生境质量在一定程度上可以反映区域生物多样性状况，在当前全球生物多样性持续减少、生态系统服务退化的背景下，研究生境质量的时空演化对于区域可持续发展具有重要意义。近40 a来，我国快速城镇化进程对生态环境产生了深刻影响，引发了自然生境破碎化、生态退化、生态系统服务功能减弱等系列问题。生境质量是反映生物多样性状况与局地生态功能的重要指标，探讨区域生境质量时空演变及其影响因素对生态恢复与生物多样性保护具有重要的意义。基于京津冀地区1980~2020年（每隔10 a）土地利用遥感监测数据，研究采用InVEST模型定量评估了研究区不同时点的生境质量并探究了其时空演变特征，使用地理加权回归模型分析了社会经济发展与自然条件等因素对生境质量变化的影响。研究结果表明：①京津冀地区生境质量呈“西北高、东南低”的空间分布特征，区域差异明显。研究时段内东部沿海地区以及西部山区生境质量提升明显，而北京、天津以及南部快速城镇化地区生境质量持续降低。②建设用地面积变化、地形位指数对生境质量指数变化影响最为显著；生境质量变化与建设用地面积、GDP、人口密度等社会经济因素呈负相关关系，与地形坡度、降水、气温等自然环境因素呈正相关关系；生境质量变化在研究区西北部主要受自然环境影响，而在东南平原区则受社会经济因素影响更显著。研究结果可为土地资源可持续利用、生态环境保护和管理工作提供科学依据和理论指导。

为了解江苏省近35 a来的景观格局变化特征，以1980~2015年7期土地利用数据为基础，对江苏省各景观格局指数、景观稳定性及其与人为干扰度的关系进行分析，结果表明：①从类型上看，江苏省建设用地的破碎化程度最高且形状最不规则，但随时间趋于完整、规则；耕地和水域的斑块聚集程度和紧凑度高，但呈逐渐降低的趋势。②从整体上看，江苏省整体的景观类型复杂程度增大，空间连通性逐渐降低，景观多样性和异质性增加；各景观类型面积趋于均匀化，但优势景观类型对整个景观的控制作用仍然较强。③江苏省1980~2015年大部分区域景观稳定性较低，人为干扰度较高，且不同时期之间的变化较小。④人为干扰度与斑块密度、景观分离度、香农多样性指数、香农均匀度指数、景观稳定性在15 km×15 km尺度相关性最高，与总边缘对比度指数、蔓延度指数在2 km×2 km尺度达到最高的相关性。该研究成果为解决建设用地的供需问题、优化土地利用结构、保护生态环境等提供科学依据。

煤炭能源是我国能源体系的重要组成部分，煤炭的露天开采相较于井工开采对周边环境影响更加深远。平朔矿区是我国早期开发的露天矿区，主要采用边修复边开采的露天开采模式，导致矿区内部土地利用变化较快，亟需高效、准确提取各类地物类型及监测其生态恢复情况。以多期高分辨率影像为数据基础，通过多尺度分割和机器学习的面向对象分类方法，提取了研究区2013~2020年的土地利用信息，并进一步分析了平朔露天矿区的土地利用动态变化情况。结果表明：2013~2020年，矿区逐年向东迁移，矿区面积减少7.84 km²，农田面积减少36.08 km²，林地和草地面积增加64.77 km²，水体、排土场、矿区面积减少低于10 km²。研究区内土地利用面积变化分析结果表明，绿色矿山建设效果显著。结合平朔煤矿绿色发展政策，本研究将为绿色矿山建设评价提供方法和数据支撑。

