针对传统干涉合成孔径雷达（InSAR）林下地形反演方法普遍存在散射特性描述不足、模型非线性强和参数收敛性差等问题，本研究提出了一种基于干涉水云模型（IWCM）的改进方法。该方法在同时考虑体散射与地表散射效应的基础上，引入归一化植被指数（NDVI）对模型施加先验约束，利用TanDEM-X双基线InSAR数据增加观测维度，并构建两步非线性最小二乘优化策略提高模型收敛性能。以内蒙古根河林区为实验区，通过机载激光雷达（LiDAR）数据对反演结果进行验证，原始InSAR DEM的RMSE为6.43 m，所提方法去除散射相位中心高度后的林下地形RMSE为3.81 m，精度提升了40.75%。实验结果表明：该方法显著提升了林下地形反演的精度与稳定性，为双基线及多基线的InSAR林下地形反演方法提供了新思路。

沿岸浅海区域的水深信息在海岸地貌测绘、港口航道养护管理以及海洋生态环境监测中具有重要价值，但受限于浅水环境和高成本因素，常规船载测深手段难以实现高效覆盖。针对传统经验模型对光学变化敏感、机器学习方法缺乏物理约束以及深度学习模型在复杂浑浊水域易失稳等问题，本研究提出了融合光学辐射传输机制的改进型深度学习水深反演框架DRT-OptiNet。模型以U-Net编码—解码结构为基础，引入光学参数回归与可微辐射传输层，实现水深—光谱关系的物理一致性建模；同时通过残差结构、宽瓶颈设计和批归一化增强特征表达能力，提高模型的稳定性和泛化能力。在清澈水域（甘泉岛）和复杂浑浊水域（上海港北港航道）的实验中，DRT-OptiNet在不同光学条件下均显著优于传统经验模型和机器学习方法。甘泉岛区域中，模型能够准确（R² = 0.98、RMSE = 0.54 m、MRE = 6.51%）重建连续水深梯度及细尺度地形特征；在光学高度复杂的上海港北港航道，模型仍获得较高整体精度（R² = 0.84、RMSE = 1.72 m），能有效刻画主航道深槽与浅滩格局。DRT-OptiNet能够在多类型水体环境中保持较高精度与良好稳定性，为浅海水深反演提供了一种兼具深度特征学习能力与物理可解释性的有效技术路径。

热红外遥感地表温度（LST）是监测土壤水分（Soil Moisture，SM）变化的重要手段之一，然而由于云层影响，LST数据往往存在大量缺失。为突破LST数据缺失的局限，学者们提出了“时空插值”和“多源数据融合”两大类填补方法。现有填补方法评估多依赖地面实测温度验证，然而鲜有研究从土壤水分监测角度评价，限制了基于LST的SM监测技术的发展。因此，本研究基于机载与站点实测SM数据，比较分析了基于时空插值方法的填补产品（LST_Zhang、LST_Shiff）以及基于多源数据融合的填补产品（LST_Gao、LST_Yu）在土壤湿度监测中的应用性能。研究利用遥感地表温度与植被盖度两阶段梯形空间计算的土壤蒸发效率（Soil Evaporation Efficiency，SEE）作为土壤水分监测指标，设计了不同LST填补产品和4种气象再分析资料（ERA5-Land、GLDAS、MERRA-2、NLDAS-2）组合计算SEE的方案，以机载和站点实测SM作为分析依据，以SEE与SM之间的一致性作为分析标准。研究结果表明：①对比时空插值的方法，基于日内LST变化的填补产品LST_Zhang性能优于基于年内LST变化的填补产品LST_Shiff。对比多源数据融合的方法，基于时空分辨率与原始LST相近的辅助数据的填补产品LST_Gao性能优于基于时空分辨率较粗糙的辅助数据的填补产品LST_Yu；②与不同气象再分析资料组合计算时，LST_Zhang、LST_Gao性能分别优于LST_Shiff、LST_Yu，并且与MERRA-2组合计算的SEE效果优于其他组合方案，与机载SM之间的相关系数R均值达到0.39，p<0.01，与站点实测SM之间的时间变化趋势一致性较高；③面向土壤水分监测需求，建议未来LST填补算法同时考虑LST的日内、年内时空变化，以及选择时空分辨率与原始LST相近的可靠多源辅助数据。本研究提出的匹配方案可以获得高精度空间连续的SEE数据，并为用于土壤水分监测的LST填补产品的生产提供参考。

