病虫害现已成为水稻产量的最大制约因素之一，传统的植保技术主要依靠植保人员的视觉和经验，存在一定的主观性，且费时费力，难以满足大范围的实时监测需要。遥感技术的发展提供了一种大面积、全天候、多方位的数据快速获取手段，能够为病虫害的识别分类提供作物种植信息和环境信息，是实现对水稻病虫害进行大面积监测预测的重要手段。在阐述水稻病虫害遥感监测和预测机理的基础上，重点从多尺度遥感监测方法、预测方法、水稻病虫害监测与预测模型构建以及监测预测系统等多方面概述了水稻病虫害监测与预测的研究进展，并指出目前水稻病虫害监测与预测研究存在的问题及未来发展趋势。随着信息化农业的发展与多源数据的融合运用，趋向于精准化与智能化的水稻病虫害遥感监测与预测，将会越来越成熟。

为了更好地预测放牧活动对青藏高原高寒草地生态系统时空格局变化的影响。2008年7月在藏北3个高寒草地生态系统进行了围栏与自由放牧对比试验，包括1个高寒草原化草甸冷季放牧样地（ASMWP）、1个高寒草原化草甸暖季放牧样地（ASMSP）和1个高寒草甸暖季放牧样地（AMSP）。本研究通过观测2012~2015年生长季的归一化植被指数（NDVI）、绿波段归一化植被指数（GNDVI）、土壤调节植被指数（SAVI）、地上生物量（AGB）和总初级生产力（GPP），探讨了暖季放牧和冷季放牧对高寒草地植被生产的影响差异以及不同类型高寒草地植被生产对放牧的响应差异。结果表明：冷季放牧使ASMWP的2012~2015年平均的NDVI显著下降22.27%，SAVI显著下降23.50%，AGB显著下降17.28%，GPP显著下降22.48%，而暖季放牧对ASMSP和AMSP的2012~2015年平均的NDVI、SAVI、AGB和GPP则都没有显著影响。放牧使ASMSP样地2012~2015年平均的GNDVI下降15.33%（p=0.091），而对ASMWP和AMSP样地的2012~2015年平均GNDVI无显著影响。因此，放牧对植被指数、地上生物量和总初级生产力的影响与放牧季节和草地类型有关。

水稻是中国主要粮食作物之一，稻米产量关系到民生福祉。及时、准确地获取水稻种植面积信息及其空间分布状况对于区域农业发展规划和产量评估具有重要意义。针对水稻与其他农作物易混以及光学数据易受云雨天气影响等问题，以东北三江平原为例，利用中高分辨率Sentinel-1微波数据、Sentinel-2光学数据，分别构建时序水体指数SDWI和植被指数NDVI组成水稻完整的物候生长曲线，分析水稻移栽期、分蘖期、抽穗期、成熟期4个重要生长时期不同的光谱差异，通过阈值分割和组合不同时期的数据，来实现水稻不同物候时期种植面积的提取，并与传统的基于单一光学数据的方法进行对比。研究结果表明：经过地表样本点的验证，所构建方法可以精确提取三江平原水稻几个关键生育期的种植面积并且优于单一使用光学数据的方法。同时利用单生育期影像例如移栽期影像提取水稻面积也可使总体精度达到87.08%，随着生育期数据的完整，总体精度也不断提高，其中基于全生育期的面积提取总体精度也高达91.88%，Kappa系数为0.834，可以满足实际应用需求。因此这种的多源数据结合的水稻种植面积提取方法能够准确、高效地提取三江平原水稻不同物候时期种植面积，为短期内的农情调查管理和区域农业可持续发展提供依据。

识别生态网络能够提高区域景观连通性和生物多样性，是维持区域生态安全的重要手段。以湄公河流域为研究区，通过形态学空间格局分析（MSPA）、生态系统服务重要性评估与连通性评价综合识别生态源地。采用空间主成分分析（SPCA）构建湄公河流域生态风险评估指数，并借助其修正土地利用/覆被生态阻力系数得到生态阻力面。最后，利用最小累积阻力模型（MCR）和电流理论提取生态廊道、生态节点、生态障碍点等生态网络关键结构。结果表明：①湄公河流域整体生态风险偏低，生态风险等级为中等及以下的区域占76.93%。②由生态风险评估指数修正后的生态阻力充分挖掘出同一土地利用/覆被类型不同生态斑块之间的阻力差异，更符合实际情况。③湄公河流域生态源地以林地和水体为主，面积为63.8万km²，占总面积的10.92%。④研究共提取生态廊道74条，生态节点86个，生态障碍点37个，为湄公河流域开展生态保护与修护、维护生物多样性、调整土地利用政策提供参考。

滑坡具有强大的爆发力和破坏性，是世界上发生频率较高的自然灾害之一，给人们的生命财产造成了严重的损害。灾后准确快速的提取滑坡，获取滑坡的分布范围，对滑坡灾害调查及危险性评估极为重要。围绕基于高分辨率卫星遥感影像监测滑坡的方法进行了调研，首先介绍了滑坡在高分辨率卫星遥感影像上的解译特征，而后论述了滑坡提取方法和精度评价分析方法的研究进展，最后总结了当前方法的优势与不足，以及未来研究的发展方向。结果表明：深度学习方法具有较大的潜力，未来应加强深度学习与其他自动化解译方法的结合在滑坡监测中的应用，解决样本规模对模型结果的影响，实现模型的可迁移性，提高其自动化程度。