丹江口水库是南水北调中线工程水源地，明确土地利用景观格局与水质参数之间的响应关系，是保护及改善水质的重要前提。利用Sentinel-2B遥感影像数据对土地利用状况进行分类，基于GIS空间分析技术计算土地利用类型综合效应的景观开发强度指数，结合自动监测站点水质数据，采用冗余分析（RDA），初步探讨了丹江口水库土地利用与水质变化二者之间的响应关系。结果表明：500 m缓冲区的总解释率在枯水期与丰水期在第一轴上典型特征值为0.605 5和0.583 3，总解释率分别为71.3%和72.6%，在全部缓冲区内最高，该缓冲区的土地利用对水质的影响最大。在该缓冲区内耕地和建筑用地分布集中且连通性和聚集程度较高，对河流的污染相对较高，林地相对较多且整体连通性和聚集程度较高，对水质污染起到了一定的抑制作用。研究结果揭示了在水库周边相邻地区，农业种植区施肥和畜牧业所产生的营养物质，通过地表径流冲刷进入湖泊的营养物质是丹江口水库非点源污染的主要贡献来源。库区周边一方面要增加森林覆盖度从而增强植被改善河流水面源污染方面的强度；另一方面，要防止农业生产所产生的氮、磷对水质的影响，以减少整个库区的面源污染。

不透水地表的分布与变化是城市发展过程的直观标志和重要指示因子，在城市生态功能、城市规划和可持续发展研究等方面发挥着重要作用。利用中国科学院空天信息创新研究院研发的1985~2020年长时序30m不透水面动态数据集（GISD30），结合GIS空间统计方法，研究分析了过去35 a上海市不透水面时空特征演化。结果表明：①35 a来，上海市不透水面面积从878.07 km²增长至2 849.90 km²，面积扩张到原来的3.25倍，随着1990年浦东新区的开发开放，上海城市化进程明显加快，1990~2010年上海市不透水面扩张最为显著，2010年以后不透水面扩张速度和扩张强度开始显著下降。②从区位分异特征来看，不透水面迅速扩张的行政区主要位于城市郊区，其中，浦东新区在各个研究时段的扩张速度均大于其他区划。③基于紧凑度和分形维数发现，中心城区不透水面空间分布结构趋于疏散，上海市整体不透水面边界复杂程度降低，城市空间形态更加规则。④“南北两翼”的上海城市扩张特点较为明显，南部郊区的高强度扩张带动了不透水面空间重心的持续南移，发展至2010年以后，上海市不透水面空间布局开始趋于稳定。当下，资源环境紧约束背景下，上海城市发展面临诸多挑战，研究结果对于上海城市更新工作的有效推进具有参考价值。

土地扰动的时空演变反映该地区经济发展水平的同时，也成为宏观规划与城市建设的依据。为高效快速地监测土地扰动，基于2000~2020年的Landsat系列（Landsat-5 TM、Landsat-7 ETM+、Landsat-8 OLI）遥感卫星影像，采用连续扰动监测（Continuous Monitoring of Land Disturbance， COLD）算法对福建省长汀县近20 a土地扰动变化及生产建设项目施工扰动进行监测，探讨5 a（2016~2020年）、10 a（2011~2020年）以及21 a（2000~2020）不同时间长度序列对新增年份监测结果的影响。结果表明：①COLD算法能够获得各年累计变化、年内变化等信息；②近20 a来，长汀县土地扰动在空间上主要集中分布在中部地区，四周山区扰动较少；③生产建设项目发生扰动大部分集中于第三季度，第一季度扰动最少；④对于新增年份2020年的中大型生产建设项目扰动监测，在多云多雨地区，10 a时间长度数据才能获得比较满意的监测结果。

