叶面积指数（Leaf Area Index， LAI）是研究植被冠层结构和生理生化特性的重要参数，由于山地地表和山地森林冠层结构存在高度复杂性和异质性，山地LAI地面测量方法尚未形成统一标准，因此导致不同方法的地面测量结果存在显著差异。为了分析各影响因素对测量结果的影响，进而提升山地LAI地面测量数据的精度和可靠性，本文使用植物冠层分析仪（LAI2200 Plant Canopy Analyzers， LAI2200）和数字半球摄影相机（Digital Hemisphere Photography， DHP）在典型山地森林场景进行了LAI地面观测实验，定量分析了不同光学测量仪器、植被聚集效应以及地形等因素对山地LAI测量结果的影响。结果表明：LAI2200和DHP两种光学仪器均可用于山地森林的LAI地面测量，实验发现LAI2200对针叶林LAI相比DHP更敏感；关于地形因子对LAI地面测量的影响中，周围地形起伏对入射辐射的遮挡是引起测量误差的重要因素，需在测量中剔除；此外，植被聚集效应对测量结果影响显著，需通过引入聚集度指数（Clumping Index， CI）对有效LAI进行校正从而获得真实LAI。研究结果能为提高山地森林LAI地面测量的精度和准确度提供有效的参考建议。

在通过遥感影像获取农业种植结构过程中，遥感影像自身及分类过程会不可避免地引入不确定性，降低制图结果精度与可靠性。地块作为农业基础单元，具有分类精度和不确定性控制的优势，然而当前遥感分类不确定性研究方法多以像元为基本单元，难以简单套用至地块作物分类。因此以地块为基本空间单元，选择信息熵作为后验不确定性评价指标，在宁夏引黄灌区开展作物分类与不确定性分析实验。借助时序特征及地块内部多种幅值特征，分析遥感数据中随机不确定性和模糊不确定性对后验分类不确定性的影响效果。实验结果表明：①相比于像素尺度分类，地块尺度分类能够有效消弱后验不确定性；②随机不确定性对后验不确定性影响显著，与时序特征呈显著相关性；③地块边缘混合像元和内部混杂异质引入的模糊不确定性放大了随机不确定性，进而影响后验不确定性。针对性消减措施可以有效降低分类不确定性，且消减效果与相关性分析结果基本一致。研究结果可为后续作物分类流程改进和不确定性控制提供思路与方法。

精确估算大尺度地表蒸散发对水文、生态、农业和水资源管理具有重要意义。在基于遥感的蒸散发估算模型中，PM（Penman-Monteith）方程结合Jarvis气孔导度模型的方法扮演着关键角色。当前PM-Jarvis蒸散发模型使用优化方法计算植被或各IGBP （International Geosphere-Biosphere Programme）类别最大气孔导度（maximum stomatal conductance，g_sm），然而该方法缺乏物理意义，忽略了不同植被间气孔特性差异，无法反映叶片g_sm的时间动态变化，导致蒸散发估算结果存在较大误差。针对这一问题，本研究利用植被叶片气孔长度、气孔密度等气孔解剖特征参数精确计算不同种类植物g_sm，基于归一化差异植被指数（Normalized Difference Vegetation Index，NDVI）的生理制约函数模拟g_sm的动态变化，实现地表蒸散发的精确估算。利用美洲通量网站点观测数据验证，结果表明相较于不区分植被类型、基于IGBP类别的固定g_sm，精确计算的动态g_sm明显提高了蒸散发估算精度，其决定系数R²分别由0.626、0.726提高至0.83，均方根误差RMSE分别由33.31 W/m²、27.72 W/m²降低至21.81 W/m²。因此，在大尺度蒸散发估算中，精细化区分植被生理特性差异是一种能有效提高蒸散发估算精度的方法。

我国自主研发的HY-2系列动力卫星为全球海洋风场观测研究提供了重要的数据支撑。通过对多源遥感卫星所获取的海面风场数据进行融合，形成高时空分辨率的风场融合数据，对研究台风灾害、保障船舶航行和海上作业安全具有重要意义。对风场融合数据进行交叉验证是该数据大规模应用的前提，本文选择台风灾害频发，渔业资源丰富的西北太平洋海域作为研究区域，利用ERA5再分析数据、CCMP风场数据及CERSAT风场数据作为参考数据，通过获取不同数据集之间的风速、风向的标准差和相关系数，开展了2019年12月至2021年11月HY-2系列卫星风场融合数据在不同季节间的交叉验证分析。结果表明：①HY-2系列卫星风场融合数据与ERA5再分析数据的匹配程度优于CCMP风场数据和CERSAT风场数据；②在不同季节中，HY-2系列卫星风场融合数据的风速和风向精度在夏季和秋季较高，而冬季和春季相对较低；③2019年12月至2021年11月的HY-2系列卫星风场融合数据的风速和风向具有较高的精度，其标准差分别为1.54 m/s和13.29°，相关系数分别为0.92和0.88，可广泛应用于西北太平洋海域。