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。

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。

人类活动高度密集的珠江三角洲区域的悬浮泥沙陆源输出是南海近岸生态环境的关键因素，其精准遥感监测对区域环境管理与污染治理具有重要意义。本研究基于辐射传输原理，考虑有机污染物的影响，建立了一种反演机理清晰、参数意义明确的悬浮泥沙浓度遥感反演模型。对2021—2023年珠江三角洲的悬浮泥沙浓度反演与时空变化进行分析，研究结果表明：考虑有机污染物的影响，悬浮泥沙浓度遥感反演值与实测的拟合决定系数R²达0.741，均方根误差RMSE为5.969 mg/L，平均绝对值误差MAE为4.951 mg/L，模型反演精度较高，结果可靠；通过目视解译，发现东江三角洲中堂水道、寒溪河、西江三角洲中上游区域存在悬浮泥沙浓度较高的现象，这可能与工业区的陆源污染输入和下游河道淤积有关；珠江三角洲区域的悬浮泥沙浓度存在季节性差异，春季浓度较高、秋季浓度较低。本研究可为珠江三角洲及类似河口海岸区域的水环境遥感监测与陆海统筹治理提供科学依据。

地面气象站是获取近地面气温数据的重要手段。在山区，不同站点观测的气温数据所能代表的空间范围存在显著差异。因此，确定山区监测站的最优布设位置，提高观测数据的空间代表性，对于山区高质量气象业务的开展具有重要意义。本研究以河北省张家口市崇礼区为研究对象，利用30 m空间分辨率的年平均地表温度（Land Surface Temperature，LST）、年平均归一化植被指数（Normalized Difference Vegetation Index，NDVI）和地形高程（Digital Elevation Model，DEM）这3个影响近地面气温的因子，应用模糊C-均值（Fuzzy C-means，FCM）聚类算法进行聚类分析，并结合信息熵指标确定该区域最佳的气温观测站点位置；同时，基于最大信息最小冗余的原则，对原有观测站位置的调整提出了增设方案，并利用1月和7月气温空间分布数据，采用GIS邻域统计方法，对比分析了确定的拟选测站位置、原测站的空间代表范围。结果表明：相比原测站位置，采用FCM结合信息熵确定的气象站点布设位置在冬季和夏季的平均空间代表范围分别增加了21.90 km²和28.79 km²；在增设部分测站后，测站网冬季和夏季监测覆盖率分别提升了14.87%和16.79%。本研究采用的因子分析法与信息论相结合的选址方法，为山区气温监测站的选址或增设提供了参考依据。

气溶胶作为影响气候变化与区域空气质量的关键因子，对其精准监测至关重要。亚洲地区气溶胶载荷高且类型复杂，对卫星反演技术提出了更高要求。为评估FY-4B陆地气溶胶产品（Land Aerosol product，LDA）在亚洲区域的适用性，基于58个AERONET（AErosol RObotic NETwork）地基观测数据，对2022年8月—2023年12月期间的FY-4B LDA进行精度验证，并与Himawari-8 AOD产品进行了空间分布对比。结果显示：①FY-4B LDA在亚洲区域的整体精度为R² = 0.52，MAE = 0.20，RMSE = 0.29，37%的数据位于期望区间内，且存在较为严重的高估现象；②在月尺度上，春季略低估，其他月份普遍存在高估，且夏季高估较为明显，10—11月精度最佳；在小时尺度上，FY-4B与AERONET AOD的峰值出现在UTC8∶00与UTC9∶00，整体呈现先升高后降低的趋势，UTC3∶00时MAE最大，UTC21∶00时MAE最小；③在不同下垫面类型下，FY-4B LDA在森林区表现最佳；④FY-4B LDA与Himawari-8 AOD在宏观空间分布上较为一致，AOD高值区域集中在恒河三角洲、中国东北、缅甸东部、泰国与老挝北部，缺测区域主要位于中国中南部，两者差异呈正态分布。本研究从不同尺度对FY-4B LDA在亚洲区域的整体精度进行了验证，可为未来优化风云卫星性能提供理论支撑与数据支持。