不透水面是评价城市化水平和城市生态环境的重要指标，是近年来城市遥感研究中的热点方向之一。与湿润、半湿润区相比，干旱区城市植被覆盖度较低，不透水面与裸土、荒漠之间相似的光谱特征导致传统基于光学影像的亚像元分解法与光谱指数法在干旱区不透水面提取的适用性降低。针对该问题，提出一种多光谱与合成孔径雷达（SAR）影像多特征综合的方法以增大不透水面与其他地物覆盖类型之间的特征差异，从而提取干旱区城市不透水面。以阿斯塔纳、塔什干和杜尚别3个中亚城市为研究区，哨兵2号和哨兵1号影像为数据源，通过LightGBM算法对多光谱和SAR图像的空间特征、SAR的极化特征进行分类并提取不透水面。研究对比了不同特征组合以及不同分类方法的不透水面提取结果，实验结果表明：多光谱与SAR影像多特征综合的方法能有效提高干旱区不透水面提取精度，明显改善干旱区其他土地覆盖类型错分为不透水面的问题；LightGBM算法与XGBoost、HistGBT等基于梯度提升决策树的算法和随机森林等方法相比能获取更高的精度，更适用于干旱区不透水面提取。这表明基于LightGBM以及多光谱和SAR多特征联合的方法能够有效提取中亚干旱区城市不透水面。

乌鲁木齐市作为新疆首府、“一带一路”中的中亚区域经济中心，其土地资源的合理利用、城市形态的健康发展则显得尤为重要。本研究首先基于乌鲁木齐主城区1990~2018年遥感影像解译出的土地利用分类对其土地利用时空演变情况加以分析，1990~2018年乌鲁木齐主城区急剧扩张，2010年以来交通网络铺设完善，主城区快速扩张，周遭耕地、林地、草地等萎缩95.12 km2、6.49 km2、52.37 km2，重心呈现出向东与向北扩张趋势，主城区农用与绿化面积萎缩，无法兼顾经济与生态效益协调可持续发展。接着，遴选自然与社会经济等影响主城区扩张的驱动因素，结合乌鲁木齐主城区扩张历史特点设计第一产业优先、第二三产业优先、生态优先情景，利用GeoSOS-FLUS模型对不同情景下的主城区扩张情景进行模拟预测，研究发现第二三产业优先情景下建设用地明显增加1 142.94 km2；生态优先情景下生态效益高的林地、草地、水域面积显著增加281.59、651.38、7.29 km2；第一产业优先情景下，建设用地、耕地等地类面积扩张617.14、611.71 km2。上述对乌鲁木齐的城市扩张加以多情景预测推演，不仅有利于重新审视乌鲁木齐城市扩张的合理性，也可以为其未来城市合理、科学的规划与发展指明方向。

全球土地覆盖产品是森林类型数据的重要来源，系统评估不同产品中森林类型数据质量对数据使用者及生产新的数据具有指导意义。选取CCI-LC、MCD12Q1、Globeland30、GLC-FCS30、FROM-GLC10、Esri10和ESA10七套土地覆盖产品，从自身稳定性、面积比较、空间一致性、精度估算4个方面评估其森林类型数据质量。结果显示CCI-LC中森林类型数据稳定性显著高于其他产品，2001~2019年19期数据的稳定性大于94%；就森林总面积而言，Globeland30、GLC-FCS30和Esri10与第九次全国森资源调查数据最为接近，Esri10的灌木存在严重高估现象；Esri10和MCD12Q1与其他产品的空间一致性均较低，ESA10和FROM-GLC10的一致性最高（85.3%）；高空间分辨率产品的总体精度优于中低空间分辨率产品，不考虑灌木时，ESA10、FROM-GLC10和Esri10的总体精度分别为90.63、87.99、85.22；GLC-FCS30、CCI-LC和MCD12Q1中精细森林类型总体精度均低于48%。

利用高光谱遥感影像可以开展精细化土地覆盖制图，相关技术已在农业生产、植被生态等领域中广泛应用。然而，现有的面向像元或对象的分析方法在制图单元的合理性、精细性尚有欠缺。鉴于此，提出了基于随机森林的地块级高光谱土地覆盖制图思路，并利用雄安新区马蹄湾村高光谱影像开展实验与精度评估，综合类型精度和形态精度指标，探析不同划分尺度的制图优劣。在类型精度方面，结果表明：地块级高光谱土地覆盖制图效果及类型精度最优；在形态精度方面，发现地块级土地划分优于对象级划分结果。综合对比两类精度后得出，面向地块的高光谱土地覆盖制图可生产更符合用户需求的信息成果，具有较高的潜在应用价值。

