太阳辐射数据在地表能量平衡评估中（显热、潜热和太阳能评估等）起着重要作用。但是气象站观测到的气象数据缺乏太阳辐射数据。因此，迫切需要借助易获取数据模拟大范围太阳辐射。这项研究使用易获取数据（再分析数据MERRA-2、遥感数据MODIS和地外太阳辐射）来驱动常用的机器学习模型估计每日太阳辐射。结果表明，再分析数据可替代地面变量，并达到相似的模拟精度水平（平均相差0.14 MJ/m²（MAE）、0.22 MJ/m²（RMSE）、1.13%（NRMSE））。特别是，当由再分析、遥感数据和地外太阳辐射共同驱动时，机器学习将达到最高模拟精度（MAE为3.42 MJ/m²，RMSE为4.86 MJ/m²，NRMSE为26.87%）。同时集合多个机器学习比使用任何单一模型都具有更好的性能。使用易获取的多源地球大数据和机器学习可以获取较准确的辐射数据。

大型地震灾害发生时都会造成大量财产损失甚至人员伤亡，因此，灾后第一时间对灾情作出判断极为重要。合成孔径雷达（Synthetic Aperture Radar，SAR）具有全天时、全天候，不易受光照和气候条件影响的优势，使用SAR 影像进行变化检测在震后救援与损失估计、洪水波及范围检测、城镇化研究以及海岸线提取等多个领域备受关注。为此，提出一种结合空间域和频率域纹理特征的深度学习建筑震害提取方法，能够较好地识别倒塌建筑物与未倒塌建筑。以2023年2月6日土耳其7.8级地震的卡赫拉曼马拉什（Kahramanmaras）区域为例，该区域在此次地震中损毁最严重。本研究在深度学习网络进行分类的过程中加入了空间域特征和频率域特征。经过大量实验计算，该方法的分类精度达80.98%，远高于原始图像的分类精度47.84%。同时，此结果也高于仅使用空间域特征的分类精度73.30%，以及仅使用频率域特征的分类精度73.42%。该方法能够为地震灾后的受灾情况及灾害评估提供基础支持。

河流径流量地监测对水资源的管理与利用具有重要的意义，但如何灵活、精确地获取河流径流量仍然是一个难题。卫星遥感因其分辨率受限难以精确反演中小型河流径流量，传统河流流量监测技术复杂、设备昂贵，在无资料区、突发性灾害事件应急监测方面应用受限。为此，本研究利用无人机快速、灵活的特性，利用激光雷达获取地形信息精度高的优势，基于无人机激光雷达点云数据3D模型，结合粒子跟踪测速法（Particle Tracking Velocity，PTV），提出了一种适用于中小型河流的径流量监测方法。该方法利用激光雷达近红外波段对水体的强吸收特性，提取水体与陆地分界线，通过与河道原始断面图匹配融合获取过水断面。基于低空无人机光学遥感影像以粒子跟踪测速法计算河流流速，进而通过流速面积法估算河流径流量。经过连城水文站河段24次无人机径流量监测实验得出如下结论：无人机激光雷达监测流量与实测流量平均相对误差为8.67%，最小相对误差为0.46%，均方根误差RMSE （Root Mean Squared Error）为0.09 m³/s，平均百分比误差MPE（Mean Percentage Error）为0.02，百分比偏差Pbias（Percent bias）为1.95%，纳什效率系数NSE（the Nash-Sutcliffe Efficiency Coefficient ）为0.94，可满足无资料地区中小型河流径流量监测精度需求；通过比较，本研究方法的径流量监测精度，也明显高于曼宁公式径流量估算结果（RMSE，NSE）。本研究论证了无人机激光雷达点云数据径流量监测的可行性与可靠性，为无资料地区突发性灾害应急监测和中小型河流径流量监测提供了新思路。

