气溶胶可以通过直接效应来影响地气系统的辐射平衡，然而目前气溶胶直接辐射效应的研究主要集中于总气溶胶，缺乏不同类型气溶胶直接辐射效应研究。利用通用地球系统模式（Community Earth System Model， CESM）模拟研究了晴空和有云条件下总气溶胶、硫酸盐气溶胶和含碳气溶胶在大气层顶和地表的直接辐射强迫，并利用多源数据对模拟结果进行验证。结果表明，CESM模拟总气溶胶光学厚度与气溶胶自动观测网（Aerosol Robotic Network， AERONET）有较好的相关性（R² =0.44），但模拟数值整体偏小；与MERRA-2（Modern-Era Retrospective Analysis for Research and Applications Version 2）对比发现，高估了含碳气溶胶光学厚度，低估了硫酸盐气溶胶光学厚度；CESM模拟的辐射通量与基线地表辐射观测网（Baseline Surface Radiation Network， BSRN）的模拟效果良好（R² =0.93）。在晴空条件下，CESM模拟的总气溶胶以及硫酸盐气溶胶、含碳气溶胶在大气层顶的直接辐射强迫分别为-1.37、-0.46、-0.45 W/m²；有云条件下分别为-0.30、-0.25、+0.04 W/m²，云削弱了气溶胶在大气层顶负的辐射效应，但加强了含碳气溶胶的吸热作用从而呈现出正效应；晴空条件下地表的直接辐射强迫分别为-5.60、-0.53、-2.21 W/m²，有云条件下分别为-4.38、-0.32、-1.64 W/m²，气溶胶的直接辐射效应在地表均为负效应，云对沙尘气溶胶的辐射效应影响不大，但却能削弱硫酸盐气溶胶和含碳气溶胶的直接辐射效应强度。研究结果有利于进一步理解不同类型气溶胶的直接辐射效应，并为未来改进CESM提供依据。

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。

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。

作为祁连山地区最广泛分布的植被类型，亚高山草甸在维持当地碳水通量和响应气候变化方面扮演者重要的角色。因此，准确探测其物候动态对于深入了解山地生态系统功能及其对气候系统的反馈至关重要。在祁连山东北部15 km × 15 km的融合试验区内，结合地面涡度通量数据和多源卫星遥感影像，开展多源影像融合和陆表物候提取试验。采用增强型时空自适应反射率融合模型（ESTARFM）融合ETM+、OLI和VIIRS传感器的多源影像，重建2013 ~ 2020年双波段增强型植被指数（EVI₂）、归一化植被指数（NDVI）和植被近红外反射率指数（NIR_v）的高时间（最短1 d）和高空间（30 m）分辨率时序影像数据集。在此基础上，利用双重双曲正切函数（DHT）和全局模型函数（GMF）拟合通量塔GPP和各遥感植被指数影像的生长曲线，并应用动态阈值法提取生长季始期（SOS）、峰期（POS）和末期（EOS），以评估不同融合植被指数提取亚高山草甸关键物候参数的适用性。结果表明：ESTARFM融合影像能够准确反映真实影像的亮度和纹理特征，但输入影像的云污染像元也会对融合精度产生影响。在站点尺度（无云污染），NIR_v和EVI₂表现出相似的融合精度；而在像元尺度（存在云污染，云量<20%），NIR_v的融合精度明显高于EVI₂，表明NIR_v在算法上提高了植被—裸土混合像元中植被部分反射率的敏感性，在云污染条件下仍能保持较高的融合精度。对于生长曲线拟合算法，DHT + GMF能准确模拟通量塔GPP和各遥感植被指数的季节动态，决定系数高于0.960和均方根误差低于0.062。3种植被指数融合影像的物候提取精度比较表明，NIR_v提取SOS和EOS的精度最高，而NDVI提取POS的精度最高，在站点（像元）尺度的偏差分别为4 d（3 d）、5 d（5 d）和4 d（6 d）。

秸秆焚烧是大气污染的重要来源之一，因其发生具有随机性和分散性，难以快速、准确、全面地获得秸秆焚烧火点信息，监管部门监督执法面临较大困难。为提高秸秆焚烧的监测精度和效率，研发了高精度火点提取算法，基于多源卫星遥感数据对秸秆焚烧火点进行监测，制定了无人机、人工现场核实方案，对卫星监测的火点信息进行核实。开发了Web端和移动APP端系统平台，定向推送和展示火点信息。形成兼具发现和核查功能的天空地一体化秸秆焚烧监管体系。相关平台应用于2020年山东省春秋季秸秆焚烧火点监测，实现遥感监测火点58个，经核实后真火点为53个，准确率为91.38%。结果表明，该监管体系可快速提取高精度火点信息，为秸秆焚烧监管提供新的思路和手段。

