形态分层提取的孔隙度适用于冠层形态差异较大，而冠层形态较一致时，采用冠层高度三等分层是较为合适，精度较高。

植被覆盖在维持生态系统结构稳定和防治水土流失等方面发挥着重要的作用，海南自1988年建省以来迅速发展，导致海南岛植被覆盖也产生了巨大的变化。为揭示海南本岛地形因子对植被覆盖度的影响以及为海南本岛进一步制定合理的生态环保策略提供依据，基于1988、1998、2008、2017和2020年Landsat-TM/OLI多光谱影像，以海南本岛为研究区域，采用归一化植被指数和像元二分模型进行植被覆盖度提取，通过线性趋势分析海南本岛近30 a植被覆盖变化特征。并结合30 m_DEM获取的海、坡度和坡向数据，来进一步探讨海南本岛植被覆盖度在不同地形因子条件下的空间分布特征。结果表明：①1988~2020年海南岛平均植被覆盖度介于0.58~0.88之间，整体呈先下降后上升趋势；②海南岛高植被覆盖主要分布于海南岛中部、西南部和东南部地区，低植被覆盖主要出现在居住区、沿海地区等人为干扰因素较高的地区；③海南岛各等级植被覆盖均随海拔的增加而不断降低，在海拔小于100 m的区域分布面积最大；坡度为0~5°时植被覆盖面积达到最大值，随着坡度的增加，植被覆盖面积呈减少趋势；各等级植被覆盖在阴坡和阳坡的分布面积变化差异不大，主要以高植被覆盖类型为主。

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势，有助于加强对青海湖水环境质量的监测，降低监测成本。而资源一号02D（ZY1-02D）卫星高光谱影像作为新的数据源，具有高空间分辨率、高光谱分辨率的优点，为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性，以ZY1-02D高光谱影像为遥感数据源，同时辅助实测数据，构建青海湖悬浮物浓度反演模型，并进行精度验证，评价模型的准确性，最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%，均方根误差为0.296 mg/L，精度较好，青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征，与同期Sentinl-2和同期Landsat 8数据反演结果进行对比，反演结果保持一致，说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。

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。

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。

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。

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。

白鹤滩水电是国内继三峡水电站之后的第二大水电站，于2021年4月开始蓄水，水位上升约150 m，库区运行期随着水位线的快速变化，改变了库区的地质环境，极易引发突发性的地质灾害。为了保障水电站的正常运行及库区的居民生命财产安全，需要对库区进行快速动态的地质灾害识别。因此，基于短基线DInSAR方法对金沙江流域白鹤滩库区重点库岸段（葫芦口—象鼻岭地段）蓄水期展开了地质灾害隐患识别。通过Sentinel-1A/B数据进行联合监测，将重返周期提高到6 d 1景，获取了研究区蓄水期2021年4月至11月共66景数据，结合SRTM DEM数据进行基于同一主影像的DInSAR处理，再将干涉对进行组合分析以达到快速动态的形变监测。最终共识别出92处存在显著形变的强形变区，均分布在金沙江两岸，其中8个强形变区域已被目前最高水位线800 m淹没，38个强形变区域位于水位线附近，部分出现小规模塌岸。同时选取了4个持续形变的区域结合实际地形地貌进行分析，发现形变迹象较为明显，且强形变区域位置与DInSAR方法监测结果相吻合，证明了将DInSAR方法应用于快速动态的发现新隐患点的情况的可行性，进行了蓄水期灾害分析与监测预警对保障白鹤滩水电站的正常蓄水发电具有重要意义。采用该方法进行广域地质灾害高效快速动态监测，在第一时间发现隐患点并进行定性分析，为水库岸蓄水期因水位变化引起的突发性潜在地质灾害的识别提供了一种新思路。

叶面积指数是研究全球和区域碳循环、水文循环、气候变化区域响应的重要参数之一，研究不同LAI产品的时空一致性可为该地区LAI产品的使用提供建议和参考。本研究基于流域、DEM和土地利用类型，对GLOBMAP、GLOBALBNU、GLASS的LAI产品从平均值、频率以及差值频率等的变化进行统计，分析3种国产LAI产品在中国区域的一致性。主要结论为：①3种产品均可捕捉中国地区LAI的空间分布和月及年的时间变化特征，GLOBMAP在2001年更换数据源后年平均值开始下降。②3种产品在九大流域、不同DEM、不同地表利用类型分类下均存在差异。在海河流域、黄河流域和内陆河流域，3种产品的相关性较好，但是在长江流域、东南诸河流域以及珠江流域内产品间差值大于2.00的范围较多。2 000~4 000 m区域内3种产品的年均变化趋势区别存在明显不同。和其他产品相比，在草地区域GLASS较低，在城乡工业用地区域GLOBMAP较低，在林地区域GLOBALBNU较高。定量分析了3套国产LAI产品的时空差异，结果可为国产LAI产品在中国的应用提供科学参考。