城市快速扩张导致城市及其周边生态环境发生剧烈变化，进而加剧城市热岛（Urban heat island，UHI）效应。但城市扩张对干旱区城市热岛效应的影响仍不够清晰。甘肃省从东南向西北延绵1 600 km，气候类型从东南部的湿润半湿润气候逐渐过渡到西北部的极端干旱气候。此外，2000年以来甘肃省经历了快速的城市扩张，因此甘肃省是研究不同干湿气候背景下城市扩张对UHI效应影响的理想实验区。本研究利用MODIS地表温度数据集，估算2003~2021年甘肃省14个城市的地表城市热岛强度（Surface urban heat island intensity，I_s ）及其年际变化特征，以探究不同气候背景下甘肃省UHI效应变化特征及其对城市扩张的响应。结果表明，甘肃省各城市I_s 和δISP（Urban-rural Contrast in Impervious Surface Percentage，δISP）具有明显的时空差异。I_s 变化趋势主要受植被覆盖度（R² =0.406，P<0.05）影响，其次是降水量（R² =0.377，P<0.05） ，城市人口数量（R² =0.069，P>0.05）的作用可以忽略不计。此外，由于不同土地覆盖类型的地表温度（Land Surface Temperature，LST）存在差异，城市扩张进程中所占用的土地覆盖类型对I_s 趋势亦有影响，如果城市扩张进程中占用的是裸地类型则产生降温效应。城市扩张强度对I_s 趋势的影响存在明显的阈值，不同气候区城市的阈值不同，湿润区城市的阈值（天水，δISP=32%）小于干旱区城市（酒泉，δISP=41%）。此外，阈值前后I_s 变化速率不同，干旱区城市的I_s 在阈值前后的变化更显著。本研究成果为干旱区城市快速扩张的影响评价与管控决策提供了科学依据。

北极作为地球“三极”之一，蕴藏丰富资源，是全球变化研究的热点区域，其海冰变化对航道开通和生态保护具有重要意义。然而，现有三维虚拟地球 （3D GIS）系统无法直接支持非规则格网的数据可视化，限制了北极航道信息服务能力。针对这一技术瓶颈，本研究提出了一种将非规则格网数据自动转换为规则格网数据的方法。同时，研发了基于Cesium的海冰数据三维可视化系统，实现了长时间序列非规则格网海冰数据在三维虚拟地球系统中的自动加载和可视化。性能评估结果表明：该方法具有较高的精度和效率，研发系统能够高效和直观展现北极冰情变化，可为船舶航行规划提供重要冰情信息。

土地利用/覆被变化是研究全球环境变化和可持续发展的重要基础。基于Google Earth Engine （GEE）平台和随机森林算法，对长江中游城市群1990、2000、2010 和2020年的Landsat卫星影像进行快速、高效地解译，追踪土地利用/覆被变化的时空格局变化。结果表明：①2020 年长江中游城市群主要由耕地和植被构成，面积占比在86%以上，耕地和植被主要分布在城市群的四周、城乡建设用地呈散团式镶嵌其中的空间格局；②土地利用数量结构上整体呈现城乡建设用地和耕地持续增加、植被和未利用地呈波动式减少、水域波动式微弱增加的发展趋势；在土地利用转移上，主要呈现出建设用地斑块遍地开花并伴随局部爆炸式扩张，植被流向耕地，未利用地流向植被和耕地的演变态势；③在土地利用空间集聚演变方面，土地利用程度的较热点、热点都在增加，极热点区总体逐渐减少，而较热点则相反，热点呈增加的趋势，且全部位于武汉城市圈及其周围；土地利用程度较冷点总体上呈先减少后增加的趋势，且较冷点区由环长株潭城市群（湘潭市、萍乡市和株洲市）转向环鄱阳湖城市群（南昌市）。长江中游城市群建设用地和耕地空间集聚范围呈持续扩大态势，且集聚程度随集聚范围的扩张同步加强，中等密度和较低密度区扩展区随着城市群的快速发展逐渐演变为热点区域。研究结果为生态型城市群的土地资源保护与可持续利用提供了有效的决策依据。