蒸散发是耦合碳—水—能循环的关键环节，其精准估算对水文建模和水资源管理具有重要意义。鉴于此，基于蒸散发站点观测数据和大气再分析数据，采用粒子群优化算法（PSO），对支持向量机（SVM）、长短期记忆网络（LSTM）、神经网络（BP）和随机森林（RF）4种机器学习算法进行优化，通过随机交叉验证和空间交叉验证系统的比较模型精度，运用模型可解释性（SHAP）分析各因子在构建模型过程中的重要程度，采用最优模型来估算桂西南峰丛洼地流域蒸散发。研究结果表明：①在随机交叉验证中，PSO-SVM模型的精度最高，在空间交叉验证中，PSO-LSTM模型的精度最高，R、R²和MAPE的均值分别为0.941 0 mm·m^-1和0.869 1 mm·m^-1、0.092 8 mm·m^-1和0.919 7 mm·m^-1、0.796 5 mm·m^-1和0.120 6 mm·m^-1；②通过SHAP可知，PSO-SVM、PSO-BP和PSO-RF模型均表明地表净太阳辐射是影响蒸散发最重要的因素，PSO-LSTM模型则表明降水是影响蒸散发最重要的因素，4种模型均能捕捉到气温对蒸散发的影响较大；③研究区年均蒸散发呈现出上升的趋势，蒸散发低值区与喀斯特分布范围相吻合。基于地面气象站点观测数据和遥感数据，结合优化算法和机器学习模型可以高精度对大区域的蒸散发进行估算。

森林地上生物量（AGB）是衡量森林碳汇和评估森林固碳能力的重要指标。GEDI作为专为林业设计的星载LiDAR系统，为获取高精度的AGB数据提供重要支持。然而，目前对于GEDI L4A产品缺乏系统性的精度评估，同时尚未明确哪些因素对其精度影响最大。本研究利用机载AGB数据集验证GEDI L4A的AGB精度，并分析地形、GEDI质量指标和其他环境因素对AGB估算精度的影响。主要结论如下：①通过对研究区的精度分析，Hood_canal、King_county和Solduc的RMSE为124.76、146.96和154.11 Mg/hm²，表明Solduc的精度相对较差；②影响AGB估算精度的主要因素是地形，其次是信噪比；③AGB数据产品的估算精度随着坡度的增加而降低，阳坡的估算精度优于阴坡，随着信噪比的增加，AGB估算精度也随之提高。本研究验证了L4A数据产品精度，并深入分析了L4A在不同影响因素对AGB估算精度的影响，为筛选高质量GEDI生物量样本提供了重要参考。

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。

城市全表面温度（T_c）对城市微气候、城市能量平衡以及城市表面热岛强度等研究有重要意义。目前有两种利用遥感方向辐射温度估算T_c的方法，分别是回归模型（RMT）和积分温度（SIT）的方法，但其适用性以及估算精度尚未得到验证。基于模拟数据，根据城市局部气候分区，研究构建了10类具有代表性的城市结构模型（Urban Structure Model，USM），从建筑结构与组分温差等角度，对比了两类方法的精度；通过探讨不同估算方法对T_c时空异质性的模拟能力，开展了模型适用性分析。结果表明：SIT与RMT的平均均方根误差（RMSE）分别为1.4 K和1.1 K。在估算精度方面，水平表面面积越大越利于RMT的模拟，所以建筑场景F（墙面与建筑平均占地面积比值）越小，RMT精度越高，而SIT精度越低。RMT适用于近似USM01或USM05~10的城市结构场景，SIT适用于近似USM02~04的城市结构场景；在稳定性方面，RMT基于全局数据而SIT基于局地数据，所以太阳辐射、建筑材质和气象条件对RMT的影响高于SIT。在4个温度类型中（T_c、SIT、RMT和T_nadir），T_c的空间异质性最强，T_nadir的日内和年内变化幅度最大。SIT在描述地表温度空间异质性方面优于RMT，RMT在模拟夜间T_c时序变化方面优于SIT，白天则相反。