阿姆河三角洲作为典型干旱区，干旱胁迫和次生的盐胁迫决定了本地区生态环境的复杂性和独特性，给遥感地表覆盖制图带来一定的困难。在土地利用/覆盖（LULC）遥感图像分类任务中，数量大、质量高、成本低的样本和速度快、性能稳定的分类器是高效实现高精度分类的关键。在一些偏远地区开展土地利用/地表覆盖遥感图像分类依然面临着标记样本空间上稀疏、时间上不连续甚至是缺失，人工收集成本高等问题。为此，结合最优树集成和样本迁移的思想，构建了一种高效的地表覆盖自动更新的新方法。该方法通过变化检测在历史产品上的同期影像上进行样本标签的标记，并将过去的地表覆盖类型标签转移到同源目标影像上，使用最优树集成（Ensemble of optimum trees， OTE）完成地表覆盖自动分类。根据阿姆河三角洲地区地表覆盖分类试验结果，表明该方法可以提取有效的地表覆盖标签，并能较高精度发实现土地利用/地表覆盖的自动分类更新。

西宁和拉萨城市作为青藏高原人类活动的热点地区，其发展历程对青藏高原社会经济发展具有重要影响。研究基于遥感影像、城市规划图和历史地图等资料重建了西宁和拉萨城市1949基准年、1978基准年、1990年、2000年、2010年和2018年城市扩展及2000年以来城市不透水层和绿地空间组分数据，分析了1949基准年以来西宁和拉萨主城区城市扩展的时空特征，揭示了社会经济因素和政策因素对城市土地利用/覆盖变化的影响。研究结果表明：①新中国成立以来，西宁和拉萨主城区持续扩展，均呈现非线性的增长态势，城市土地面积分别从1949基准年的1.98 km²和1.10 km²增长到2018年的79.26 km²和77.04 km²；西宁主城区城市扩展呈现十字状的扩展态势，拉萨呈现出圈层外延式的扩展模式；②自2000年来，西宁和拉萨城市绿化水平显著提升。2000~2018年，西宁和拉萨城市不透水层面积分别从36.91 km²和21.56 km²增加到55.34 km²和48.21 km²，城市绿地空间面积分别从10.78 km²和8.48 km²增加到19.21 km²和20.35 km²，年均扩展速度分别为0.47 km²/a和0.66 km²/a；主城区城市不透水层比例分别从74.09%和66.21%下降到69.82%和62.58%，城市绿地空间比例从21.64%和26.05%上升到24.24%和26.41%；③西宁和拉萨城市人口增长、经济发展和国家相关政策与主城区城市扩展及其土地利用/覆盖变化密切相关，主城区城市扩展阶段与人口增长、经济发展阶段以及国家相关政策实施时间接近吻合。主城区土地利用/覆盖变化与城市规划相关政策高度相关，尤其是园林绿化建设，显著增加了城市绿地空间面积，城市绿地空间面积比例较2000年显著提升。