针对异源影像配准中存在误匹配率较高和配准精度较低的问题，提出了一种基于扩展相位一致性和空间关系约束的异源影像配准算法（Extended Phase Consistency Spatial Relationship Constraints，EPC―SRC）。首先，设计了一种基于自适应加权力矩图的分块Harris特征检测方法，用于检测稳定、均匀分布且可重复的关键特征点；其次，采用多尺度加权最大索引图（Multiscale Weighted Maximum Index Map，MSW―MIM）结合改进的GLOH描述符结构 （Gradient Location Orientation Histogram―like，GLOH―like）构建鲁棒的特征描述符，以提高特征描述符的可区分性；最后，采用马氏距离和边缘化样本共识（Marginalizing Sample Consensus，MAGSAC）方法获取同名点，利用空间关系约束实现特征点精确匹配，并进行迭代求解优化单应性矩阵实现高精度影像配准。通过10组异源遥感影像配准实验对比及分析，结果表明：该方法综合性能明显优于其他对比算法， 并且在配准精度方面取得了最好的效果。

单木分割在森林结构分析、林木参数提取以及森林生物量反演中具有重要作用。激光雷达 （Light Detection and Ranging， LiDAR）作为一种低成本、高效率的数据源，为森林单木分割研究提供了坚实的数据基础。目前的单木分割研究主要集中在结构较为简单的森林区域，通常通过考虑点云之间的空间关系，制定合适的判别准则来实现单木的分割。然而，针对结构复杂的森林，现有的单木分割算法研究相对较少。提出了一种融合核密度估计、数字表面模型和K-means聚类等方法的单木分割算法。研究结果表明：以甘肃省甘南藏族自治区为研究区，对西北云杉林进行单木分割时，该方法能够显著提高人工云杉林与天然云杉林的分割精度。与传统的K-means聚类单木分割算法相比，该方法的整体棵数查全率分别提高了32％和15％，查准率分别提高了51％和27％，分别达到了83%和89%的查全率，以及92%和55%的查准率。这一方法为机载LiDAR在森林生态应用中的进一步应用提供了新的技术支持，特别为复杂林型结构中的单木分割问题提供了一种高效、简便的解决方案。

针对背景复杂、目标尺度差异性大且分布不均的高分辨率遥感影像，现有算法无法同时兼顾检测精度与检测速度等问题，以YOLO v7为基础提出了一种局部—全局检测器（Local-Global Detector， LGDet）的轻量化目标检测网络。首先，采用部分卷积（Partial Convolution， PConv）对其主干和颈部网络进行压缩，减少模型的参数量与运算量；其次，设计了快速傅里叶联合部分卷积模块，构建了局部和全局感受野结合的轻量化特征提取网络；最后，提出了一种轻量化三元注意力模块，增强了有用特征。在RSOD和NWPU VHR-10数据集上进行了实验，本算法的mAP分别为93.4%和90.5%，FLOPs为87.9 G，与YOLO v7相比mAP分别提高了2.8%和2.3%，FLOPs减少17.3 G。结果表明本算法在计算复杂度更低的情况下具有更优异的遥感影像目标检测精度。

雪灾是伊犁地区最主要的自然灾害之一，积雪、风吹雪以及雪崩灾害严重威胁着该区域内的交通运行，并对道路规划等基础设施规划产生了严重影响。鉴于此，对该地区的道路雪灾风险等级进行科学估算和评估，是确保区域内交通安全运行以及道路选址等重大决策的重要依据。结合多源遥感数据和基础地理信息数据，利用熵权法和岭回归方法，发展了一套道路雪灾风险评估方法，构建了伊犁地区积雪、雪崩以及风吹雪灾害的潜在致险性评估模型，进而对伊犁地区道路雪灾的潜在风险性进行了综合评估和致因分析。研究结果表明：伊犁地区3种雪灾类型潜在致险性在空间分布上具有较高的相关性，潜在致险性由高到低依次为：积雪灾害>风吹雪灾害>雪崩灾害。雪灾综合致险性表现为天山地区较高，中部伊犁河谷地区次之，小部分河谷及背风山谷地区致险性较低的空间特征。其中，昭苏县、新源县、尼勒克县以及特克斯县大部分区域为雪灾致险性的热点区域。从道路雪灾综合风险的视角来看，昭苏县、新源县以及尼勒克县部分路段风险性最高，霍尔果斯市、霍城县、伊宁县路段风险次之，而巩留—新源交界路段道路雪灾综合风险相对较低。道路雪灾综合风险较高的路段分别为：G577昭苏—胡松图喀尔逊段，G577昭苏—特克斯段，S330库尔德宁—那拉提段，G218那拉提—巩乃斯段，G578尼勒克—唐布拉段。本研究对道路雪灾风险评估以及道路等基础设施选址具有一定的参考价值。