准确估算叶片或冠层叶绿素含量对监测作物生长状况至关重要。作物叶绿素遥感监测是一种非破坏性、大面积、实时的监测方法，需要可靠的反演模型和卫星数据。以夏玉米为研究对象，采用 PROSAIL模型，通过局部及全局敏感性分析结合实地调查和相关文献确定模型的参数设置，模拟夏玉米冠层反射率。然后根据地面实测数据和 Sentinel-2A波谱响应函数，得到基于PROSAIL模型的等效遥感反射率模拟数据，结合 Sentinel-2A影像数据计算并分析了典型的高光谱植被指数及改进的波段组合方式的植被指数，以确定叶片叶绿素含量（LCC）和冠层叶绿素含量（CCC）估计的最佳估算模型。最后基于PROSAIL模拟数据、Sentinel-2A影像数据和地面实测数据，开展夏玉米LCC和CCC的建模和验证分析。结果表明：基于PROSAIL模型和基于Sentinel-2A影像构建的植被指数反演的LCC的R²分别为0.61和0.65，RMSE分别为7.54和8.46 μg/cm²，二者的反演精度较为一致，且该反演精度符合夏玉米生长状况监测的要求。利用以上两种方法反演的CCC的R²分别为0.75和0.77，RMSE分别为1.03 g/m²和0.02 g/m²，两类模型反演精度较为一致。本研究为地面实测数据较少的区域农作物叶绿素含量反演提供了一种有效的方法，有助于夏玉米的长势监测和病虫害防治。

具有较高光谱和辐射定标精度且工作在地球静止轨道上的干涉式垂直大气探测仪（FY-4A/GIIRS），可对其他（包括极地（LEO）和静止（GEO））轨道的红外遥感器提供更高时间频次的辐射对比，监视其辐射性能的日内变化。在全球空基交叉定标系统（GSICS）发布的交叉定标基线算法基础上，建立了以GIIRS为参考仪器进行辐射基准传递的方法。该方法根据静止轨道遥感器观测频次高但空间分辨率较低的特点，定义了适用于不同平台（LEO-GEO/GEO-GEO）的仪器之间的交叉匹配条件及阈值，可支持更高时间频次和更大区域范围的交叉匹配。通过对多通道扫描成像辐射计（FY-4A/AGRI）的辐射基准传递，表明用GIIRS进行辐射基准传递具有可行性，长波红外波段（10.3~11.3 μm）的匹配结果存在较好的拟合关系。AGRI相对GIIRS的亮温偏差存在因采样点数量过少而增加的情况，在去除点数过少（少于1 000）的结果后，亮温偏差平均绝对值为1.2 K@290 K，降低了0.7 K。二者的亮温偏差在奇数时次波动较小而偶数时次波动较大，其主要原因是奇数时次GIIRS观测区域在低纬地区（10°~30°N），偶数时次在中高纬地区（30°~60°N），纬度升高后遥感器观测像元足迹形变加剧导致空间匹配误差增大，相对均匀的像元减少。为了降低该误差，应根据目标区域像元的相对位置对辐亮度进行不同权重的加权（而不是均匀加权）平均，提高GIIRS作为参考遥感器的匹配精度。