地表反照率是决定地表能量平衡的重要参数，太阳辐射计的站点观测是获得地表反照率的重要手段，也是开展地表反照率遥感产品验证的重要数据源之一。传统地表反照率站点观测主要用于验证低空间分辨率卫星遥感产品精度，在高空间分辨率遥感产品验证中存在突出的尺度不匹配问题。此外，山地地表反照率站点观测足迹受地形影响显著区别于平坦地表。随着中高分辨率地表反照率产品算法发展和产品生产的快速发展，山区高分辨率像元尺度地表反照率参考“真值”数据已成为真实性检验的迫切需求。针对上述问题，本研究基于太阳辐射计观测特性、地表反射特性以及山地局地地形特征，提出了一种山地地表反照率站点观测遥感空间降尺度模型。该模型首先基于数字地形视域分析模拟出了辐射计山地区域真实观测足迹范围，然后根据辐射计余弦响应特性对辐射计观测上行辐照度进行校正，进一步利用高分辨率反射率波段积分表征像元反射特性，发展了考虑局地地形特征的分解方法，并将校正后的上行短波辐射及计算得到的下行短波辐射分解到像元尺度，最终得到辐射计观测足迹范围的高分辨率像元地表反照率，实现了由站点观测足迹到亚足迹高分辨率遥感像元尺度地表反照率参考“真值”产品获取。本文基于研究区三维真实场景，利用三维辐射传输（LESS）模型模拟了晴空条件下站点观测足迹范围下的高分辨率像元地表反照率用于方法验证。验证结果表明：模型模拟地表反照率与本文模型分解所得地表反照率之间R²为0.83，RMSE为0.016 9，线性拟合斜率为0.999，表明本模型分解效果较好，能够实现山地地表反照率站点观测足迹的降尺度计算。同时，利用真实遥感观测和站点观测数据，实现了王朗山地遥感四川省野外科学观测研究站塔基反照率观测的高分辨率像元尺度地表反照率降尺度数据集构建。本文模型可为高分辨率山地地表反照率反演算法发展和产品验证问题提供一种新的解决方案和思路。

地物具有二向反射特性，可由二向反射分布函数（Bi-directional Reflectance Distribution Function， BRDF）刻画，它是光学定量遥感反演的基础。BRDF的反演依赖于多角度观测，由于卫星、航空和地基观测的角度有限，如何设计可行的稀疏角度采样，对实现BRDF的高质量反演至关重要。研究引入角度信息量，基于模型模拟和传感器观测的多角度数据，通过计算不同角度组合用于核驱动模型BRDF反演的角度信息量与反演误差，探究了角度信息量与反演误差之间的关系，确定了BRDF反演的最优观测平面和角度数目，进而得到不同太阳天顶角对应的优选角度组合。验证结果表明：优选出的角度组合在大多数地表上可实现高质量的BRDF反演。研究成果可为多角度观测实验、多角度卫星载荷设计以及地表二向反射反演提供重要参考。

研究植被指数与光合有效辐射吸收比FPAR的定量关系对于提高FPAR反演精度与指导生产实践具有一定的参考价值。研究在三维辐射传输模型LESS基础上发展了一个兼具一维模型简洁和三维模型精度优势的LESS1D模块（已随LESS模型正式发布，www.lessrt.org）；探究随机均匀场景和三维异质场景中植被冠形、盖度等7种因素对6种植被指数与FPAR_green关系的影响。结果表明：①在均质性场景中，NDVI、SAVI、EVI对FPAR_green拟合相对最优，而在异质性场景中，则为NDVI和RVI。②在异质性场景中，不同冠形下FPAR_green与植被指数的拟合精度为圆柱形>椭球形>圆锥形；植被盖度较低时，植被指数对FPAR_green拟合精度较差；随着太阳天顶角增大，RVI与FPAR_green由线性关系变为指数关系。 结论 树冠体积和树冠几何结构是不同冠形影响FPAR_green大小的关键因素，而叶片聚集度、植被盖度和植被指数类型则是影响植被指数饱和效应的相关因素。

地形效应会使遥感影像中的地表反射率发生畸变，进而影响基于反射率估算的叶面积指数（Leaf Area Index，LAI）精度。为了减弱或消除地形对LAI反演的影响，基于三维辐射传输模型DART（Discrete Anisotropic Radiative Transfer）构建坡地反射率与LAI数据集作为训练数据。以反射率为输入，LAI为输出，利用随机森林算法进行训练，构建山地LAI反演模型。结合实际遥感影像数据实现山地LAI的估算，并利用实测数据对反演结果开展精度评价。同时，基于DART模型和随机森林构建了平地LAI反演模型作为参照以评价本文发展方法的有效性。结果表明：考虑了地形影响的山地LAI反演模型具有较强的估算能力，验证结果的精度（决定系数（R²）=0.57，均方根误差（RMSE）=0.77 m²/m²）优于平地反演模型（R²=0.46，RMSE=0.86 m²/m²）；基于DART模型构建的山地反演模型能够捕捉到坡度和坡向对地表反射率的影响，其反演结果较好地还原了研究区LAI的空间分布，与地面真实情况接近。研究指出将DART模型和随机森林算法相结合的山地LAI反演方法能够在一定程度上减弱地形效应，有效提高山地LAI的估算精度，可为山地植被参数遥感反演研究提供参考。

蒸散发是水循环和能量平衡的重要组成，在地下水监测、农业灌溉等研究中发挥重要作用，但非均匀下垫面会导致遥感估算的水热通量产生空间尺度误差。以Sentinel数据作为基础数据，利用EFAF（Evaporative Fraction and Area Fraction）方法和温度降尺度法校正水热通量偏差，并且对比两种方法的差异。研究结果表明：EFAF方法和温度降尺度法的精度不相上下，决定系数R²约为0.86，平均偏差MBE约为18 W/m²，均方根误差 RMSE约为64 W/m²，两种方法的精度都高于未校正潜热通量的精度，对于校正非均匀下垫面造成的潜热通量偏差有一定的效果。EFAF方法估算的潜热通量在像元尺度上的分布与土地分类数据一致，在区域尺度上和未校正的潜热通量分布一致。温度降尺度法估算的潜热通量在像元尺度上与地表温度的分布高度相似，其空间细节信息更加丰富，局部特征明显。