农村建筑物作为地震灾害中最重要的承灾对象，对其类型、分布等信息的快速获取在抗震减灾等方面具有重要意义。基于GF-2高分辨率遥感数据，利用ESP（Estimation of Scale Parameter）算法和SeaTH（Seperability and Thresholds）算法分别确定影像最佳分割尺度及构建最优特征学习空间，选用决策树分类法和随机森林机器学习分类法，分别对2021年5月初甘肃省襄南镇的农村建筑物结构进行提取分类，并使用无人机航测和现场调查统计数据进行分类结果的准确度检验和修正。结果表明：①两种方法都能较好地识别空间分布均匀、面积大、颜色鲜明的砖混建筑物，但对于分布杂乱且相对集中、颜色灰暗、面积小的土木（砖木）建筑物难以有效识别出其边界轮廓并准确分类。②两种方法对研究区建筑物分类的精度分别是82.42%、86.82%，且基于随机森林的方法在提取建筑物信息时出现的错分漏分现象较少，因此，随机森林方法进行农村建筑物分类更适用。

新一代星载激光雷达冰、云和陆地高程卫星二代（ICESat-2）和全球生态系统动力学调查（GEDI）在森林冠层高度估算中具有独特的优势。融合两种激光雷达数据不仅能够增加冠层高度反演的样本量，还能实现不同数据之间的空间互补。首先采用随机森林—递归特征消除法（RF-RFE）筛选光子特征参数，结合逐步线性回归（SLR）、随机森林（RF）、轻量级梯度提升机（LightGBM）、随机森林逐步线性回归（RF-SLR）、粒子群优化随机森林（PSO-RF）5种融合模型进行适用性分析，选择最优模型构建点尺度冠层高度数据集，并联合多源遥感影像反演祁连山国家公园冠层高度图。最后使用GEDI脚点足迹和样地调查数据将反演结果与现有冠层高度产品进行对比。结果表明：①粒子群优化随机森林（PSO-RF）模型的融合效果最好（R²=0.71；RMSE=3.15 m；MAE=2.66 m）。②基于PSO-RF融合的点尺度冠层高度集的反演模型精度最高（R²=0.56；RMSE=3.02 m；MAE=2.38 m）。③与现有冠层高度产品相比，反演结果的精度较高（基于GEDI脚点足迹：R²=0.43；RMSE=4.50 m；MAE=3.59 m），与样地调查数据相比，反演结果的误差较小（R²=0.36；RMSE=3.15 m；MAE=2.56 m）。研究结果可反映祁连山国家公园植被空间分布格局，为森林资源管理、碳汇计算和生态资源保护提供科学依据。

从遥感影像中准确高效地提取道路信息，对基础地理数据库的建立与维护具有重大意义。高分辨率遥感影像背景信息复杂，导致现有算法无法较好地从中提取道路信息。U-Net网络在图像分割方面有较好的实验效果，但道路分割结果准确性不佳，因此，提出了一种改进U-Net网络的高分辨率影像道路提取方法。首先，设计基于U-Net的网络结构，将VGG16作为网络编码结构，可更好地提取特征语义信息；其次，利用Batch Normalization与Dropout解决网络训练过程中出现的过拟合；最后，对训练数据利用旋转与镜像变换进行扩充，采用ELU激活函数，提升了网络训练速度。实验结果表明：该方法可以较为准确高效地提取道路信息。