近年来，集成学习（Ensemble Learning，EL）分类方法成为土地覆被分类的研究热点，尤其是Boosting集成分类方法具有分类精度高、泛化能力强，在土地覆被分类中得到了显著的应用。但是，Boosting集成分类方法对噪声很敏感，如果训练样本含有噪声时，Boosting算法可能会失效，这是该方法的局限性。为了解决Boosting集成方法在土地覆被分类中存在的问题，有效克服噪声的影响，减少分类结果中的“椒盐”现象和提高分类精度，提出了基于双树复小波分解的Boosting集成学习分类方法。该方法对影像的光谱波段进行一层双树复小波分解，降低图像的噪声，将分解后的各波段作为Boosting集成学习的输入，得到最终的分类结果。实验先后比较了GBDT、XGBoost、LightGBM 3种Boosting集成学习算法在SPOT 6和Sentinel-2A影像上的分类效果。结果表明：①在SPOT 6影像上，3种Boosting集成算法总体分类精度均高于90%；DTCWT-LightGBM分类总体精度最高，达到94.73%，Kappa系数为0.93，比LightGBM总体精度提高了1.1%，Kappa系数提高了0.01；LightGBM分类总体精度比XGBoost分类总体精度提高了1.99%，Kappa系数提高了0.03，比GBDT分类总体精度提高了2.9%，Kappa系数提高了0.04；②在Sentinel-2A影像上，DTCWT-LightGBM分类总体精度最高，达到93.25%，Kappa系数为0.91，比LightGBM分类总体精度提高了1.53%，Kappa系数提高了0.01；LightGBM分类总体精度比XGBoost分类总体精度提高了1.14%，Kappa系数提高了0.02，比GBDT分类总体精度提高了2.53%，Kappa系数提高了0.03；③基于双树复小波分解的Boosting集成学习分类方法，降低了影像的噪音，减少了分类结果中存在的“椒盐”现象，区域一致性更强，提高了分类精度。

以吉林一号视频07B星高分遥感影像为基础，采用卷积神经网络（CNN）对城区土地覆被进行精细分类，设置多组光谱变量集合，并与最大似然法、多层感知机和支持向量机分类方法进行对比，全面评估分析各方法对城区土地覆被信息提取的适用性及波谱特征对分类精度的影响。结果表明：CNN模型的分类精度最高，总体精度高于90%，相比其他方法提高幅度达12%以上，能够显著降低“椒盐”噪音；红边波段对所有方法总体分类精度贡献十分有限，而近红外波段对分类精度的提升较为明显；总体而言，红边和近红外波段对CNN分类精度影响较为微弱。深度学习应用于吉林一号高分遥感数据能获取高精度城区土地覆被分类图，可为城市土地资源配置，城市规划与管理提供重要的支撑。

目前对于超大城市土地覆盖和热环境定量模型研究报道不足，这主要是因为大城市地表温度和地表生物物理组分之间存在复杂的潜在非线性关系，这使得准确评估城市热环境情况遇到了严峻的技术挑战。研究选取中外6个典型超大城市（北京、上海、广州、伦敦、纽约和东京）为研究对象，以Landsat遥感影像为主要数据源，利用单通道算法反演各城市地表温度，采用随机森林回归模型（RFR）建立土地覆盖类型与城市热环境定量关系模型（LCT），综合分析城市土地覆盖因子与热环境间的多维定量关系。土地覆盖与地表温度的定量关系显示，城市地表热场的空间结构在很大程度上被下垫面用地类型所左右，不透水面会导致高温热场的聚集，而植被和水体则有降温作用。6个超大城市地表覆盖结构变化产生的升温/降温效应有所差异，北京、上海、纽约和东京等城市区域的植被和水体降温效应较广州和伦敦显著。基于随机森林回归方法建立了NDVI、MNDWI和NDISI等3种土地覆盖类型与城市热环境的综合定量关系模型（LCT），模型得到的精度高于基于多元线性回归方法建立的模型。LCT_RF模型的R²值在0.623~0.826之间，比LCT_MLR模型高0.021~0.074；RMSE比LCT_MLR模型低0.07℃~0.35℃。研究超大城市土地覆盖与城市热环境的互动作用机理，能为未来生态城市建设提供宝贵建议。