卫星在轨后精准的绝对辐射定标是对其观测数据进行定量化应用的基础。与传统的场地定标法、交叉定标法相比，基于稳定场景目标的定标方法具有成本低、频次高、可实现历史数据定标等优点。使用中分辨率成像光谱仪（MODIS）的MCD19A1产品、MCD43A1产品和MOD03（MYD03）产品模拟出MODIS band8在光谱02卫星观测条件下的方向反射率，再结合MCD43A1产品中MODIS band1~band5的方向反射率、MCD19A2产品中的气溶胶参数、水汽参数以及MOD07（MYD07）产品中的臭氧参数，对2021年10月光谱02卫星多光谱成像仪对多个稳定目标成像的入瞳辐亮度进行辐射传输模拟，实现对其在轨绝对辐射定标。对该定标系数的真实性检验结果表明：与发射前定标系数相比，基于重新标定系数进行大气校正的结果与哨兵2号反射率产品的差异明显减小；重新标定的观测辐亮度与包头地基自动辐射定标数据的平均相对差异为3.18%，说明定标结果具有较高的精度。研究结果可以为使用稳定目标对中高空间分辨率光学遥感卫星在轨绝对辐射定标提供方法支撑。

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。

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。

NO₂作为大气中重要的痕量气体之一，是衡量大气污染状况的重要风向标。与传统地基观测相比，星载传感器能够提供大范围、长时间序列的观测资料，利用遥感卫星数据反演获取对流层NO₂浓度已成为近些年研究的热点之一。首先介绍了国内外星载紫外高光谱传感器的发展。然后从原理方面对国际上通用的对流层NO₂垂直柱浓度反演算法进行阐述。之后介绍了各官方对流层NO₂柱浓度产品的反演流程及产品精度，并比较了各产品DOAS算法的区别。可见，由于传感器所获取数据的时间、空间、光谱分辨率越来越高，NO₂柱浓度产品的反演模型及算法的选择更加合理，因此NO₂产品精度也更高。

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。

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。

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。

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。

遥感视觉问答根据给定遥感图像回答与图像内容相关的自然语言问题，是快速调查和监测全球资源的重要途径。遥感图像场景复杂多样，从对图像场景的理解到对图中局部目标的识别往往涉及尺度的变化。因此，为在遥感的视觉问答系统中引入多尺度的应用场景，我们设计了多尺度遥感视觉问答模型（MRS-VQA模型），并根据该模型创建了新的数据集—“多尺度遥感视觉问答数据集（MRS-VQA数据集）”。此外，MRS-VQA模型在融合模块使用注意力机制得到两个模态互交的可视化结果，有效提升了模型的准确率和可解释性。实验结果表明：本研究提出的具有两层注意力的MRS-VQA模型（准确率96.82%）优于其他遥感视觉问答模型（RSVQA准确率81.36%），说明多尺度特征融合在遥感视觉问答中的研究具有重要意义。

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。

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%。

为了减轻洪水有关的灾害风险，需快速准确获取洪水范围，并利用洪水事件的相关数据和信息来分析洪水的敏感区域，可为洪水的预防决策和管理提供科学依据。基于Sentinel-1 SAR数据分析2020年7月长江中下游蓄滞洪区集中区域洪水淹没状况，并利用机器学习模型分析了长江中下游蓄滞洪区集中区域洪水的敏感性，研究结果表明：①长江中下游蓄滞洪区内2020年洪水期水体面积达到了3 747 km²，相比平水期新增水体面积为1 301 km²，占整个研究区新增水体面积的19%，新增水体面积最大的为洪湖蓄滞洪区和华阳河蓄滞洪区。②从研究区新增水体范围内2010年以来土地利用变化来看，耕地、人造地表面积扩大，湿地、林地、草地和裸地面积下降，湿地面积萎缩降低蓄水纳洪能力。③研究区洪水敏感性高等级面积占整个研究区的23.33%，洪水敏感性极高等级占整个研究区的22.55%；蓄滞洪区洪水敏感性高等级面积占蓄滞洪区的面积比例为38.97%，极高等级占整个蓄滞洪区面积的52.05%。研究结果可为蓄滞洪区洪水防治、规划和建设提供科学依据和理论参考。