陆地生态系统碳收支是全球碳循环研究的重要指标，也是气候变化的重要参数。针对该指标估测的不确定性，基于陆地生态系统通量观测研究网络的实测碳通量数据及遥感卫星观测数据产品，利用机器学习方法进行建模研究。研究选用随机森林算法自动从高质量的星—地训练数据集中学习特征、挖掘数据中的隐含信息以及时序间依赖关系的差异，建立了基于随机森林算法的碳收支参数GPP（Gross Primary Production）、NEP （Net Ecosystem Production）估算模型，并选择标准指标利用验证数据集对模型进行了客观评价。结果分析表明：与MODIS GPP产品相比，该方法在估算精度上有了提高，其中落叶阔叶林预测结果最优，决策系数为R²为0.82，均方根误差为1.93 gCm^-2 d^-1，在其他植被类型上也明显优于传统光能利用率模型产品，更接近于地面通量观测数据。基于相同方法建立的NEP模型也得到了较好的估测结果，落叶阔叶林预测模型的输出结果与通量塔获得的NEP相关关系R²为0.70，RMSE=1.75 g C m^-2 d^-1。GPP和NEP模型精度差异也表明，在进行机器学习建模时，训练数据集自变量的选择仍然需要机理模型支持。为进行陆地生态系统碳收支大范围快速估算，本研究进行了陆地生态系统碳收支遥感监测平台的搭建，该平台以GEE （Google Earth Engine）大数据平台作为数据存储与计算后端，Django和Nginx作为Web服务框架，OpenLayers和jQuery作为前端框架，从而实现了碳收支参数长时间序列大范围的快速计算、结果实时显示等功能。基于该平台和模型获取的2002—2016年全球（60°N—60°S）逐年GPP结果表明，全球平均GPP存在明显的空间差异，显著增加的区域主要集中在亚洲东部地区及北美洲森林地区等。研究表明，基于机器学习和大数据平台进行碳收支参数遥感监测，能够快速提供与地面真实观测较为一致的陆地生态系统区域和全球尺度碳收支遥感监测结果，该流程在一定程度避免了生理过程模型复杂的参数设置，减少了区域和全球大尺度碳收支监测的不确定性。

研究海洋表面烃类富集状况在监测海洋环境和探测海底油气资源中具有重要意义，海表渗漏烃中，甲烷是气态烃中最具代表性的组分。为了精准识别海表甲烷异常，研究设计了相应光谱实验，以海水为背景测定甲烷光谱反射率，基于实测数据分析甲烷的光谱特征，运用比值导数光谱法削弱海水背景组分的光谱干扰，提取出甲烷光谱吸收特征波段。研究发现甲烷在1 642—1 672 nm和2 169—2 378 nm波长范围存在光谱吸收，通过比值导数处理后显著增强了其中1 642—1 672 nm和2 169—2 208 nm区间的甲烷吸收特征，在Rebecca等提出的CH₄I甲烷反演指数的基础上加入比值导数参数，建立了基于AVIRIS数据的海表甲烷含量指数MI，与甲烷含量的相关系数R²=0.994 2，将其应用于美国加利福利亚州圣芭芭拉海峡Coal Oil Point（COP）烃渗漏区甲烷异常识别，并与CH₄I指数和Bradley等提出的AVIRIS CH₄指数ζ（L2298/L2058）进行反演效果对比。结果表明：运用MI指数可以有效识别海表甲烷浓度异常，与ζ、CH₄I指数反演结果相比，MI指示的甲烷浓度异常分布与ζ指数反演结果更为吻合，效果显著优于CH₄I指数反演结果。

快速准确获取省域碳排放数据是实时制定差异化碳减排政策的前提。基于DMSP/OLS和NPP-VIIRS夜间灯光数据，采用统计数据比较法提取1997~2017年中国大陆各省域（不包括西藏）建成区的夜间灯光总值（用TDN表示），并利用1997~2014年各省域的TDN值与同期核算的碳排放量建立各省域碳排放预测模型。然后，以2015~2017年的TDN值为自变量估算中国各省域的碳排放量；同时，利用熵值法和碳排放分配模型将四大国际权威数据库（IEA、EIA、EDGAR和CEADs）发布的中国碳排放量分配至各省；最后，将估算结果与四大典型碳数据库分配的省域碳排放值进行比较。研究表明：估算的省域碳排放量与分配的省域碳排放量大体一致，平均绝对百分比误差（MAPE）为6.45%~9.12%，并且基于夜间灯光数据估算的省域碳排放量与IEA和EIA数据库分配的碳排放量更为接近；各省域估算的碳排放量与分配的碳排放量均落在1∶1线附近；单个省域的MAPE值变化在0.68%~14.85%，且多数省域的MAPE值均在10.0%以内。上述结果证明，基于夜间灯光数据通过提取TDN值估算省域碳排放量具有可行性和准确性。