干旱半干旱区植被变化研究较多，然而很少关注资源型城市社会经济对植被变化影响。基于2000~2020年鄂尔多斯市MOD13Q1数据、降雨和温度等气候数据、原煤产量等11个社会经济指标，结合GIS技术和线性回归法等统计学方法，对植被覆盖时空变化及其影响因素进行了研究。结果表明：①21年间鄂尔多斯的NDVI值介于0.233~0.395，呈波动性增长趋势，增长速率为0.059/10 a；下辖的8个区县的NDVI值也呈波动性增长趋势，但各地区存在差异。②鄂尔多斯植被呈东北高，西南低的分布特征，低植被区面积5.35万km²，占整个鄂尔多斯面积的61.58%，高植被区面积仅0.20万km²；植被改善区面积远远大于植被退化区面积，改善区占整个鄂尔多斯面积的52.19%，植被退化区仅占3.69%。③NDVI值与降雨量表现为极显著性正相关，相关系数为0.794（P<0.01）；NDVI变化与当月累计降雨量的相关系数较大，与1个月前温度的相关系数较大。④NDVI变化与11种社会经济指标均表现为极显著正相关，相关性为0.728~0.796（P<0.01）。鄂尔多斯植被恢复效果较好，降雨量和温度是影响植被生长的主要因素，NDVI变化对降雨量的响应无明显滞后性，对温度的响应存在一个月的滞后期，社会经济发展对植被覆盖的积极作用大于消极影响。

2018年8月印度喀拉拉邦遭受强降雨，引发大量地质灾害，造成巨大的经济损失和人员伤亡。为研究农业化进程中土地利用/覆被变化对地质灾害发育的影响，探求适宜的人地协调发展模式，以该地区受灾最严重的伊都基为研究区，基于已有的灾害点数据，利用Google Earth高分辨率遥感图像目视解译获取研究区灾害发生前8 a（2010年）和灾害发生时（2018年）的土地利用数据，基于Landsat TM/OLI数据提取的归一化植被指数计算研究区植被覆盖度，对比分析该地区地质灾害的发育与土地利用/覆被变化之间的关系。研究结果表明：①伊都基地区灾害点主要集中在中北部地区，分布在种植林、种植灌丛、建筑物、道路等人类活动影响较大的区域，该区域灾害点占总灾害数的80.46%；②伊都基地区灾害点的土地利用变化虽然较小，总体变化率为37%，但土地利用变化主要发生在种植灌丛、种植林等与人类活动密切相关的土地利用类型中；③伊都基地区植被覆盖度下降率为16.70%，在空间分布上，灾害点易发区域与植被覆盖度下降区域有较强的关联性。

城市扩展和城市土地不同地表覆盖组合对城市生态系统服务和人居环境质量产生重要的影响。基于历史地图、遥感图像和城市规划图等多源数据通过人工数字化解译、大数据运算和混合像元分解相结合的方法发展了城市地表覆盖/土地利用数据集，从而获取了天津城市1949~2018年不同时段城市扩展过程，实现了其内部结构城市不透水面和绿地空间像元组分的遥感制图，综合分析了1949年以来天津主城区城市阶段扩展速度、扩展强度及城市不透水面和绿地空间地表覆盖类型的时空变化特征，进而揭示了社会经济因素和政策因素对其影响。研究结果表明：天津主城区城市土地面积从1949年的49.15 km²增长到了2015年的663.39 km²。从时间变化来看，城市扩展经历了“加速—减速—加速—减速”4个阶段；城市扩展的方式呈现以主城区填充式、沿比邻交通干线的乡镇，呈现带状扩展规律；扩展伴随城市建成区内部绿地空间比率呈现增加的趋势，表明天津主城区城市生态绿化水平总体呈现提升的状况。