快速、准确评估土壤含盐量对土地质量评估和农业发展至关重要，高光谱遥感作为有效监测技术提供了新途径。优化高光谱数据处理以增强特征对于准确估算土壤参数尤为关键。然而，不同光谱组合处理对土壤含盐量估算影响机制尚需研究，本研究旨在探讨非线性变换和分数阶微分组合处理下高光谱数据对土壤含盐量的估算潜力。基于榆林市60个典型土壤样本对不同光谱变换组合下的盐渍土的光谱特征进行分析；采用竞争性自适应重加权采样法（CARS）和连续投影算法（SPA）筛选特征波段作为输入变量，建立偏最小二乘回归（PLSR）和随机森林（RF）模型，对比分析不同光谱处理和建模策略对土壤含盐量估算能力。结果表明：分数阶微分与整数阶相比更能体现盐渍化土壤光谱的吸收特征；倒数和对数变换能有效增强光谱数据与土壤盐度信息的相关性，尤其在1 905~2 078 nm波段范围内。PLSR模型精度整体优于RF模型，采用CARS筛选特征波段的PLSR模型达到最优建模精度（R²=0.966）。研究结果为土壤盐分监测和精准农业的实施提供理论依据。

基于大气辐射传输模型（如MODTRAN、6SV等）建立查找表是目前要遥感进行业务化大气校正或大气参数反演的重要环节。对于精细且通用的查找表，往往需要设置更多的输入参数、更宽的波段范围以及大量的计算时间和存储空间。因此，本研究在多节点高性能集群计算环境下，设计了一套高效运行流程和查找表构建方法，通过合理分割查找表计算任务、多个计算节点任务调度、以二进制方式存储计算结果等来解决辐射传输模型计算时间长和存储空间占用巨大的问题。结果表明：构建具备覆盖50~7 500 m之间24个飞行高度、0~6 000 m之间10个地面高程区间、覆盖可见-短波红外光谱分辨率为1cm^-1等特点的精细航空大气校正查找表时，采用20个计算节点的集群（单节点内存16 G、主频2.1 GHZ）运算方式，可以将单台计算机数万小时的计算任务减少到1 000 h以内，大大减少了运行时间；以二进制方式存储查找表，够有效减小LUT的大小以及读取的速度；通过比对通过查找表插值100组随机样本点与MODTRAN5.2.1模型计算结果（真值），相对误差小于1%。

海洋内波是一种重要的中尺度海洋现象，星载合成孔径雷达（SAR）是其常用的观测手段之一。2016年发射的天宫二号干涉成像高度计（TG2-InIRA）第一次以1°~8°小入射对海洋进行干涉成像观测，以实现宽刈幅海面高度测量，目前尚无针对该入射角范围的内波成像模型开展研究的报道。基于TG2-InIRA图像建立了小入射角海洋内波一维成像模型，利用该模型对海洋内波成像特征进行了仿真分析，并采用变分模态分解（VMD）方法对内波参数进行反演。为验证模型及反演方法的正确性，利用TG2-InIRA和Sentinel-1 SAR间隔4 h 13 min对同一内波获取的雷达图像进行了亮暗条纹对比和内波参数反演实验。实验结果表明：TG2-InIRA海洋内波条纹的亮暗顺序与Sentinel-1 SAR的相反，所得到内波特征宽度和振幅的反演结果相对偏差分别为8.14%和15.62%，并且均表现出沿传播方向宽度由小到大、振幅由大到小的变化，符合内波传播的规律，从而展示了TG2-InIRA对内波的探测能力。对TG2-InIRA和Sentinel-1在南海区域分别获取的40幅和19幅内波图像的统计分析表明，大于80%的实际图像中内波条纹亮暗顺序与SAR相反，与所建立的模型和仿真结果一致。