基于卷积神经网络（Convolutional Neural Networks, CNN）和5种不同空间分辨率的遥感影像，对西宁市东部一区域开展土地覆被分类研究，旨在探索CNN在不同空间分辨率下进行影像分类的差异性和对不同地物的提取能力。为提高样本的选择效率，引入了窗口滑动方法进行辅助选样。研究表明5种不同空间分辨率影像的总体分类精度均达89%以上,Kappa系数达0.86以上，分类精度较高。在所涉及的分辨率尺度范围内，空间分辨率越高，CNN分类结果越精细，并能保持较高的分类精度，表明CNN更适合高空间分辨率影像分类；但同时影像空间分辨率越高，地物表现出较高的类内变异性和低类间差异性，分类精度有降低的趋势。相比较而言，SPOT 6影像的分类精度最高，同时窗口滑动是一种有效的样本辅助选择方法。研究对今后同类工作具有一定的借鉴意义。

地学数据共享是地学研究的重要内容，也是挖掘地学数据、避免地学数据重复采集的重要途径，是现代数据密集型科研范式下地学研究的重要基础，因此，如何打破地学数据“孤岛”、实现不同地学数据便捷获取、保障数据安全、提升和扩展地学数据贡献者权益保护是地学数据共享中急需解决的问题。区块链技术的兴起，为地学数据价值外化途径扩充、提升数据安全和地学数据贡献者权益保护带来了新的可能。在系统梳理地学数据共享现状、存在问题、区块链基本原理、特点、底层架构以及应用现状的基础上，探讨区块链技术在地学数据共享中的应用可行性以及应用场景，阐述区块链技术在地学数据共享中的应用挑战，以期为地学数据共享领域区块链相关研究与应用提供参考。

高分辨率遥感影像有精确的几何结构和空间布局，但是光谱信息有限，增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题，采用深度学习U-Net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像，通过U-Net模型提取胡杨、柽柳、耕地、草地和裸地五种地物覆被类型，分类总体精度和Kappa系数分别为85.024%和0.795 6，并与传统的支持向量机（SVM, Support Vector Machine）和面向对象的分类方法比较，结果表明：相对于SVM和面向对象，基于U-Net模型的高分辨率卫星影像地物覆被分类，能够更好地对地物本质特征进行提取，分类效果较好，满足精度要求。

居民地的空间格局和密度直接反映着区域人类活动的强弱程度，影响着区域人地系统演变和生态环境可持续发展。基于高分辨率卫星遥感影像数据，提出了一种面向对象的青海湖环湖区居民地信息自动化提取方法。首先，利用尺度集理论对高分辨率卫星遥感影像进行多尺度分割，获取不同尺度的分割对象；其次，通过机器学习算法集对分割对象的自定义特征、光谱特征、几何特征和纹理特征进行训练，选取最优自动分类算法；最后，利用最优自动分类算法提取青海湖环湖区城镇居民地和农村居民地信息。采用平均召回率、平均准确率和平均F值评价指标对分类结果进行精度评价，其中，城镇居民地各评价指标均在93%以上，农村居民地各评价指标均在86%以上。结果表明:该方法提取城镇居民地和农村居民地总体精度较高，在大面积人类活动精细化监测中具有较好的科学意义和应用价值。

基于控制试验对配制的具有不同含水量和含盐量的土壤样本进行介电特征量测和分析，同时结合Stogryn盐水介电模型和土壤溶液离子浓度、电导率、含水量和含盐量等参数对介电常数虚部的影响，将饱和度这个关键参量引入盐渍土介电模型中，提高盐渍土介电模型模拟精度。结果表明：①当土壤体积含水量较低时，土壤含盐量对介电常数的实部和虚部均未产生明显的作用。当土壤体积含水量较高时，介电常数实部则随着土壤含盐量的增加呈逐渐下降趋势，介电常数虚部以增加态势为主;②修正后的盐渍土介电模型可以较好地刻画介电常数变化特征。此外，将修正后的模型在白银采样点进行验证，同样取得较好的模拟结果，表明修正后的盐渍土介电模型对不同土壤类型具有一定的适用性。