城市快速扩张导致城乡梯度土地覆盖发生显著的变化，引发不透水地表的增加，植被覆盖的减少，从而加剧了城市热岛强度。研究城乡梯度土地覆盖变化引起的城市热岛效应，并揭示城市热岛的时空特征及强度的变化，对城市规划建设、人居环境改善及提升城市生态系统服务功能具有重要的意义。基于Landsat系列4期影像，利用单窗算法反演西安市地表温度，计算热场变异指数得到热力场强度图并对其进行等级划分，结合土地利用/覆盖类型数据分析城乡梯度土地覆盖变化对城市热岛强度的影响。结果表明：①2000年西安市极强热岛效应区占研究区面积的10.58%，逐渐增加到2011年极强热岛效应区域的面积占比达到16.14%，而后到2015年降低为9.00%，整体上西安市城市热岛效应呈现出了先增长后降低的趋势;②2000年到2015年城乡建设用地面积增加了412.76 km2，极强热岛强度的范围随城市建成区的扩张逐年向外扩展;③无热岛效应区约70%位于耕地和林地，水域在无热岛效应中的占比也在逐年增多，从31%增加到了47%。不透水地表面积占比与地表温度有显著相关性，城乡梯度植被和水体面积的增加可以有效地缓解城市热岛强度。

城市地表覆盖组分是影响人居生存环境和城市生态系统服务的关键因素。基于Google Earth Engine平台，利用Landsat 5/8遥感影像数据，采用改进的“植被—不透水面—土壤”模型及线性光谱混合分解方法，提取地处干旱区的中国西部大城市乌鲁木齐市与邻国哈萨克斯坦首都城市努尔–苏丹市、大城市阿拉木图市的地表覆盖信息，对比分析1990~2015年3个城市地表覆盖的变化特征。结果表明：1990~2015年间乌鲁木齐市城市建成区扩张面积最大，扩张了349.81 km²；其次为努尔-苏丹市，城市扩张面积为158.16 km²；由于哈萨克斯坦首都由阿拉木图市迁往努尔-苏丹市，整个时段阿拉木图市城市扩张最慢，总计扩张了126.23 km²。在城市建成区内，1990年到2015年间乌鲁木齐市城市地表不透水组分增加了7.10%，努尔—苏丹市和阿拉木图市分别减少了14.9%、4.49%。建成区内绿地组分努尔—苏丹市从1990年到2015年增加了6.68%；乌鲁木齐市和阿拉木图市分别减少了6.65%和2.75%。城市所表现出来的不同地表覆盖特征乌鲁木齐市主要受国家政策支持，阿拉木图市由于其历史背景和城市规划，努尔—苏丹市城市的快速发展则受哈萨克斯坦迁都的影响。

研究通过对MODIS双星数据组合、线性插值和HANTS平滑方法来提升时序数据集质量，采用随机森林的方法分类，对分类结果精度评定以分析时序数据集构建质量对分类精度的影响。结果表明：双星数据有利于提高时序数据集的时间分辨率，精确刻划覆盖变化，为后续处理提供基础；线性插值可改善像元点的质量，降低云、雨因素影响；HANTS平滑能移除异常值，平滑数据，突出曲线特征，降低分类复杂度。改进质量后的时序数据集，分类总体精度从84.32%提高至90.75%，Kappa系数从0.798 6提高至0.881 6。总之，使用时序数据进行土地覆盖分类时，应以消除异常值，真实反映地表覆盖物候特征为目的提高时序数据集的质量，从而提高分类精度。

GlobeLand30-2010（30 m）、FROM-GLC-2010（30 m）和GlobCover-2009（300 m）是3套应用广泛的全球高精度土地覆盖数据产品。以巴基斯坦为研究区，从2009~2011年30 m Landsat-5、Landsat-7多光谱遥感影像共122景选取了夏冬两季各1 000个样本点，评价了3套土地覆盖数据产品的季节性分类精度。结果表明：3套产品在巴基斯坦地区夏冬两季总分类精度差异不大，总体来说GlobeLand30-2010（63.9% vs. 65.6%）与FROM-GLC-2010（59.0% vs. 61.2%）的总精度夏季略高于冬季，GlobCover-2009的总精度冬季略高于夏季（59.5% vs. 59.1%）。此外，3套产品中GlobeLand30-2010对耕地、人造地表和水体有更好的分类效果，FROM-GLC-2010对植被和冰川积雪的分类更为准确，GlobCover-2009对裸地的分类更为准确；3套产品对耕地、裸地和冰川积雪分类更符合冬季的真实情况，对植被、水体分类更符合夏季的真实情况，人造地表分类无明显的季节差异。巴基斯坦土地覆盖精度评价的样本点密度应达到1个/1 000 km²。