无人机高光谱系统因轻便灵活、成本较低且可获取丰富的光谱信息，近年来广泛应用于环境遥感水质监测相关研究中。但与成熟的卫星监测体系不同，无人机作为位于大气中的遥感平台，天空散射光对准确获取遥感反射率（R_rs ）有不可忽略的影响，但目前鲜有研究针对这一问题进行专门的定量化探讨。选择我国第五大淡水湖巢湖及其7条出入湖河流，分别利用无人机高光谱成像仪和地物光谱仪（ASD HandHeld2），对不同观测角度天空光对水体遥感反射率影响开展定量研究。结果显示：天空光对水体遥感反射率的计算具有明显影响，且不同角度天空光存在差异。扣除不同角度天空光反射率与未扣除天空光反射率相比，天顶角45°方向天空光的平均绝对百分比差（MAPD）为11.00%，天顶角0°方向天空光的MAPD为17.21%。依据无人机高光谱成像仪镜头垂直向下的特性，研究确定在水体遥感反射率计算中扣除0°天空光，并进一步应用于悬浮物反演，预测值与实测值均方根误差（RMSE）与平均绝对百分比误差（MAPE）最小，分别为8.89 mg/L和19.60%，证明了其在提高模型反演精度中的贡献。本研究可为无人机高光谱水色遥感研究中遥感反射率的准确获取提供技术参考。

MODIS数据高时间分辨率、中等空间分辨率的观测特点可以在火灾检测中发挥重要作用，但目前MODIS火灾检测在高异质性地区，火点误检多，小火灾点容易遗漏。针对该问题，为充分挖掘MODIS数据中的相关信息，实现火点的高精度识别。提出使用深度学习技术的MODIS火点检测算法。高质量、有广泛代表性的大量样本的获取是深度学习实现火点精度检测的前提。为增加火点样本的数量，保证野火样本的质量，使用美国地面野火数据集作为真实的火点样本将其与MODIS数据实现时间和空间的精确匹配，构建基于深度学习方法的火点检测样本库。根据对辐射传输过程的分析，确定了对火点检测具有较好标识性的波段和波段组合作为输入源。基于构建的样本数据集和信息源，搭建DNN（深度神经网络）火点检测模型。在3个典型场景开展了应用实验并与MODIS火灾产品进行了对比，结果表明：改进的方法在农耕地区的冷火点提取方面，4 um平均亮温减少了2 K，正确与错误变化比呈现正向趋势，其精度优于MODIS火灾产品的结果；城郊地区提取的伪火点相比于MODIS产品显著减少，排除了4 um亮温为325 K附近的伪火点，误检率下降了19.89%。

天基黑土地有机质含量高精度监测对黑土资源利用与保护具有重要意义，基于天基高光谱数据的土壤有机质含量预测是实现大区域土壤高时空覆盖监测的有效手段。星载高光谱仪器的光谱分辨率和信噪比等核心参数直接影响土壤有机质含量预测的精度。为进一步提高我国黑土区土壤有机质监测水平，为黑土地农业资源环境监测卫星系统设计提供理论支撑。基于卫星光学载荷光谱分辨率、信噪比对土壤有机质含量反演影响研究，构建了基于MODTRAN大气传输模型、仪器信噪比分析模型以及偏最小二乘回归土壤有机质反演模型的面向黑土监测的高光谱卫星“仪器—观测—反演”全链路分析模型，并以东北典型黑土区三江平原土壤实测数据为模型输入，将实验室测得的黑土区土壤光谱数据仿真成加入大气效应以及真实天基遥感仪器特性的模拟数据，针对改变光谱分辨率及信噪比参数的反演结果进行对比分析，结果表明：①针对黑土有机质含量预测的天基遥感载荷光谱分辨率参数在小于40 nm区间反演性能较好，RMSE<0.60%，R²>0.75；②当光谱分辨率为15 nm、加权信噪比大于等于477.31时，黑土地有机质反演性能最优，RMSE<0.535%；③光谱分辨率越小，噪声的影响越显著，且光谱间隔越小，信噪比需求越高。10 nm、20 nm分辨率时对应的最佳加权信噪比为494.07、462.16，60 nm、100 nm处的最低加权信噪比需求分别为358.84、275.63。

