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。