为获取中国区域高时空分辨率、高精度的气溶胶光学厚度（AOD）产品。基于Himawari-8卫星数据和MODIS地表反射率产品，反演了中国区域2018年4月~2019年4月逐10分钟的AOD，该方法可同时对暗像元、亮像元区域进行反演。依托全球气溶胶观测网（AERONET）中国境内的6个观测站数据，对反演结果进行一致性检验，同时将AOD反演结果与Himawari-8官方最新发布的AOD产品（020版）进行对比。结果表明：①红蓝比值法AOD反演结果与AERONET AOD之间相关性很高，除包头站外，其余5个站点的相关系数R在0.728~0.863之间，EE（误差期望）范围内样本点百分比在47.7%~68.6%之间，与Himawari-8 AOD产品相比有很大优势;②红蓝比值法AOD反演结果与AERONET AOD在时间序列走势上基本一致，但在AOD >1时，反演结果较AERONET AOD偏高。Himawari-8 AOD春夏季走势相对于AERONET AOD较为一致，但由于秋冬季Himawari-8 AOD有明显的日变化，且日变化较大，其走势与AERONET AOD偏离较大;③红蓝比值法AOD反演结果与MODIS AOD产品空间分布基本一致，AOD反演结果总体较MODIS AOD略为偏低。在冬季时红蓝比值法反演范围较MOD04_3K AOD的反演范围广;④红蓝比值法AOD在冬春季的北方高反射率地表区域的反演结果精度和反演范围较Himawari-8 AOD产品和MOD04_3K产品有很大优势。

沙尘暴的起沙过程是沙尘循环中的重要部分，起沙过程模拟的准确性对于输送和沉降过程的准确模拟十分重要。WRF-Chem (Weather Research and Forecasting with Chemistry)是目前应用最广泛的沙尘暴模拟模式之一，但目前WRF-Chem对于起沙量的模拟具有很大的不确定性，受下垫面和土壤湿度的影响较大。WRF-Chem模式中的下垫面数据比较老旧，且驱动WRF-Chem模式的资料中土壤湿度是偏高的。土地覆被和土壤水分等遥感产品的日趋成熟，为WRF-Chem模拟沙尘暴提供了新的选择和契机，因此，将AMSR2 (the Advanced Microwave Scanning Radiometer 2) 土壤湿度和MODIS (Moderate Resolution Imaging Spectroradiometer) 土地利用遥感产品及实地调查资料替换WRF-Chem下垫面，利用WRF-Chem模拟了2018年3月26日至28日发生在我国华北地区的一场沙尘过程，用于探究下垫面参数对WRF-Chem模式模拟沙尘暴的精度产生的影响。共开展了4组实验，包括1组控制实验和3组对照实验，3组对照实验分别是在控制试验基础上仅替换土壤水分初始场、仅替换土地覆被和土壤质地以及同时替换土地覆被、土壤质地及土壤水分初始场。在加入遥感数据之后，3组对照实验的模拟精度比控制实验均有所提高，其中同时替换土壤水分初始场、土地覆被和土壤质地对模式模拟结果改善最大。改善后PM10模拟的相关系数提高了0.30，平均偏差减少了31.18 μg/m³，均方根误差减少了21.70 μg/m³；AOD (Aerosol Optical Depth) 的相关系数提高了0.14，平均偏差减少了0.29，均方根误差减少了0.18，仅替换土壤水分初始场效果次之，仅替换土地覆被和土壤质地对于模拟结果改善不大。以上结果表明：加入遥感资料可以有效提高WRF-Chem对沙尘过程的模拟精度。

房屋空置率是衡量房地产市场健康与否的重要指标。基于夜间灯光遥感数据和全国土地覆盖数据，对房屋空置率进行空间识别。利用微博签到数据，通过基于密度的聚类算法和热力分析对居民活动空间强度进行分析，从“鬼城”指数排名靠前的100个城市中随机选择30个样本城市，进行城市内部房屋空置空间识别。结果表明：2013年全国地级及以上城市基于像元的平均房屋空置率为27.3%。东部地区房屋空置率较低，中西部地区房屋空置现象明显；房屋空置在中小型城市更加突出。