为探究城市地区内涝灾害成因和分布特征，以兰州市中心城区为例，基于2010~2020年月平均降水数据和历史积水点资料，选取人口密度、路网密度、给排水设施距离、高程、地形起伏度、坡度、归一化植被指数和不透水面百分比数据作为探究内涝驱动因子的指标，采用水文分析、空间相关性分析和地理探测器等方法，研究内涝灾害的时空分布格局、驱动因子及交互作用关系。结果表明：①11 a间兰州市内涝灾害与降水集中期高度吻合，均在6~9月份，7~8月份主汛期内涝灾害最严重。表明内涝灾害频次分布与降水格局密切相关；②空间上兰州市积水点主要分布在城关区，其次为安宁和七里河区，西固区最少；③归一化植被指数和不透水面百分比是兰州市内涝灾害的主要驱动因子，其次是人口密度，但任意两个驱动因子的交互作用均远大于单个因子。因此，兰州市内涝灾害需要在多因素综合考虑的前提下，采取多举措进行综合治理。

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。

雪水当量定义为积雪融化后液态水的高度，是描述季节性积雪储量的关键参数。星载被动微波遥感适用于长时间序列、全球尺度的雪水当量监测。但目前的微波辐射传输模型大多忽略或简化了自然界垂直分层结构中的土壤、植被和大气等要素对积雪辐射亮温的影响，特别是植被参数（例如透过率、覆盖度、单次散射反照率）引起的微波亮温变化仍然不清晰。本研究通过构建土壤—积雪—森林—大气微波辐射模型，重点开展被动微波遥感反演雪水当量的不确定性机理研究。通过模型敏感性分析发现：①冠层透过率是森林参数中影响微波亮温最敏感的因子，其次是森林覆盖度，而单次散射反照率影响最小；②微波亮温随着森林覆盖度的增加而升高，但随着冠层透过率和雪粒径参数的增加而降低，即三者之间存在“抵偿效应”。通过构建的模型模拟数据库和卫星观测对风云三号B星（FY-3B）和 The Advanced Microwave Scanning Radiometer 2（AMSR2）雪水当量反演算法进行亮温噪声测试发现：①亮温噪声对AMSR2雪水当量反演算法影响较大，特别是在森林像元尤为严重，与算法中表征积雪参数演化的极化因子和森林下雪深校正方法不确定性有关；②亮温噪声对FY-3B算法的影响较小，甚至可以忽略，主要是由于亮温差的形式削减了亮温不确定性。本研究基于构建的辐射传输模型定量分析了森林和积雪参数对微波亮温的影响，确定了影响雪水当量反演精度的关键参数；同时表明雪水当量反演方法对亮温噪声的鲁棒性也是影响算法精度的重要方面，为未来发展普适性的雪水当量反演算法奠定了理论基础和参考。

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。

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。

植被返青期是植被生长过程中的重要阶段之一，探究植被返青期的变化及其影响因素具有重要意义。目前，将积雪与气温、降水等结合，从而探讨植被返青期影响机制的研究还比较少，因此研究基于MODIS NDVI、积雪产品以及ERA-5再分析等数据，采用累计NDVI的Logistic曲线曲率极值法、趋势分析、相关分析以及敏感性分析等方法，探究2001~2018年蒙古高原植被返青期时空变化特征及对气候、积雪、土壤水变化的响应机制。主要结果表明：近18 a蒙古高原植被返青期平均在123 d左右，整体呈现出不显著推迟趋势。其中西南地区和大兴安岭地区返青期最早，萨彦岭和杭爱山返青期最晚。蒙古高原返青期与积雪覆盖度、积雪日期、积雪终日呈显著正相关的区域均>30%，与融雪期温度呈显著负相关的区域>25%，与积雪期降水、土壤水分及积雪初日的相关性较弱。研究得到积雪对于植被返青期的影响显著，其因子敏感度排序为：积雪覆盖度（0.467）>积雪日期（0.184）>融雪期温度（0.113）>积雪终日（0.028）。