无人机遥感和面向对象图像分析技术在环境监测中得到越来越多的发展。然而在科学文献领域，使用无人机和面向对象制图农村居住环境的文献仍然很少。因此本研究构造一个整合框架用于提取农村居住环境中各类地物信息。首先利用尺度参数评估(ESP, Estimation of Scale Parameter)工具和专家判断来确定最优分割尺度参数；然后分别采用专家规则集和监督分类算法提取农村居住环境中各类地物；最后采用基于面的精度评价方法对分类性能进行评估。结果表明，利用ESP工具和专家判断确定最优分割尺度是可行的。总体精度为75.19%，说明基于规则的提取方法对研究区各类地物的提取效果不佳。但在农村居住环境中利用模板匹配结合阈值规则对太阳能热水器提取精度达92%。分析训练样本和特征对随机森林(RF，Random Forest)、支持向量机(SVM, Support Vector Machines)和K最近邻 (KNN, K-Nearest Neighbor) 分类器分类结果的影响，说明RF分类器对农村居住环境分类效果最好，总体分类精度高达91.34%。研究结果表明:该框架在农村居住环境地物提取方面是一种有价值的工具。

当前很多研究关注城市扩展及其热岛效应，但不同土地利用强度对辐射能量的影响尚有待进一步的分析。以北京市为例，基于2000和2015年的土地利用数据，按照人为活动对土地的利用程度，将北京市的土地利用变化划分为5类：即老城区、城市扩展区、混合变化区、耕地及自然纯像元区。在此基础上，在反照率和太阳辐射遥感反演数据的支持下，分析2000~2015年由地表反照率引起的辐射强迫(RF, Radiative Forcing)，并探讨了RF与植被的关系。结果表明：相比自然纯像元区域，老城区、城市扩展区、混合变化区及耕地的RF在研究时段内均明显增加，后三年的RF均值比前三年增加了0.78 W/m²以上，远大于自然纯像元区的RF增量(0.19 W/m²)。本研究同时发现，植被绿度随土地利用强度的增加而逐年下降，但植被生长期长度却有所延长，两者综合作用于地表反照率，促使了RF的增加，说明单纯从辐射平衡来讲，北京市的土地利用变化在一定程度上增强了RF。

在我国西南地区耕种条件差，地块比较破碎，地块类型比较复杂，中低分辨率遥感数据难以满足撂荒地提取的需要。选取贵州修文县为试验区，基于高分辨率卫星遥感数据（哨兵2号），探索单期或多期影像在中国西南地区的撂荒地检测能力，构建撂荒地遥感监测方法，为今后我国西南地区撂荒地统计调查提供参考。结合野外调查数据，在划分不同撂荒地类型基础上，综合遥感影像的光谱特征、植被指数特征以及多时相植被指数变化特征分析，优选不同类别撂荒地遥感提取敏感特征集，利用CART决策树分类方法，提取不同类型的撂荒地。结果表明：①单个时相对不同类型的撂荒地识别能力差异显著，基于单时相影像，难以开展撂荒地高精度遥感监测提取；②不同时相的植被指数变化特征对撂荒地的识别能力较强，其中比值植被指数优于差值植被指数和归一化植被指数；③以贵州修文县为例，开展了撂荒地空间分布制图及撂荒面积统计分析，修文县撂荒地面积约为6 460 hm²，占修文县耕地面积的13%；④基于多时相高分辨遥感数据，通过季相变化特征构建的撂荒地检测方法，能够满足我国西南地区撂荒地高精度遥感监测提取，为大范围撂荒地遥感调查和制图提供技术参考。