为实时准确地对新疆农业干旱程度进行反演监测，以新疆焉耆盆地为例，通过运用时空自适应反射率融合模型（Spatio Temporal Adaptive Reflectivity Fusion Model，STARFM）、增强型STARFM（Enhanced STARFM，ESTARFM）模型及灵活的时空数据融合模型（Flexible Spatio Temporal Data Fusion，FSDAF）这3种常见的模型对Landsat 8和MODIS数据进行融合，构建了温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI），并采用土壤相对湿度（Relative Soil Moisture，RSM）数据对TVDI反演结果进行了验证。结果表明：①3种数据融合模型所模拟预测的干旱因子（归一化植被指数和地表温度）与真实Landsat 8数据所反演的干旱因子相比，ESTARFM模型模拟预测的干旱因子判定系数（R²）和均方根误差（RMSE）均优于其他两种模型，归一化植被指数（NDVI）的R²和RMSE分别达到了0.924和0.076，地表温度（LST）的R²和RMSE分别达到了0.877和2.799；②3种数据融合模型模拟预测的TVDI通过与真实Landsat 8数据反演的TVDI及RSM数据进行对比验证，发现ESTARFM模型模拟预测的TVDI与上述两种数据之间的R²也均优于其他两种模型，分别达到了0.873和0.248。ESTARFM模型在一定程度上更能准确地模拟预测同时期Landsat 8影像的TVDI分布状况。

青海云杉和祁连圆柏是祁连山自然保护区的优势种，提取两种类型树木的空间分布对保护区森林资源的管理和监测方面有重要意义。使用Sentinel-2A(S2)、Sentinel-1A(S1)、Landsat-8(L8)3种遥感影像及来自SRTM DEM的地形数据，基于随机森林分类方法，设置8种组合方案共22个特征变量，以祁连山东段的甘肃连城自然保护区为例，对青海云杉和祁连圆柏进行分类试验。结果表明：融合Sentinel-1A(S1)数据的VV和VH两种后向散射信息的精度最高，达到92.85％，比使用单一影像Landsat-8提高了11.64%。实验表明:结合多源遥感影像的不同波段信息是提高森林类型分类精度的有效手段，有助于复杂山区森林资源调查、植被信息提取等需求。

基于覆盖陇东地区同一轨道的97景Sentinel-1A卫星影像，在ISCE和StaMPS数据处理平台上利用PS-InSAR技术进行叠加数据处理，获得研究区自2014年10月至2019年5月的年平均地表LOS向形变场，并对形变场结果进行二维网格滤波处理，获取沉降中心的变化特征。研究结果表明：陇东地区主要存在两类形变，一类是由构造活动引起的地表形变，主要分布在海原断裂与六盘山东麓断裂转换区附近，跨海原断裂年平均形变约为1 mm/a，而六盘山东麓断裂附近断层无明显变形，鄂尔多斯块体内部变形微弱；另一类则是由人类工业活动，如煤矿开采、地下水开采活动等导致的地表沉降，主要影响区域为华亭矿区和宁正矿区，均呈现漏斗状沉降形态，年均最大沉降分别约为8 mm/a和30 mm/a。

以地处河西走廊东端、石羊河下游的民勤县湖区绿洲为例，以Landsat 8 OLI影像为数据源，从天然绿洲和人工绿洲的基本概念出发，在影像数据预处理、多尺度分割的基础上，综合考虑光谱、纹理、形状、上下文等信息，引入NDVI、最大化差异、紧致度、形状指数和空间邻接关系等多个特征，构建规则集进行天然绿洲和人工绿洲的区分，并将区分结果与基于最大似然法监督分类的绿洲区分结果进行比较分析。结果表明：使用面向对象的影像分析方法区分天然绿洲和人工绿洲的总体精度达到了91.75%，Kappa系数为0.65；较之面向像元的最大似然法监督分类结果，总体精度提高了10.40%，Kappa系数提高了0.13，其中人工绿洲条件Kappa系数提高了0.19，天然绿洲条件Kappa系数提高了0.30。面向对象的影像分析方法能够在一定程度上克服单一光谱特征分类方法的局限性，避免“异物同谱”和“同物异谱”现象带来的混淆，提高天然绿洲和人工绿洲区分的精度。