利用无人机采集影像进行田块尺度的作物氮素含量估算，因其具有无破坏性、时效性强等优势而备受关注。东北黑土区作为我国重要的粮食主产区，精准获取作物的氮素含量对国家粮食安全具有重要意义。研究基于玉米拔节期、吐丝期和成熟期的无人机高光谱影像，提取22种窄波段光谱指数，通过逐步回归方法对黑土区玉米叶片的氮素含量（Leaf Nitrogen Content， LNC）进行定量估算。结果表明：本研究中3个生育期的玉米LNC估算模型均具有较高的估算精度，其中拔节期的估算精度最高，其决定系数（R²）、均方根误差（RMSE）、归一化均方根误差（nRMSE）分别为0.76、0.31%、0.15%；吐丝期的估算精度最低，相应的3个指标分别为0.33、0.27%、0.19%。通过逐步回归模型筛选出在各生育期指示作用较强的光谱指数，拔节期为VARI（Vegetation Atmospherically Resistant Index）、DDI（Desertification Difference Index）、EVI（Enhanced Vegetation Index）；吐丝期为MTCI（MERIS Terrestrial Chlorophyll Index）、SIPI（Simple Insensitive Pigment Index）；成熟期为EVI（Enhanced Vegetation Index）、CCI（Canopy Chlorophyll Index）、NDVI（Normalized Difference Vegetation Index）。最终，利用在玉米各生育期估算精度最高的模型获得玉米叶片氮素含量的空间分布图，其空间分布特征与玉米LNC实测情况相一致，而氮肥施用量对不同田间处理的小区间玉米LNC的影响较大。综上，本研究结果可为东北黑土区玉米叶片氮素含量的无损、快速、动态监测提供数据基础与决策支持。

地表温度（Land Surface Temperature， LST）是全球气候变化研究的关键参数。热红外遥感LST产品是获取LST的理想数据源，但目前LST产品存在受云影响导致的大面积缺失，以及有限的时序无法满足历史时期气候变化研究的需求等问题，限制了LST产品的深入应用。采用ERA5的累积太阳辐射SOA表征云下LST的变化，结合三种用于LST重建的因子（辐射因子、地形因子和光谱因子），构建了无缝LST的随机森林重建模型，探讨了该模型在云空和时序迁移情形下的重建效果。研究结果表明：①将用于LST重建的因子进行重要性排序，地形和辐射因子表现出极高的重要性。构建的LST重建模型有较高的拟合度，R²为0.97，RMSE为1.27 K。②重建的云空无缝LST修复了原始LST分布的破碎性。经地面站点LST验证，R²在0.90以上。RMSE在2.67 K~3.15 K。将SOA与地面站点LST的变化趋势进行比较，发现两者表现出良好的连贯性，表明SOA能够充分反映云下LST的变化情况。③重建了经时序迁移的无缝LST，对于月时序迁移的LST，R²在0.77~0.96，RMSE在1.35 K~4.02 K。对于年时序迁移的LST，R²在0.86以上，RMSE在2.73 K~3.25 K。结合预测变量的统计图，发现辐射因子受时间迁移的影响较小，光谱因子NDVI随时间迁移发生变化，当用于LST重建的NDVI与用于LST重建模型训练的NDVI的范围相差较大时，重建的LST的精度将降低。本研究能为长时序、无缝的LST重建提供一定的理论支撑。

数据驱动建模是从数据中探究状态变量的时空演化关系。数据驱动型数据同化方法是探索使用数据驱动模型替代传统（基于物理的）模型，实现优化融合观测信息与模型模拟的同化方法。研究将数据驱动的支持向量机回归预测模型应用于集合卡尔曼滤波过程中，使用模拟预测方法对动力学系统进行非参数采样得到系统轨迹的代表性样本集，从样本集中重构动力学系统。提出一种支持向量机回归机器学习模拟预测策略的数据驱动数据同化方法，并将其应用于经典模式驱动同化系统。采用Lorenz-63和Lorenz-96非线性模型进行数值实验。通过改变样本集大小、噪声方差和观测步长等敏感性参数比较数据同化性能。结果表明：对于较大的样本集，该组合方法优于一般的顺序数据同化方法，从而证明新方法的有效性。

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。